CloudCanal 2.0.X 版本近期支持了宽表构建能力,在数据预处理领域向前走了一步。
方案特点
- 相对灵活,对业务数据和结构贴合性好
- 能很好的支持事实表与维表打宽表需求
本文以 MySQL 到 ElasticSearch6 单事实表双维表为案例,介绍 CloudCanal 宽表构建和同步的 *** 作步骤。
技术点 打宽表的必要性关系型数据库为了应对在线业务对于并发、毫秒级响应,同时 *** 作相对趋向 kv 化,一般基于关系范式进行设计,通过外键或约定外键(非物理约束)进行关联。
当业务需求涉及到多张关联表(业务运营、报表、BI 需求),查询表的先后顺序成为 *** 作响应时间的关键要素,但排列组合式种类随关联表数量(n)增加会膨胀非常快(n!),导致查询效率低下。
数据库或者数仓做 join 查询(特别是5张表以上),最难的事情变成了如何从这么多可能性中(搜索空间)找到最好的那一个。
数据迁移和同步 以相对比较小的代价,将多张关联表进查询库或者数据仓库之前,通过反查或者窗口等待变更数据做关联,打成一张宽表写入对端,显著减轻后续查询对于 SQL 优化器的要求。
宽表的种类和方式这里的宽表种类指其数据来源表种类(常见但不全面),常见的我们分 事实表 和 维度表,比如订单表被定义成事实表,用户表被定义成维度表,商品表被定义成维度表。
一般事实表和维度表数据具备类似 n:1 的关系,也就是 1 个用户会有 n 个订单 (1个订单属于1个用户),1 个商品也会存在 n 个订单 (1个订单会关联 1 个或有限个数商品)。
打宽表的方式有多种,根据场景,最常见的包含以下两种
- 多事实表 打宽表
- 一般场景是在有限的时间内,关联的变更在这些表上发生(多流join),打宽表工具只要在一定的时间范围内等到这些数据(window),即可打成宽表数据。
- 单事实表和多维度表打宽表
- 一般场景是事实表变更,但是维度表没有任何变化,这时打宽表工具需要通过事实表变更数据反查维度表数据,打成宽表。
CloudCanal 目前打宽表的方式主要通过反查实现,对于多流 join , 实际上也可以通过反查实现,只是可能缺乏数据一致性。
举个 '栗' 子 前置条件:- CloudCanal 社区版部署,参见 社区版安装文档
- 准备好 MySQL 数据库(本例使用 5.7 版本)和 ElasticSearch 数据库(本例使用 6.x 版本)
- MySQL 上创建 1 张事实表(order)和 2 张维表 (user 、product)
- ElasticSearch 上创建 1 个索引 order , 并额外包含两张维表相关数据
- user_id (关联user.id), user_name(对应user.name)
- product_id(关联product.id) ,product_name(对应product.name),product_price (对应product.price)
- 代码工程 cloudcanal-data-process ,并找到代码类 MySqlToEsOnlyFact_one_fact_two_dim.java
- 修改必要信息
进入工程目录,使用命令进行打包
% pwd /Users/zylicfc/source/product/cloudcanal/cloudcanal-data-process % mvn -Dtest -DfailIfNoTests=false -Dmaven.javadoc.skip=true -Dmaven.compile.fork=true clean package
- 打包命令后,代码包位于工程目录下的 wide-table/target 目录
- 登录 CloudCanal 平台
- 数据源管理->新增数据源
- 将MySQL 和 ElasticSearch 分别添加
- 任务管理->任务创建
- 选择 源 和 目标 数据源
- 选择 数据同步,并勾选 全量数据初始化, 其他选项默认
- 选择需要迁移同步的表, 此处只要选择事实表即可,维表会通过自定义代码反查补充
- 选择列,默认全选,%(#ea1f1f)[选择上传代码包(路径如上所示)]
- 确认创建,并自动运行
- 变更事实表数据
- 变更维表数据
- 事实表插入,更新都会反查维表最新数据并写入对端
- 维表更新,基础模式中,需要触发事实表更新才能带上最新的维表变更数据写入对端
- 维表数据删除,基础模式中,如果触发事实表更新,默认将会把对应的维表数据(已删除)置为null, 但是根据对端数据源不同,效果可能会有所差别(比如不会置空)
目前我们提供的基础模式,维表变化不会直接触发事实表更新,因为这个基本上意味着大规模对端数据变更,可能影响对端数据服务稳定性。所以源端触发事实表更新(比如变更一个时间字段),带上最新的维表数据进行对端数据刷新。
另外对于维表数据的删除,如果触发事实表更新从而刷新对端数据,则默认置为null。
不会开发 java 代码怎么办?如果能打包不会 java 开发,在 cloudcanal-data-process 寻找相应模版,修改配置即可。
如果不能打包也不会开发,找 CloudCanal 同学协助。
如果遇到出错或者问题怎么办?如果会 java 开发,建议打开任务的 printCustomCodeDebugLog 观察输出的数据是否符合预期,如果不符合预期,可以打开任务的 debugMode 参数,对数据转换逻辑进行调试。
如果不会 java 开发, 找 CloudCanal 同学协助。
还支持其他数据源么?这个是 CloudCanal 通用能力,只要源和目标之间实现了全量迁移和增量同步,即支持。
总结本文简单介绍了如何使用 CloudCanal 进行 MySQL -> ElasticSearch 的宽表构建,以最常见的单事实表多维表方式举例。各位小伙伴,如果觉得还不错,请点赞、评论加转发吧。
更多精彩- 异地多活基础之数据双向同步进阶篇-CloudCanal实战
- 5分钟搞定 MySQL 到 ClickHouse 实时数据同步进阶篇-CloudCanal实战
- 主流关系型数据库到 Kudu 实时数据同步-CloudCanal实战
- 5分钟搞定 MySQL 到 ElasticSearch 迁移同步-CloudCanal 实战
- 5分钟搞定 MySQL 到 MySQL 异构在线数据迁移同步-CloudCanal 实战
- MySQL 到 ElasticSearch 实时同步构建数据检索服务的选型与思考
- 构建基于Kafka中转的混合云在线数据生态-cloudcanal实战
- 5分钟搞定 MySQL 到 TiDB 的数据同步 - CloudCanal实战
- 我们创建 CloudCanal 微信粉丝群啦,在里面,你可以得到最新版本发布信息和资源链接,你能看到其他用户一手评测、使用情况,你更能得到热情的问题解答,当然你还可以给我们提需求和问题。快快加入吧。
- 扫描下方二维码,添加我们小助手微信拉您进群,接头语("加CloudCanal交流群") 加入CloudCanal粉丝群掌握一手消息和获取更多福利,请添加我们小助手微信:suhuayue001
CloudCanal-免费好用的企业级数据同步工具,欢迎品鉴。 了解更多产品可以查看官方网站: http://www.clougence.com CloudCanal社区:https://www.askcug.com/
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)