第二期【Demo教程】教你使用MySQL CDC连接器,把数据从MySQL导到Doris

本文详细介绍了MySQLCDC变更数据捕获连接器的设置和使用方法,该连接器支持通过SeaTunnelZeta和Flink从MySQL数据库中高效读取快照数据和增量数据

随着数据技术的快速发展,了解并掌握各种工具和技术变得尤为重要。为此,我们准备在Apache SeaTunnel社区发起如何使用连接器的Demo演示计划,邀请所有热爱数据同步技术的同学分享他们的知识和实操经验!

1716533170529eefade16ced19a83c9a9a09560a62388

我们第二期主题是:如何使用MySQL CDC从MySQL同步到Doris,如果您对此计划感兴趣,也欢迎联系社区运营同学参与Demo录制!无论您是数据工程师、开发者还是技术爱好者,都欢迎您参与并展示您的技术才能。

敲重点~敲重点~如果你是用户,想看什么同步场景的Demo!请下滑到最底部留言,我们优先出品呼声最高的同步场景Demo!

Demo计划目标

我们的目标是创建一个共享和学习的平台,通过具体的Demo演示和对应的文档帮助社区成员更好地理解和应用各种数据连接器。这些Demo可以帮助新手快速学习,同时也为资深专家提供一个展示创新解决方案的舞台。




本文详细介绍了 MySQL CDC(变更数据捕获)连接器的设置和使用方法,该连接器支持通过 SeaTunnel Zeta 和 Flink 从 MySQL 数据库中高效读取快照数据和增量数据

如何使用 MySQL CDC 连接器进行高效数据同步

探索如何使用 MySQL CDC 连接器从 MySQL 数据库读取快照和增量数据,以及如何通过 SeaTunnel Zeta 和 Flink 实现高效数据处理。

本视频教程中提及的代码

env {  job.mode = "STREAMING"  parallelism = 1}source {  MySQL-CDC {    base-url = "jdbc:mysql://datasource01:3306/qa_source"    username = "root"    password = "root@123"        table-names = ["qa_source.batch_mysql_to_doris", "qa_source.batch_mysql_to_doris_offline_incremental_where"]    startup.mode = "latest"    }}sink {    Doris {        fenodes = "datasource01:8034"        query-port = 9034        username = root        password = "root@123"        schema_save_mode = "RECREATE_SCHEMA"        database = "e2e_sink"        table = "${table_name}_from_mysql"        sink.enable-2pc = "true"        sink.enable-delete = "true"        sink.label-prefix = "test_json"        doris.config = {            format="json"            read_json_by_line="true"        }    }}

支持的处理引擎

  • SeaTunnel Zeta

  • Flink

主要特性

  • [x] 流式处理

  • [x] 精确一次语义

  • [x] 支持自定义分片

  • [x] 并行处理

  • [ ] 批处理

  • [ ] 列投影

支持的数据源版本

数据源支持的版本驱动连接示例Maven 地址
MySQLMySQL 5.6, 5.7, 8.0.xcom.mysql.cj.jdbc.Driverjdbc:mysql://localhost:3306/test下载

依赖安装

安装 JDBC 驱动

对于 Flink 引擎

请确保jdbc 驱动包已被放置在 ${SEATUNNEL_HOME}/plugins/ 目录下。

对于 SeaTunnel Zeta 引擎

请确保jdbc 驱动包已被放置在 ${SEATUNNEL_HOME}/lib/ 目录下。

创建 MySQL 用户

您需要定义一个具有适当权限的MySQL用户,以便Debezium MySQL连接器监控所有数据库。

创建 MySQL 用户:

mysql> CREATE USER 'user'@'localhost' IDENTIFIED BY 'password';

授予用户所需权限:

mysql> GRANT SELECT, RELOAD, SHOW DATABASES, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'user' IDENTIFIED BY 'password';

最终确认用户权限:

mysql> FLUSH PRIVILEGES;

启用 MySQL Binlog

必须为 MySQL 复制启用二进制日志记录。二进制日志记录交易更新以便复制工具传播更改。


检查 log-bin 选项是否已启用:

mysql> show variables where variable_name in ('log_bin', 'binlog_format', 'binlog_row_image', 'gtid_mode', 'enforce_gtid_consistency');+--------------------------+----------------+| Variable_name            | Value          |+--------------------------+----------------+| binlog_format            | ROW            || binlog_row_image         | FULL           || enforce_gtid_consistency | ON             || gtid_mode                | ON             || log_bin                  | ON             |+--------------------------+----------------+5 rows in set (0.00 sec)

如果与上述结果不一致,请在您的MySQL服务器配置文件($MYSQL_HOME/mysql.cnf)中设置如下属性:


# Enable binary replication log and set the prefix, expiration, and log format.# The prefix is arbitrary, expiration can be short for integration tests but would# be longer on a production system. Row-level info is required for ingest to work.# Server ID is required, but this will vary on production systemsserver-id         = 223344log_bin           = mysql-binexpire_logs_days  = 10binlog_format     = rowbinlog_row_image  = FULL# enable gtid modegtid_mode = onenforce_gtid_consistency = on


重启 MySQL 服务器


/etc/inint.d/mysqld restart

通过再次检查 Binlog 状态来确认您的更改


mysql> show variables where variable_name in ('log_bin', 'binlog_format', 'binlog_row_image', 'gtid_mode', 'enforce_gtid_consistency');+--------------------------+----------------+| Variable_name            | Value          |+--------------------------+----------------+| binlog_format            | ROW            || binlog_row_image         | FULL           || enforce_gtid_consistency | ON             || gtid_mode                | ON             || log_bin                  | ON             |+--------------------------+----------------+5 rows in set (0.00 sec)

注意事项

设置 MySQL 会话超时

对于大型数据库,当进行初始一致性快照时,已建立的连接可能会超时。 您可以通过配置 interactive_timeoutwait_timeout 来防止此行为。

interactive_timeout:服务器在关闭交互连接前等待活动的秒数。 wait_timeout:服务器在关闭非交互连接前等待活动的秒数

数据类型映射

MySQL 数据类型SeaTunnel 数据类型
BIT(1)、TINYINT(1)BOOLEAN
TINYINTTINYINT
SMALLINT UNSIGNED、MEDIUMINT、MEDIUMINT UNSIGNED、INT、INTEGER、YEARINT
BIGINT UNSIGNEDDECIMAL(20,0)
DECIMAL(p, s)、NUMERIC(p, s)DECIMAL(p,s)
FLOAT、FLOAT UNSIGNEDFLOAT
DOUBLE、DOUBLE UNSIGNED、REAL、REAL UNSIGNEDDOUBLE
CHAR、VARCHAR、TINYTEXT、MEDIUMTEXT、TEXT、LONGTEXT、ENUM、JSONSTRING
DATEDATE
TIMETIME
DATETIME、TIMESTAMPTIMESTAMP
BINARY、VARBINAR、BIT(p)、TINYBLOB、MEDIUMBLOB、BLOB、LONGBLOBBYTES

源选项

名称类型必填默认值描述
base-urlString-JDBC 连接的 URL。例如:jdbc:mysql://localhost:3306:3306/test
usernameString-连接数据库服务器时使用的数据库用户名。
passwordString-连接数据库服务器时使用的密码。
database-namesList-监控的数据库名称。
table-namesList-监控的表名称,需要包含数据库名,例如:database_name.table_name
table-names-configList-表配置列表,例如:[{"table": "db1.schema1.table1","primaryKeys":["key1"]}]
startup.modeEnumINITIALMySQL CDC 消费者的可选启动模式,有效值为 initialearliestlatestspecific
startup.specific-offset.fileString-指定的 binlog 文件名。当 startup.modespecific 时,此选项必需。
startup.specific-offset.posLong-指定的 binlog 文件位置。当 startup.modespecific 时,此选项必需。
...............

实用示例

简单示例:支持多表读取

env {  parallelism = 1  job.mode = "STREAMING"  checkpoint.interval = 10000}source {  MySQL-CDC {    base-url = "jdbc:mysql://localhost:3306/testdb"    username = "root"    password = "root@123"    table-names = ["testdb.table1", "testdb.table2"]        startup.mode = "initial"  }}sink {  Console {  }}

随着技术的迭代,我们将继续优化文档和功能,敬请期待未来的更新。通过本文介绍的 MySQL CDC 连接器,开发者可以实现对 MySQL 数据库的实时变更数据捕获,从而在不中断数据库操作的情况下进行数据同步和分析。


这不仅提高了数据处理的效率,而且也为构建实时数据应用提供了强大的数据支持。无论您是数据工程师还是系统架构师,掌握如何配置和使用 MySQL CDC 连接器都将为您带来极大的便利和效益。

本文由 白鲸开源科技 提供发布支持!