普陀网站开发培训,来宾seo,网站报名系统怎么做,四川手机网站建设费用#x1f4cc; 当前需要处理的业务场景: 将订单表和相关联的表(比如: 商品表、子订单表、物流信息表)组织成宽表, 放入到 ES 中, 加速订单数据的查询. 同步数据到 es. 概述 1. 什么是 CDC 2. 什么是 Flink CDC 3. Flink CDC Connectors 和 Flink 的版本映射 实战 1. 宽表查… 当前需要处理的业务场景: 将订单表和相关联的表(比如: 商品表、子订单表、物流信息表)组织成宽表, 放入到 ES 中, 加速订单数据的查询. 同步数据到 es. 概述 1. 什么是 CDC 2. 什么是 Flink CDC 3. Flink CDC Connectors 和 Flink 的版本映射 实战 1. 宽表查询 1.1 创建 mysql 表 1.2 启动 Flink 集群和 Flink SQL CLI 1.3 在 Flink SQL CLI 中使用 Flink DDL 创建表 1.4 关联订单数据并且将其写入 Elasticsearch 中 1.5 修改 MySQL 中的数据 本文用到的 mysql 版本为 8.0.28ES 版本为 7.17.3flink 版本为 1.13.6flink-sql-connector-mysql-cdc 版本为 2.2.1 flink-sql-connector-elasticsearch 版本为 7_2.11-1.13.2 概述 1. 什么是 CDC
CDC (Change Data Capture) 是 变更数据获取的简称。核心思想是监测并捕获数据库的变动(数据或数据表的插入、更新以及删除等)将这些变更按发生的顺序完整地记录下来写入到消息中间件中以供其他服务进行订阅并消费。 2. 什么是 Flink CDC
Flink 社区开发了 flink-cdc-connectors 组件这个一个可以直接从 MySQL、PostgreSQL等数据库直接 读取全量数据 和 增量变更数据的source 组件。 3. Flink CDC Connectors 和 Flink 的版本映射 Flink CDC Conectors VersionFlink Version1.0.01.11.*1.1.01.11.*1.2.01.12.*1.3.01.12.*1.4.01.13.*2.0.*1.13.* 实战
1. 宽表查询
在商城项目中商品、订单、物流的数据往往是存储在 MySQL 中为了加速查询的效率可以将数据组织成一张宽表并实时地把它写到 ElasticSearch 中。 确保要监听的 mysql 服务器开启了 binlog 和对应监听 binlog 的账号有相对应的权限。 1.1 创建 mysql 表
-- MySQL
CREATE DATABASE mydb;
USE mydb;
CREATE TABLE products (id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,name VARCHAR(255) NOT NULL,description VARCHAR(512)
);
ALTER TABLE products AUTO_INCREMENT 101;
INSERT INTO products
VALUES (default,scooter,Small 2-wheel scooter),(default,car battery,12V car battery),(default,12-pack drill bits,12-pack of drill bits with sizes ranging from #40 to #3),(default,hammer,12oz carpenters hammer),(default,hammer,14oz carpenters hammer),(default,hammer,16oz carpenters hammer),(default,rocks,box of assorted rocks),(default,jacket,water resistent black wind breaker),(default,spare tire,24 inch spare tire);
CREATE TABLE orders (order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,order_date DATETIME NOT NULL,customer_name VARCHAR(255) NOT NULL,price DECIMAL(10, 5) NOT NULL,product_id INTEGER NOT NULL,order_status BOOLEAN NOT NULL -- Whether order has been placed
) AUTO_INCREMENT 10001;
INSERT INTO orders
VALUES (default, 2020-07-30 10:08:22, Jark, 50.50, 102, false),(default, 2020-07-30 10:11:09, Sally, 15.00, 105, false),(default, 2020-07-30 12:00:30, Edward, 25.25, 106, false);CREATE TABLE shipments (shipment_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,order_id INTEGER NOT NULL,origin VARCHAR(255) NOT NULL,destination VARCHAR(255) NOT NULL,is_arrived BOOLEAN NOT NULL
) AUTO_INCREMENT 10001;
INSERT INTO shipments
VALUES (default,10001,Beijing,Shanghai,false),(default,10002,Hangzhou,Shanghai,false),(default,10003,Shanghai,Hangzhou,false); 1.2 启动 Flink 集群和 Flink SQL CLI
# 进入 Flink 目录
cd flink-13.6
# 启动 Flink 集群.启动成功的话可以在 http://ip:8081/ 访问到对应的 Flink Web UI
./bin/start-cluster.sh
# 启动 Flink SQL CLI
./bin/sql-client.sh 1.3 在 Flink SQL CLI 中使用 Flink DDL 创建表
首先开启 checkpoint, 每隔 3s 做一次 checkpoint.
-- Flink SQL
Flink SQL SET execution.checkpointing.interval 3s;
然后对于数据库中的表 products、orders、shipments使用 Flink SQL CLI 创建对应的表用于同步这些底层数据库表的数据。
-- Flink SQL
Flink SQL CREATE TABLE products (id INT,name STRING,description STRING,PRIMARY KEY (id) NOT ENFORCED) WITH (connector mysql-cdc,hostname 192.168.110.100,port 3380,username root,password root,database-name flink_db,table-name products);
Flink SQL CREATE TABLE orders (order_id INT,order_date TIMESTAMP(0),customer_name STRING,price DECIMAL(10, 5),product_id INT,order_status BOOLEAN,PRIMARY KEY (order_id) NOT ENFORCED) WITH (connector mysql-cdc,hostname 192.168.110.100,port 3380,username root,password root,database-name flink_db,table-name orders);
Flink SQL CREATE TABLE shipments (shipment_id INT,order_id INT,origin STRING,destination STRING,is_arrived BOOLEAN,PRIMARY KEY (shipment_id) NOT ENFORCED) WITH (connector mysql-cdc,hostname 192.168.110.100,port 3380,username root,password root,database-name flink_db,table-name shipments);
最后创建 enriched_orders 表用来将关联后的订单数据写入 Elasticsearch 中
-- Flink SQL
Flink SQL CREATE TABLE enriched_orders (order_id INT,order_date TIMESTAMP(0),customer_name STRING,price DECIMAL(10, 5),product_id INT,order_status BOOLEAN,product_name STRING,product_description STRING,shipment_id INT,origin STRING,destination STRING,is_arrived BOOLEAN,PRIMARY KEY (order_id) NOT ENFORCED) WITH (connector elasticsearch-7,hosts http://114.132.43.99:9200,index enriched_orders);
1.4 关联订单数据并且将其写入 Elasticsearch 中
使用 Flink SQL 将订单表 order 与商品表 products物流信息表 shipments 关联并将关联后的订单信息写入 Elasticsearch 中。
-- Flink SQL
Flink SQL INSERT INTO enriched_ordersSELECT o.*, p.name, p.description, s.shipment_id, s.origin, s.destination, s.is_arrivedFROM orders AS oLEFT JOIN products AS p ON o.product_id p.idLEFT JOIN shipments AS s ON o.order_id s.order_id;
现在可以通过 Kibana 查询包含商品和物流信息的订单数据。
首先访问 http://localhost:5601/app/kibana#/management/kibana/index_pattern 创建 index pattern enriched_orders.
然后就可以在 http://localhost:5601/app/kibana#/discover 看到写入的数据了.
1.5 修改 MySQL 中的数据
--MySQL
INSERT INTO orders
VALUES (default, 2020-07-30 15:22:00, Jark, 29.71, 104, false);
INSERT INTO shipments
VALUES (default,10004,Shanghai,Beijing,false);
每执行一步就刷新一次 Kibana可以看到 Kibana 中显示的订单数据将实时更新.
