企业运维的数据库最常见的是 mysql;但是 mysql 有个缺陷:当数据量达到千万条的时候,mysql 的相关操作会变的非常迟缓; 如果这个时候有需求需要实时展示数据;对于 mysql 来说是一种灾难;而且对于 mysql 来说,同一时间还要给多个开发人员和用户操作; 所以经过调研,将 mysql 数据实时同步到 hbase 中;
最开始使用的架构方案:
Mysql---logstash—kafka---sparkStreaming---hbase---web
Mysql—sqoop---hbase---web
但是无论使用 logsatsh 还是使用 kafka,都避免不了一个尴尬的问题:
他们在导数据过程中需要去 mysql 中做查询操作:
比如 logstash:
比如 sqoop:
不可避免的,都需要去 sql 中查询出相关数据,然后才能进行同步;这样对于 mysql 来说本身就是增加负荷操作; 所以我们真正需要考虑的问题是:有没有什么方法,能将 mysql 数据实时同步到 hbase;但是不增加 mysql 的负担; 答案是有的:可以使用 canal 或者 maxwell 来解析 mysql 的 binlog 日志
那么之前的架构就需要改动了:
Mysql---canal—kafka—flink—hbase—web
第一步:开启 mysql 的 binlog 日志
Mysql 的 binlog 日志作用是用来记录 mysql 内部增删等对 mysql 数据库有更新的内容的 记录(对数据库的改动),对数据库的查询 select 或 show 等不会被 binlog 日志记录;主 要用于数据库的主从复制以及增量恢复。
mysql 的 binlog 日志必须打开 log-bin 功能才能生存 binlog 日志
-rw-rw---- 1 mysql mysql 669 5 月 10 21:29 mysql-bin.000001
-rw-rw---- 1 mysql mysql 126 5 月 10 22:06 mysql-bin.000002
-rw-rw---- 1 mysql mysql 11799 5 月 15 18:17 mysql-bin.000003
(1):修改/etc/my.cnf,在里面添加如下内容
log-bin=/var/lib/mysql/mysql-bin 【binlog 日志存放路径】 binlog-format=ROW 【⽇日志中会记录成每⼀一⾏行行数据被修改的形式】 server_id=1 【指定当前机器的服务 ID(如果是集群,不能重复)】
(2):配置完毕之后,登录 mysql,输入如下命令:
show variables like ‘%log_bin%’
出现如下形式,代表 binlog 开启;
第二步:安装 canal
Canal 介绍 canal 是阿里巴巴旗下的一款开源项目,纯 Java 开发。基于数据库增量日志解析,提供增量数据订阅&消费,目前主要支持了 MySQL(也支持 mariaDB)。
起源:早期,阿里巴巴 B2B 公司因为存在杭州和美国双机房部署,存在跨机房同步的业务需求。不过早期的数据库同步业务,主要是基于 trigger 的方式获取增量变更,不过从 2010 年开始,阿里系公司开始逐步的尝试基于数据库的日志解析,获取增量变更进行同步,由此衍生出了增量订阅 &消费的业务,从此开启了一段新纪元。
原理相对比较简单:
1、canal 模拟 mysql slave 的交互协议,伪装自己为 mysql slave,向 mysql master 发送 dump 协议
2、mysql master 收到 dump 请求,开始推送 binary log 给 slave(也就是 canal) 3、canal 解析 binary log 对象(原始为 byte 流)
使用 canal 解析 binlog,数据落地到 kafka
(1):解压安装包:canal.deployer-1.0.23.tar.gz
tar -zxvf canal.deployer-1.0.23.tar.gz -C /export/servers/canal 修改配置文件:
vim /export/servers/canal/conf/example/instance.properties
(2):编写 canal 代码
仅仅安装了 canal 是不够的;canal 从架构的意义上来说相当于 mysql 的“从库”,此时还并不能将 binlog 解析出来实时转发到 kafka 上,因此需 要进一步开发 canal 代码;
Canal 已经帮我们提供了示例代码,只需要根据需求稍微更改即可;
Canal 提供的代码:
上面的代码中可以解析出 binlog 日志,但是没有将数据落地到 kafka 的代码逻辑,所以我们还需要添加将数据落地 kafka 的代码; Maven 导入依赖:
<groupId>com.alibaba.otter</groupId> <artifactId>canal.client</artifactId> <version>1.0.23</version> </dependency> <!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka --> <dependency> <groupId>org.apache.kafka</groupId> <artifactId>kafka_2.11</artifactId> <version>0.9.0.1</version> </dependency>
测试 canal 代码
1、 启动 kafka 并创建 topic
/export/servers/kafka/bin/kafka-server-start.sh /export/servers/kafka/config/server.properties >/dev/null 2>&1 & /export/servers/kafka/bin/kafka-topics.sh --create --zookeeper hadoop01:2181 --replication-factor 1 --partitions 1 --topic mycanal
2、 启动 mysql 的消费者客户端,观察 canal 是否解析 binlog
/export/servers/kafka/bin/kafka-console-consumer.sh --zookeeper hadoop01:2181 --from-beginning --topic mycanal 2、启动 mysql:service mysqld start
3、启动 canal:canal/bin/startup.sh
4、进入 mysql:mysql -u 用户 -p 密码;然后进行增删改
使用 flink 将 kafka 中的数据解析成 Hbase 的 DML 操作
<properties> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> <zookeeper.version>3.4.5</zookeeper.version> <scala.version>2.11.5</scala.version> <hadoop.version>2.6.1</hadoop.version> <flink.version>1.5.0</flink.version> </properties> <dependency> <groupId>org.scala-lang</groupId> <artifactId>scala-library</artifactId> <version>${scala.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-streaming-scala_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-scala_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-clients_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-table_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>${hadoop.version}</version> <exclusions> <exclusion> <groupId>com.google.protobuf</groupId> <artifactId>protobuf-java</artifactId> </exclusion> </exclusions> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-connector-kafka-0.9_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-hbase_2.11</artifactId> <version>${flink.version}</version> </dependency>
import java.util import java.util.Properties import org.apache.commons.lang3.StringUtils import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer09 import org.apache.flink.streaming.util.serialization.SimpleStringSchema import org.apache.flink.api.scala._ import org.apache.flink.runtime.state.filesystem.FsStateBackend import org.apache.flink.streaming.api.{CheckpointingMode, TimeCharacteristic} import org.apache.hadoop.hbase.{HBaseConfiguration, HColumnDescriptor, HTableDescriptor, TableName} import org.apache.hadoop.hbase.client.{ConnectionFactory, Delete, Put} import org.apache.hadoop.hbase.util.Bytes /** * Created by angel; */ //[uname, spark, true], [upassword, 11122221, true] case class UpdateFields(key:String , value:String) //(fileName , fileOffset , dbName , tableName ,eventType, columns , rowNum) case class Canal(fileName:String , fileOffset:String, dbName:String , tableName:String , eventType:String , columns:String , rowNum:String ) object DataExtraction { //1指定相关信息 val zkCluster = "hadoop01,hadoop02,hadoop03" val kafkaCluster = "hadoop01:9092,hadoop02:9092,hadoop03:9092" val kafkaTopicName = "canal" val hbasePort = "2181" val tableName:TableName = TableName.valueOf("canal") val columnFamily = "info" def main(args: Array[String]): Unit = { //2.创建流处理环境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setStateBackend(new FsStateBackend("hdfs://hadoop01:9000/flink-checkpoint/checkpoint/")) env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) env.getConfig.setAutoWatermarkInterval(2000)//定期发送 env.getCheckpointConfig.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE) env.getCheckpointConfig.setCheckpointInterval(6000) System.setProperty("hadoop.home.dir", "/"); //3.创建kafka数据流 val properties = new Properties() properties.setProperty("bootstrap.servers", kafkaCluster) properties.setProperty("zookeeper.connect", zkCluster) properties.setProperty("group.id", kafkaTopicName) val kafka09 = new FlinkKafkaConsumer09[String](kafkaTopicName, new SimpleStringSchema(), properties) //4.添加数据源addSource(kafka09) val text = env.addSource(kafka09).setParallelism(1) //5、解析kafka数据流,封装成canal对象 val values = text.map{ line => val values = line.split("#CS#") val valuesLength = values.length // val fileName = if(valuesLength > 0) values(0) else "" val fileOffset = if(valuesLength > 1) values(1) else "" val dbName = if(valuesLength > 2) values(2) else "" val tableName = if(valuesLength > 3) values(3) else "" val eventType = if(valuesLength > 4) values(4) else "" val columns = if(valuesLength > 5) values(5) else "" val rowNum = if(valuesLength > 6) values(6) else "" //(mysql-bin.000001,7470,test,users,[uid, 18, true, uname, spark, true, upassword, 1111, true],null,1) Canal(fileName , fileOffset , dbName , tableName ,eventType, columns , rowNum) } //6、将数据落地到Hbase val list_columns_ = values.map{ line => //处理columns字符串 val strColumns = line.columns println(s"strColumns --------> ${strColumns}") //[[uid, 22, true], [uname, spark, true], [upassword, 1111, true]] val array_columns = packaging_str_list(strColumns) //获取主键 val primaryKey = getPrimaryKey(array_columns) //拼接rowkey DB+tableName+primaryKey val rowkey = line.dbName+"_"+line.tableName+"_"+primaryKey //获取操作类型INSERT UPDATE DELETE val eventType = line.eventType //获取触发的列:inser update val triggerFileds: util.ArrayList[UpdateFields] = getTriggerColumns(array_columns , eventType) // //因为不同表直接有关联,肯定是有重合的列,所以hbase表=line.dbName + line.tableName // val hbase_table = line.dbName + line.tableName //根据rowkey删除数据 if(eventType.equals("DELETE")){ operatorDeleteHbase(rowkey , eventType) }else{ if(triggerFileds.size() > 0){ operatorHbase(rowkey , eventType , triggerFileds) } } } env.execute() } //封装字符串列表 def packaging_str_list(str_list:String):String ={ val substring = str_list.substring(1 , str_list.length-1) substring } //获取每个表的主键 def getPrimaryKey(columns :String):String = { // [uid, 1, false], [uname, abc, false], [upassword, uabc, false] val arrays: Array[String] = StringUtils.substringsBetween(columns , "[" , "]") val primaryStr: String = arrays(0)//uid, 13, true primaryStr.split(",")(1).trim } //获取触发更改的列 def getTriggerColumns(columns :String , eventType:String): util.ArrayList[UpdateFields] ={ val arrays: Array[String] = StringUtils.substringsBetween(columns , "[" , "]") val list = new util.ArrayList[UpdateFields]() eventType match { case "UPDATE" => for(index <- 1 to arrays.length-1){ val split: Array[String] = arrays(index).split(",") if(split(2).trim.toBoolean == true){ list.add(UpdateFields(split(0) , split(1))) } } list case "INSERT" => for(index <- 1 to arrays.length-1){ val split: Array[String] = arrays(index).split(",") list.add(UpdateFields(split(0) , split(1))) } list case _ => list } } //增改操作 def operatorHbase(rowkey:String , eventType:String , triggerFileds:util.ArrayList[UpdateFields]): Unit ={ val config = HBaseConfiguration.create(); config.set("hbase.zookeeper.quorum", zkCluster); config.set("hbase.master", "hadoop01:60000"); config.set("hbase.zookeeper.property.clientPort", hbasePort); config.setInt("hbase.rpc.timeout", 20000); config.setInt("hbase.client.operation.timeout", 30000); config.setInt("hbase.client.scanner.timeout.period", 200000); val connect = ConnectionFactory.createConnection(config); val admin = connect.getAdmin //构造表描述器 val hTableDescriptor = new HTableDescriptor(tableName) //构造列族描述器 val hColumnDescriptor = new HColumnDescriptor(columnFamily) hTableDescriptor.addFamily(hColumnDescriptor) if(!admin.tableExists(tableName)){ admin.createTable(hTableDescriptor); } //如果表存在,则开始插入数据 val table = connect.getTable(tableName) val put = new Put(Bytes.toBytes(rowkey)) //获取对应的列[UpdateFields(uname, spark), UpdateFields(upassword, 1111)] for(index <- 0 to triggerFileds.size()-1){ val fields = triggerFileds.get(index) val key = fields.key val value = fields.value put.addColumn(Bytes.toBytes(columnFamily) , Bytes.toBytes(key) , Bytes.toBytes(value)) } table.put(put) } //删除操作 def operatorDeleteHbase(rowkey:String , eventType:String): Unit ={ val config = HBaseConfiguration.create(); config.set("hbase.zookeeper.quorum", zkCluster); config.set("hbase.zookeeper.property.clientPort", hbasePort); config.setInt("hbase.rpc.timeout", 20000); config.setInt("hbase.client.operation.timeout", 30000); config.setInt("hbase.client.scanner.timeout.period", 200000); val connect = ConnectionFactory.createConnection(config); val admin = connect.getAdmin //构造表描述器 val hTableDescriptor = new HTableDescriptor(tableName) //构造列族描述器 val hColumnDescriptor = new HColumnDescriptor(columnFamily) hTableDescriptor.addFamily(hColumnDescriptor) if(admin.tableExists(tableName)){ val table = connect.getTable(tableName) val delete = new Delete(Bytes.toBytes(rowkey)) table.delete(delete) } } }
打包scala程序
将上述的maven依赖红色标记处修改成:
<**sourceDirectory**>**src/main/scala**</**sourceDirectory**> <**mainClass**>scala的驱动类</**mainClass**>
运行canal代码
java -jar canal.jar -Xms100m -Xmx100m
运行flink代码
/opt/cdh/flink-1.5.0/bin/flink run -m yarn-cluster -yn 2 -p 1 /home/elasticsearch/flinkjar/SynDB-1.0-SNAPSHOT.jar