基于Flink CDC实时同步PostgreSQL与Tidb【Flink SQL Client模式】
文章目录
- 一、PostgreSQL作为数据来源（source），由flink读取
-
- 1.postgre安装与配置
- 2.flink安装与配置
- 3.flink cdc postgre配置
-
- 3.1 postgre配置（for flink cdc）
- 3.2 flink cdc postgres的jar包下载
- 4.flink cdc postgre测试
- 二、Tidb作为数据去向（sink），由flink写入
-
- 1.tidb安装与配置
- 2.flink cdc tidb的jar包下载
- 3.flink cdc tidb测试
- 三、用Flink SQL Client同步PostgreSQL到Tidb
操作系统：ubuntu-22.04，运行于wsl 2
软件版本：PostgreSQL 14.9，TiDB v7.3.0，flink 1.7.1，flink cdc 2.4.0
一、PostgreSQL作为数据来源（source），由flink读取
1.postgre安装与配置
已有postgre的跳过此步
（1）pg安装
https://zhuanlan.zhihu.com/p/143156636
sudo apt install postgresql
sudo -u postgres psql -c "SELECT version();"
sudo -u postgres psql # 连接进入postgre shell（以管理员用户）
（2）pg配置
# 创建新用户和数据库
sudo su - postgres -c "createuser domeya"
sudo su - postgres -c "createdb domeya_db"
sudo -u postgres psql # 进入psql(管理员用户postgres)
grant all privileges on database domeya_db to domeya; # 授权用户操作数据库
\password 123 # 设置用户密码
\q # 退出psql
# psql postgres://username:password@host:port/dbname
psql postgres://domeya:123@localhost:5432/domeya_db # 新用户测试连接
可能出现的问题
sudo -u postgres psql报错：
psql: error: connection to server on socket “/var/run/postgresql/.s.PGSQL.5432” failed: No such file or directory
Is the server running locally and accepting connections on that socket?
解决：重装pg，重启pg服务
https://stackoverflow.com/questions/69639250/pgconnectionbad-connection-to-server-on-socket-var-run-postgresql-s-pgsql
https://blog.csdn.net/psiitoy/article/details/7310003
# 卸载
dpkg --list | grep postgresql
dpkg --purge postgresql postgresql-14 postgresql-client-14 postgresql-client-common postgresql-common # 根据dpkg --list | grep postgresql中展示的结果进行填写
# rm -rf /var/lib/postgresql/
# 重装
sudo apt install postgresql
# 重启
sudo service postgresql restart # 重要！
ps -ef | grep postgres
2.flink安装与配置
已有flink的跳过此步
flink安装，配置环境变量
# https://flink.apache.org/downloads/
curl -O -L https://dlcdn.apache.org/flink/flink-1.17.1/flink-1.17.1-bin-scala_2.12.tgz
tar zxvf flink-1.17.1-bin-scala_2.12.tgz -C /opt
sudo vim /etc/profile.d/flink.sh
# flink.sh
export FLINK_HOME=/opt/flink-1.17.1
export PATH=$PATH:$FLINK_HOME/bin
source /etc/profile
启动flink
cd $FLINK_HOME
./bin/start-cluster.sh # 启动flink
jps # 查看是否启动StandaloneSessionClusterEntrypoint, TaskManagerRunner
# ./bin/stop-cluster.sh # 关闭flink
3.flink cdc postgre配置
3.1 postgre配置（for flink cdc）
https://www.cnblogs.com/xiongmozhou/p/14817641.html
（1）修改配置文件
cd /etc/postgresql/14/main
cp postgresql.conf postgresql.conf.backup
vim postgresql.conf
postgresql.conf修改几个关键配置如下：
# 更改wal日志方式为logical
wal_level = logical # minimal, replica, or logical
# 更改solts最大数量（默认值为10），flink-cdc默认一张表占用一个slots
max_replication_slots = 20 # max number of replication slots
# 更改wal发送最大进程数（默认值为10），这个值和上面的solts设置一样
max_wal_senders = 20 # max number of walsender processes
# 中断那些停止活动超过指定毫秒数的复制连接，可以适当设置大一点（默认60s）
wal_sender_timeout = 180s # in milliseconds; 0 disable
修改完之后重启postgresql，service postgresql restart
（2）赋予权限
以管理员进入psql，sudo -u postgres psql
（可选）如果没有测试表，可以新建一个
-- 如果没有测试表，可创建一个
CREATE TABLE test_table1(
id varchar(8),
p_dt varchar(8)
);
-- 查看表
\d
insert into test_table1 values('1', '20230820');
select * from test_table1;
赋予普通用户复制流权限、发布表、更改表的复制标识包含更新和删除的值
-- 给用户复制流权限
ALTER ROLE domeya replication;
-- 查看权限
\du
\c domeya_db -- 重要：进入到domeya_db数据库（以管理员账号进入）
-- 设置发布为true
update pg_publication set puballtables=true where pubname is not null;
-- 把所有表进行发布（包括以后新建的表）；
-- 注意，此处PUBLICATION名字必须为dbz_publication，否则后续flink sql报错must be superuser to create FOR ALL TABLES publication
CREATE PUBLICATION dbz_publication FOR ALL TABLES;
-- 查询哪些表已经发布
select * from pg_publication_tables;
-- 更改复制标识包含更新和删除之前值
ALTER TABLE test_table1 REPLICA IDENTITY FULL; -- 对应前面创建的测试表
-- 查看复制标识（为f标识说明设置成功）
select relreplident from pg_class where relname='test_table1'; -- 对应前面创建的测试表
-- 退出
\q
wal_level = logical源表的数据修改时，默认的逻辑复制流只包含历史记录的primary key，如果需要输出更新记录的历史记录的所有字段，需要在表级别修改参数：ALTER TABLE tableName REPLICA IDENTITY FULL; 这样才能捕获到源表所有字段更新后的值
3.2 flink cdc postgres的jar包下载
下载flink cdc postgres相关jar包，放在$FLINK_HOME/lib
cd $FLINK_HOME/lib
# 以下用于flink cdc postgres连接
# 注意：用于flink sql的jar包是flink-sql-connector-postgres-cdc，不是flink-connector-postgres-cdc
# https://mvnrepository.com/artifact/com.ververica/flink-sql-connector-postgres-cdc/2.4.0
wget https://repo1.maven.org/maven2/com/ververica/flink-sql-connector-postgres-cdc/2.4.0/flink-sql-connector-postgres-cdc-2.4.0.jar
如果flink在运行状态，需要重启flink，之后再启动flink sql client
cd $FLINK_HOME
./bin/stop-cluster.sh
./bin/start-cluster.sh
4.flink cdc postgre测试
https://ververica.github.io/flink-cdc-connectors/master/content/connectors/postgres-cdc.html【官方文档demo】
启动flink sql client（之前重启了flink cluster）
cd $FLINK_HOME
./bin/sql-client.sh
在flink sql client创建表，与pg中的表结构对应，表名字可以不同
CREATE TABLE source_table (
id STRING,
p_dt STRING
) WITH (
'connector' = 'postgres-cdc',
'hostname' = 'localhost',
'port' = '5432',
'username' = 'domeya',
'password' = '123',
'database-name' = 'domeya_db',
'schema-name' = 'public',
'table-name' = 'test_table1',
'slot.name' = 'flink',
-- experimental feature: incremental snapshot (default off)
-- 'scan.incremental.snapshot.enabled' = 'true'
'decoding.plugin.name' = 'pgoutput' -- 必须加，否则报错could not access file "decoderbufs"
);
select * from source_table;
可能出现的问题
运行select * from source_table;时报错
报错1：
[ERROR] Could not execute SQL statement. Reason:
org.postgresql.util.PSQLException: ERROR: could not access file “decoderbufs”: No such file or directory
https://github.com/ververica/flink-cdc-connectors/issues/37
table sql加：WITH('decoding.plugin.name' = 'pgoutput')
dataStream加：PostgreSQLSource.
报错2：
[ERROR] Could not execute SQL statement. Reason:
org.postgresql.util.PSQLException: ERROR: must be superuser to create FOR ALL TABLES publication
https://gist.github.com/alexhwoods/4c4c90d83db3c47d9303cb734135130d
检查之前的操作
CREATE PUBLICATION dbz_publication FOR ALL TABLES;
select * from pg_publication_tables;
注意，flink postgres-cdc只能读（作为source），不能写（作为sink）
Flink SQL> insert into source_table values('3', '20230820');
[ERROR] Could not execute SQL statement. Reason:
org.apache.flink.table.api.ValidationException: Connector 'postgres-cdc' can only be used as a source. It cannot be used as a sink.
二、Tidb作为数据去向（sink），由flink写入
1.tidb安装与配置
已有tidb的跳过此步
https://docs.pingcap.com/zh/tidb/stable/quick-start-with-tidb
su ljw
curl --proto '=https' --tlsv1.2 -sSf https://tiup-mirrors.pingcap.com/install.sh | sh
source /home/ljw/.bashrc # 按上个命令输出的路径来，上面显示的是Shell profile: /home/ljw/.bashrc
tiup playground # 下载镜像，并启动某个版本的集群
- 以这种方式执行的 playground，在结束部署测试后 TiUP 会清理掉原集群数据，重新执行该命令后会得到一个全新的集群。
- 若希望持久化数据，可以执行 TiUP 的
--tag参数：tiup --tagplayground ...
下载完毕之后展示信息：
Connect TiDB: mysql --comments --host 127.0.0.1 --port 4000 -u root
TiDB Dashboard: http://127.0.0.1:2379/dashboard
Grafana: http://127.0.0.1:3000
连接tidb
# 使用mysql client连接tidb
sudo apt install mysql-client
mysql --comments --host 127.0.0.1 --port 4000 -u root
# 设置root密码
# https://docs.pingcap.com/zh/tidb/stable/user-account-management#%E8%AE%BE%E7%BD%AE%E5%AF%86%E7%A0%81
# https://blog.csdn.net/qq_45675449/article/details/106866700
SET PASSWORD FOR 'root'@'%' = '123'; # root的localhost是%，可通过 select user,host from mysql.user; 查看
exit;
# mysql -uroot -p无法连接，必须加上port和host，并且host不能写成localhost
# https://blog.csdn.net/hjf161105/article/details/78850658
mysql -uroot --port 4000 -h 127.0.0.1 -p
2.flink cdc tidb的jar包下载
下载用于jdbc mysql连接的jar包，用于flink cdc tidb连接
特别注意：Tidb的sink模式得用jdbc+mysql连接，不用官方提供的tidb cdc因为其不能作为sink，只能曲线救国参考这种方法了。
cd $FLINK_HOME/lib
# 以下用于jdbc mysql（用于flink cdc tidb连接）
# https://mvnrepository.com/artifact/org.apache.flink/flink-connector-jdbc/3.1.1-1.17
wget https://repo1.maven.org/maven2/org/apache/flink/flink-connector-jdbc/3.1.1-1.17/flink-connector-jdbc-3.1.1-1.17.jar
# https://mvnrepository.com/artifact/com.mysql/mysql-connector-j/8.1.0
wget https://repo1.maven.org/maven2/com/mysql/mysql-connector-j/8.1.0/mysql-connector-j-8.1.0.jar
如果flink在运行状态，需要重启flink，之后再启动flink sql client
cd $FLINK_HOME
./bin/stop-cluster.sh
./bin/start-cluster.sh
3.flink cdc tidb测试
https://blog.csdn.net/gyww_83/article/details/130302584
（可选）tidb创建测试表
# mysql -uroot --port 4000 -h 127.0.0.1 -p
# 创建测试表
CREATE TABLE test.test_table1(
id varchar(8),
p_dt varchar(8)
);
insert into test.test_table1 values('3', '20230819');
启动flink sql client（之前重启了flink cluster）
cd $FLINK_HOME
./bin/sql-client.sh
flink sql连接tidb，仿照mysql的连接
-- checkpoint every 3000 milliseconds
SET 'execution.checkpointing.interval' = '3s';
-- register a TiDB table in Flink SQL
CREATE TABLE sink_table (
id STRING,
p_dt STRING,
PRIMARY KEY(id) NOT ENFORCED
-- 必须写PRIMARY KEY，否则报错：[ERROR] Could not execute SQL statement. Reason: java.lang.IllegalStateException: please declare primary key for sink table when query contains update/delete record.
) WITH (
'connector' = 'jdbc',
'url' = 'jdbc:mysql://localhost:4000/test',
'driver' = 'com.mysql.cj.jdbc.Driver',
'username' = 'root',
'password' = '123',
'table-name' = 'test_table1'
);
-- read snapshot and binlogs from table
SELECT * FROM sink_table;
三、用Flink SQL Client同步PostgreSQL到Tidb
# 将会提交一个作业，进行source_table->sink_table的单向同步
insert into sink_table select * from source_table;
[INFO] Submitting SQL update statement to the cluster…
[INFO] SQL update statement has been successfully submitted to the cluster:
Job ID: 8e47bfa3ea78da4c47b395f7517c2812
在flink web ui上可以看到作业运行状态。
只要这个作业是正常runnning，那么对source_table的任何修改都会同步到sink_table。注意这种是单向同步，source_table的变动（增/删/改）会同步到sink_table，但反过来sink_table的变动不会影响到source_table（不会触发source_table->sink_table的同步）。