Mysql CDC 多 Source 复用

原文：https://cloud.tencent.com/document/product/849/76650

本页目录：

功能介绍

如何开启 CDC Source 复用功能

使用提醒

目前使用 Flink CDC Connector 做数据同步时，每个表都需要建立一个数据库连接，在多表、整库同步等场景下，对数据库实例的压力非常大，Oceanus 引入了多 Source 复用的优化来解决这种问题。

功能介绍

例如以下作业：

CREATETABLE `source_1`
(
    `f_sequence`   INT,
    `f_random`     INT,
    `f_random_str` VARCHAR,
    PRIMARY KEY (`f_sequence`) NOT ENFORCED
) WITH (
      'connector'='mysql-cdc' ,
      'hostname'='ip1',
      'port'='3306',
      'username'='xxx',
      'password'='xxx',
      'database-name'='db1',
      'table-name'='source_1'
);

CREATETABLE `source_2`
(
    `f_sequence`   INT,
    `f_random`     INT,
    `f_random_1`     INT,
    `f_random_str` VARCHAR,
    `f_random_str_1` VARCHAR,
    PRIMARY KEY (`f_sequence`) NOT ENFORCED
) WITH (
      'connector'='mysql-cdc' ,
      'hostname'='ip1',
      'port'='3306',
      'username'='xxx',
      'password'='xxx',
      'database-name'='db2',
      'table-name'='source_2'
);


CREATETABLE `sink_1`
(
    `f_sequence`   INT,
    `f_random`     INT,
    `f_random_str` VARCHAR,
    PRIMARY KEY (`f_sequence`) NOT ENFORCED
) WITH (
      'connector'='logger'
);

CREATETABLE `sink_2`
(
    `f_sequence`   INT,
    `f_random`     INT,
    `f_random_1`     INT,
    `f_random_str` VARCHAR,
    `f_random_str_1` VARCHAR,
    PRIMARY KEY (`f_sequence`) NOT ENFORCED
) WITH (
      'connector'='logger'
);

insertinto sink_1 select*from source_1;
insertinto sink_2 select*from source_2;

对于来自相同 db 实例的表同步，Flink 会生成两条 pipeline（如下图），每个 CDC 的 Source 都会跟 Mysql 建立一个数据库连接，在表的数量非常多的时候，作业与 Mysql 的连接会非常多，DB 端相应的压力也会非常大。

我们可以看到在开启了 Source 复用功能之后，读相同 DB 实例的 Mysql CDC Source 会合并成一个 Source （如下图），可以有效的降低对 DB 的链接压力。并且在 Mysql 增量同步阶段，多个 Source 只需要读取一份 binlog 数据即可，避免了多个 Source 重复拉取 binlog 的问题。

如何开启 CDC Source 复用功能

在 sql 作业的开头，通过 set 命令指定开启 mysql cdc source 合并功能即可。

SET table.optimizer.mysql-cdc-source.merge.enabled=true;

相关 set 参数说明

参数	默认值	含义
table.optimizer.mysql-cdc-source.merge.enabled	false	是否开启 mysql cdc source 复用功能，开启后会自动尝试 merge 同一作业内读相同 DB 的 mysql cdc source 为同一个 source。
table.optimizer.mysql-cdc-source.merge.default-group.splits	1	开启 mysql cdc source 合并功能后，相同 DB 实例 mysql cdc source 会合并成的 source 数量。对于表非常多的场景，当合并成一个 source 不能满足性能要求时，可以通过 set 命令调高这个值，oceanus 会自动将 cdc source 尽量均匀的划分成指定的 group splits 数量。

分组合并功能示例如下，假如 source_1 、source_2、source_3、source_4是来自同一个 DB 实例的 Mysql CDC Source 表（此处省略 source 和 sink 表定义），我们可以用如下的参数来配置 source 复用功能。

SET table.optimizer.mysql-cdc-source.merge.enabled=true;
SET table.optimizer.mysql-cdc-source.merge.default-group.splits=2;

insertinto sink_1 select*from source_1;
insertinto sink_2 select*from source_2;
insertinto sink_3 select*from source_3;
insertinto sink_4 select*from source_4;

最终的运行拓扑图如下，我们可以看到4个 cdc source 自动的划分成2个分组。

使用提醒

目前该功能不支持写入 kudu，开启该功能作业编译会报错。