FlinkSql-Mysql

flink SQL 将msyql当做数据源

1. 阿里耙耙开源的flink-mysql-conn-cdc：https://github.com/ververica/flink-cdc-connectors
2. 原理：获取mysql增删改查所产生的日志信息binlog，将二进制binlog数据(StringDebeziumDeserializationSchema)反序列化转化成kafka-Debezium-JSON
3. 代码示例：此程序为mysql Binlog日志的获取

   package conn;
   
   import com.alibaba.ververica.cdc.connectors.mysql.MySQLSource;
   import com.alibaba.ververica.cdc.connectors.mysql.table.StartupOptions;
   import com.alibaba.ververica.cdc.debezium.DebeziumSourceFunction;
   import com.alibaba.ververica.cdc.debezium.StringDebeziumDeserializationSchema;
   import org.apache.flink.api.common.restartstrategy.RestartStrategies;
   import org.apache.flink.runtime.state.filesystem.FsStateBackend;
   import org.apache.flink.streaming.api.CheckpointingMode;
   import org.apache.flink.streaming.api.datastream.DataStreamSource;
   import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
   import org.apache.flink.streaming.api.environment.CheckpointConfig;
   import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
   
   import java.util.Properties;
   
   
   public class FlinkConnectorMysqlCDCDemo {
       private static Properties properties;
   
       public static void main(String[] args) throws Exception {
           //TODO 1.获取流处理执行环境
           StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
           env.setParallelism(1);
           //1.1Checkpoint相关
           /*读取的是binlog中的数据，如果集群挂掉，尽量能实现断点续传功能。如果从最新的读取（丢数据）。如果从最开始读（重复数据）。理想状态：读取binlog中的数据读一行，保存一次读取到的（读取到的行）位置信息。而flink中读取行位置信息保存在Checkpoint中。使用Checkpoint可以把flink中读取（按行）的位置信息保存在Checkpoint中*/
           env.enableCheckpointing(5000L);//5s执行一次Checkpoint
           //设置Checkpoint的模式：精准一次
           env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
           //任务挂掉的时候是否清理checkpoint。使任务正常退出时不删除CK内容，有助于任务恢复。默认的是取消的时候清空checkpoint中的数据。RETAIN_ON_CANCELLATION表示取消任务的时候，保存最后一次的checkpoint。便于任务的重启和恢复，正常情况下都使用RETAIN
           env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);
           //设置一个重启策略：默认的固定延时重启次数，重启的次数是Integer的最大值，重启的间隔是1s
           env.setRestartStrategy(RestartStrategies.fixedDelayRestart(3, 2000L));
           //设置一个状态后端 jobManager。如果使用的yarn集群模式，jobManager随着任务的生成而生成，任务挂了jobManager就没了。因此需要启动一个状态后端。只要设置checkpoint，尽量就设置一个状态后端。保存在各个节点都能读取的位置：hdfs中
   //        env.setStateBackend(new FsStateBackend("hdfs://hadoop102:8020/flink/ck/"));
           //指定用户
   //        System.setProperty("HADOOP_USER_NAME", "atguigu");
   
   
   
           //TODO 2.读取mysql变化数据 监控MySQL中变化的数据
           Properties properties = new Properties(); //创建一个变量可以添加之后想添加的配置信息
           DebeziumSourceFunction sourceFunction = MySQLSource.builder() //使用builder创建MySQLsource对象，需要指定对象的泛型。
                   .hostname("127.0.0.1") //指定监控的哪台服务器（MySQL安装的位置）
                   .port(3306) //MySQL连接的端口号
                   .username("root") //用户
                   .password("123456")//密码
                   .databaseList("xxxx") //list：可以监控多个库
                   .tableList("xxx.xxxx") //如果不写则监控库下的所有表，需要使用【库名.表名】
                   .serverId(9999)
                   //.debeziumProperties(properties)//debezium中有很多配置信息。可以创建一个对象来接收
                   .deserializer(new StringDebeziumDeserializationSchema()) //读的数据是binlog文件，反序列化器，解析数据
                   .startupOptions(StartupOptions.initial()) //初始化数据：空值读不读数据库中的历史数据。initial（历史+连接之后的）、latest-offset（连接之后的）。timestamp（根据指定时间戳作为开始读取的位置）
                   .build();
   
           env
                   .addSource(sourceFunction)
                   .print().setParallelism(1);
   
           //TODO 4.启动任务
           env.execute();
       }
   }
   

4. mysql数据的获取：值得注意点是flink1.10后将tEnv.sqlUpdate抛弃，更换为executeSql(table_name)，进行sql表的创建sqlQuery(table_name)为sql增删改的执行

   package conn;
   
   import org.apache.flink.api.java.utils.ParameterTool;
   import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
   import org.apache.flink.table.api.Table;
   import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
   import org.apache.flink.types.Row;
   
   public class source_mysql {
       public static void main(String[] args) throws Exception {
           final ParameterTool params = ParameterTool.fromArgs(args);
           final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
           env.setParallelism(1); // source only supports parallelism of 1
           final StreamTableEnvironment tEnv = StreamTableEnvironment.create(env);
           String SOURCE_MYSQL=
                   "CREATE TABLE mysql_ssp_slot(\n"+
                           "id STRING,\n"+
                           "name STRING,\n"+
                           "name2 STRING,\n"+
                           "name3 STRING\n"+
                           ")WITH (\n"+
                           "'connector' = 'mysql-cdc',\n"+
                           "'hostname' = '127.0.0.1',\n"+
                           "'port' = '3306',\n"+
                           "'username' = 'root',\n"+
                           "'password' = '123456',\n"+
                           "'database-name' = 'xxx',\n"+
                           "'table-name' = 'xxxx',\n"+
                           "'debezium.snapshot.mode' = 'initial'\n"+
                           ")\n";
           tEnv.executeSql(SOURCE_MYSQL);
           String selectSql = "SELECT * FROM mysql_ssp_slot ";
           final Table result = tEnv.sqlQuery(selectSql);
           tEnv.toRetractStream(result,Row.class).print();
           env.execute();
       }
   }
   

    

5. 即将更新：source-mysql动态数据，sink到kafka/clickhosue/mysql，思路cdc结合jdbc

6. 记录一点感悟：flinksql是将数据均读取到代码中创建的create表，所有的查询语句基于create表进行查询，最后要保证有输出源，当输出源存在的时候，将不需要env.execute()

异常处理

1. Could not find a suitable table factory for 'org.apache.flink.table.factories.TableSinkFactory'
   处理：代码的问题，一定要按照官网参照写：https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/connect.html#csv-format
   一定是connector.type等等书写有误
2. clussNotFunction：
   1、pom文件flink版本和依赖版本是否相同
   2、需要到idea->File->Project Structure->勾选需要的依赖包
   
3. The server time zone value 'Öйú±ê׼ʱ¼ä' is unrec
   mysql时区的问题1、查看时区：show VARIABLES like '%time_zone%';
   
   2、更改时区为UTC或者+08:00(多出在win系统)：set global time_zone = '+8:00';
4. org.apache.flink.table.api.TableColumn.isGenerated()Z
5. docker版mysql开启binlog权限

   show variables like 'log_bin';
   echo -e '[mysqld]\npid-file\t= /var/run/mysqld/mysqld.pid\nsocket\t= /var/run/mysqld/mysqld.sock\ndatadir\t= /var/lib/mysql\nsymbolic-links=0\nserver-id = 1\nlog-bin = binlog\nlog-bin-index = binlog.index'>mysqld.cnf