文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布
社区首页 >专栏 >【Apache Doris】如何一键实现MySQL万表整库同步？

【Apache Doris】如何一键实现MySQL万表整库同步？

作者头像
一臻数据
发布于 2024-12-24 15:15:05
发布于 2024-12-24 15:15:05
2.3K0
举报
文章被收录于专栏：一臻数据一臻数据

导读 本文主要分享 Apache Doris 是如何一键实现MySQL万表整库同步的。

环境信息

1. 硬件信息

  • CPU：48C
  • 内存：256G

2. 软件信息

  • 系统：CentOS
  • Apache Doris版本：2.0.2
  • MySQL版本：5.7
  • Flink版本：1.17.1
  • Flink-Doris-Connector版本：1.5

功能介绍

Mysql万表存量+增量同步至Doris/SelectDB，主要是通过Flink计算引擎、基于Mysql CDC Connector和Doris社区研发的Flink Doris Connector 实现的。

无需提前建表，当Flink任务启动后，Flink Doris Connector 会自动识别对应的Doris表是否存在，不存在则自动创建Doris表，如果存在则直接启动同步任务。

并且能够支持Mysql源表Schema增删列自动变更至Doris，不需要手动变更Doris表的Schema或重启Job，便利之极。

前提概要

1. 安装部署

Doris/Flink/Mysql的安装部署流程可以根据版本自行Google。

① Doris下载地址：

https://doris.apache.org/zh-CN/download

② Flink下载地址：

https://dlcdn.apache.org/flink/flink-1.17.1

③ MySQL包下载地址：

https://downloads.mysql.com/archives/installer

2. JAR包准备

① 数据源

Flink源端读取MySQL数据的连接器，可通过该地址下载flink-sql-connector-mysql-cdc-2.4.1.jar：

https://repo1.maven.org/maven2/com/ververica/flink-sql-connector-mysql-cdc/2.4.0/flink-sql-connector-mysql-cdc-2.4.0.jar

② 目标端

Flink目标端写Doris的Flink Doris Connector ，可通过该地址获取：

https://cdnd.selectdb.com/zh-CN/docs/ecosystem/flink-doris-connector

3. 脚本模版

代码语言：javascript
复制
./bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.17-1.5.0-SNAPSHOT.jar \
    mysql-sync-database \
    --database doris_db \
    --mysql-conf hostname= 127.0.0.1 \
    --mysql-conf port= 3306 \
    --mysql-conf username= root \
    --mysql-conf password= root \
    --mysql-conf database-name= mysql_db \
    --mysql-conf scan.startup.mode=initial \
    --including-tables "test.*" \
    --sink-conf fenodes= 127.0.0.1:8030 \
    --sink-conf username=root \
    --sink-conf password=root \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 \
  • –job-name Flink任务名称, 非必需。
  • -Dexecution.checkpointing.interval checkpoint时间间隔，实际task中是需要checkpoint后才执行数据写入。
  • –database 同步到Doris的数据库名。
  • –mysql-conf MySQL CDC Source 配置， 例如–mysql-conf hostname=127.0.0.1 ，可以在这里查看所有配置MySQL-CDC： https://ververica.github.io/flink-cdc-connectors/release-2.4/content/connectors/mysql-cdc.html 其中hostname/username/password/database-name 是必需的。
  • –including-tables 需要同步的MySQL表，可以使用"|" 分隔多个表，并支持正则表达式。比如–including-tables “test.*” 就是同步所有以test开头的表。
  • –sink-conf Doris Sink 的所有配置，可以在这里查看完整的配置项： https://doris.apache.org/zh-CN/docs/dev/ecosystem/flink-doris-connector/#%E9%80%9A%E7%94%A8%E9%85%8D%E7%BD%AE%E9%A1%B9
  • –table-conf Doris表的配置项，即properties中包含的内容。例如 --table-conf replication_num=1

快速体验

1. 单表同步

例如单表同步MySQL中Star Schema Benchmark的part零件信息表，共1600000条记录。

代码语言：javascript
复制
./bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.17-1.5.0-SNAPSHOT.jar \
    mysql-sync-database \
    --database ssb_test \
    --mysql-conf hostname=172.21.16.12 \
    --mysql-conf port=3306 \
    --mysql-conf username=root \
    --mysql-conf password=root \
    --mysql-conf database-name=ssb_test \
    --mysql-conf scan.startup.mode=initial \
    --mysql-conf scan.incremental.snapshot.chunk.key-column=ssb_test.part:p_partkey \
    --including-tables "part" \
    --sink-conf fenodes=127.0.0.0:8030 \
    --sink-conf username=root \
    --sink-conf password=root \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.0:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 \

在FLINK_HOME执行上述命令后，WEB UI中会新增相应Job。

查看taskmanager日志可以发现，task会先对mysql主键做切分，然后再根据ckp的时间间隔按批写入commit（默认2pc提交）。

默认环境10秒ckp下，单并发写入只需3min左右即可同步完160W数据，且单副本数据压缩率高达90%！

2. 整库同步

（1）数据准备

基于【单表同步】的part零件信息表，新建一个db、然后copy几张相同表进行整库同步体验。

代码语言：javascript
复制
-- 创建测试库
create database ssb_test_part_all;

-- 创建测试表 part01~3
CREATE TABLE `part03` (
  `p_partkey` int(11) DEFAULT NULL,
  `p_name` varchar(23) DEFAULT NULL,
  `p_mfgr` varchar(7) DEFAULT NULL,
  `p_category` varchar(8) DEFAULT NULL,
  `p_brand` varchar(10) DEFAULT NULL,
  `p_color` varchar(12) DEFAULT NULL,
  `p_type` varchar(26) DEFAULT NULL,
  `p_size` int(11) DEFAULT NULL,
  `p_container` varchar(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8


-- 数据写入 part01~3
insert into ssb_test_part_all.part01
select * from ssb_test.part

数据准备完成，如下图所示。

（2）整库体验

整库同步MySQL中ssb_test_part_all库中的所有表，共1600000*3条记录。

代码语言：javascript
复制
./bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.17-1.5.0-SNAPSHOT.jar \
    mysql-sync-database \
    --database ssb_test_part_all \
    --mysql-conf hostname=127.0.0.0.12 \
    --mysql-conf port=3306 \
    --mysql-conf username=root \
    --mysql-conf password=root \
    --mysql-conf database-name=ssb_test_part_all \
    --mysql-conf scan.startup.mode=initial \
    --mysql-conf scan.incremental.snapshot.chunk.key-column=ssb_test_part_all.part01:p_partkey,ssb_test_part_all.part02:p_partkey,ssb_test_part_all.part03:p_partkey \
    --including-tables ".*" \
    --sink-conf fenodes=127.0.0.0:8030 \
    --sink-conf username=root \
    --sink-conf password=root \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.0:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 \

在FLINK_HOME执行上述命令后，WEB UI中会新增相应整库同步Job。

同步完成结果比对，不仅简易高效，且单副本数据压缩率高达90%+！

常见问题

1. MySQL通信异常

可能是因为mysql信息填写错误或驱动包不兼容导致。

2. MySQL无Key表同步异常

mysql源表没有设置主键，可以在脚本中指定–mysql-conf scan.incremental.snapshot.chunk.key-column=database.table:column,database.table1.column… 解决。

3. CKP ON HDFS 连接异常

使用hadoop作为checkpoint时报如下异常：

代码语言：javascript
复制
Caused by: java.net.ConnectException: 
Call From hadoop1/ip to hadoop1:8020 
failed on connection exception: 
java.net.ConnectException: Connection refused; 
For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused

这类异常一般是由于网络原因或端口配置错误导致，可以先进行telnet ip port看是否通，再进行调整处理。

4. CKP ON HDFS 权限异常

使用默认root跑脚本时，如果出现如下异常：

代码语言：javascript
复制
Caused by: org.apache.hadoop.security.AccessControlException: 
Permission denied: user=root, access=WRITE, inode="/":hadoop:supergroup:drwxr-xr-x

这类异常一般切换至对应用户或者授权即可，这个case可以切换至hadoop用户起 或 将root用户加到hdfs用户组中即可。

5. 官方【Flink Doris Connector】QA

其它问题可以参考 官方【Flink Doris Connector】QA 或 私 或 在开源社区群交流。

至此，【Apache Doris】一键实现MySQL万表整库同步 分享结束，查阅过程中若遇到问题欢迎留言交流。

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2023-12-03，如有侵权请联系 cloudcommunity@tencent.com 删除
apache
mysql
数据
同步
异常

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档