第二期【Demo教程】教你使用MySQL CDC连接器，把数据从MySQL导到Doris

随着数据技术的快速发展，了解并掌握各种工具和技术变得尤为重要。为此，我们准备在Apache SeaTunnel社区发起如何使用连接器的Demo演示计划，邀请所有热爱数据同步技术的同学分享他们的知识和实操经验!

我们第二期主题是：如何使用MySQL CDC从MySQL同步到Doris，如果您对此计划感兴趣，也欢迎联系社区运营同学参与Demo录制！无论您是数据工程师、开发者还是技术爱好者，都欢迎您参与并展示您的技术才能。

敲重点~敲重点~如果你是用户，想看什么同步场景的Demo！请下滑到最底部留言，我们优先出品呼声最高的同步场景Demo!

Demo计划目标

我们的目标是创建一个共享和学习的平台，通过具体的Demo演示和对应的文档帮助社区成员更好地理解和应用各种数据连接器。这些Demo可以帮助新手快速学习，同时也为资深专家提供一个展示创新解决方案的舞台。

<iframe src="//player.bilibili.com/player.html?isOutside=true&aid=1554958983&bvid=BV111421i75r&cid=1552242217&p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe>

本文详细介绍了 MySQL CDC（变更数据捕获）连接器的设置和使用方法，该连接器支持通过 SeaTunnel Zeta 和 Flink 从 MySQL 数据库中高效读取快照数据和增量数据

如何使用 MySQL CDC 连接器进行高效数据同步

探索如何使用 MySQL CDC 连接器从 MySQL 数据库读取快照和增量数据，以及如何通过 SeaTunnel Zeta 和 Flink 实现高效数据处理。

本视频教程中提及的代码

env {
  job.mode = "STREAMING"
  parallelism = 1
}
source {
  MySQL-CDC {
    base-url = "jdbc:mysql://datasource01:3306/qa_source"
    username = "root"
    password = "root@123"
    
    table-names = ["qa_source.batch_mysql_to_doris", "qa_source.batch_mysql_to_doris_offline_incremental_where"]
    startup.mode = "latest"
  
  }
}

sink {
    Doris {
        fenodes = "datasource01:8034"
        query-port = 9034
        username = root
        password = "root@123"
        schema_save_mode = "RECREATE_SCHEMA"
        database = "e2e_sink"
        table = "${table_name}_from_mysql"
        sink.enable-2pc = "true"
        sink.enable-delete = "true"
        sink.label-prefix = "test_json"
        doris.config = {
            format="json"
            read_json_by_line="true"
        }
    }
}

支持的处理引擎

• SeaTunnel Zeta
• Flink

主要特性

• [x] 流式处理
• [x] 精确一次语义
• [x] 支持自定义分片
• [x] 并行处理
• [ ] 批处理
• [ ] 列投影

支持的数据源版本

数据源	支持的版本	驱动	连接示例	Maven 地址
MySQL	MySQL 5.6, 5.7, 8.0.x	com.mysql.cj.jdbc.Driver	jdbc:mysql://localhost:3306/test	下载

依赖安装

安装 JDBC 驱动

对于 Flink 引擎

请确保jdbc 驱动包已被放置在 ${SEATUNNEL_HOME}/plugins/ 目录下。

对于 SeaTunnel Zeta 引擎

请确保jdbc 驱动包已被放置在 ${SEATUNNEL_HOME}/lib/ 目录下。

创建 MySQL 用户

您需要定义一个具有适当权限的MySQL用户，以便Debezium MySQL连接器监控所有数据库。

1. 创建 MySQL 用户：

mysql> CREATE USER 'user'@'localhost' IDENTIFIED BY 'password';

2. 授予用户所需权限：

   mysql> GRANT SELECT, RELOAD, SHOW DATABASES, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'user' IDENTIFIED BY 'password';

3. 最终确认用户权限：

   mysql> FLUSH PRIVILEGES;

启用 MySQL Binlog

必须为 MySQL 复制启用二进制日志记录。二进制日志记录交易更新以便复制工具传播更改。

1. 检查 log-bin 选项是否已启用：

mysql> show variables where variable_name in ('log_bin', 'binlog_format', 'binlog_row_image', 'gtid_mode', 'enforce_gtid_consistency');
+--------------------------+----------------+
| Variable_name            | Value          |
+--------------------------+----------------+
| binlog_format            | ROW            |
| binlog_row_image         | FULL           |
| enforce_gtid_consistency | ON             |
| gtid_mode                | ON             |
| log_bin                  | ON             |
+--------------------------+----------------+
5 rows in set (0.00 sec)

2. 如果与上述结果不一致，请在您的MySQL服务器配置文件($MYSQL_HOME/mysql.cnf)中设置如下属性：

# Enable binary replication log and set the prefix, expiration, and log format.
# The prefix is arbitrary, expiration can be short for integration tests but would
# be longer on a production system. Row-level info is required for ingest to work.
# Server ID is required, but this will vary on production systems
server-id         = 223344
log_bin           = mysql-bin
expire_logs_days  = 10
binlog_format     = row
binlog_row_image  = FULL

# enable gtid mode
gtid_mode = on
enforce_gtid_consistency = on

3. 重启 MySQL 服务器

/etc/inint.d/mysqld restart

4. 通过再次检查 Binlog 状态来确认您的更改

mysql> show variables where variable_name in ('log_bin', 'binlog_format', 'binlog_row_image', 'gtid_mode', 'enforce_gtid_consistency');
+--------------------------+----------------+
| Variable_name            | Value          |
+--------------------------+----------------+
| binlog_format            | ROW            |
| binlog_row_image         | FULL           |
| enforce_gtid_consistency | ON             |
| gtid_mode                | ON             |
| log_bin                  | ON             |
+--------------------------+----------------+
5 rows in set (0.00 sec)

注意事项

设置 MySQL 会话超时

对于大型数据库，当进行初始一致性快照时，已建立的连接可能会超时。
您可以通过配置 interactive_timeout 和 wait_timeout 来防止此行为。

interactive_timeout：服务器在关闭交互连接前等待活动的秒数。
wait_timeout：服务器在关闭非交互连接前等待活动的秒数

数据类型映射

MySQL 数据类型	SeaTunnel 数据类型
BIT(1)、TINYINT(1)	BOOLEAN
TINYINT	TINYINT
SMALLINT UNSIGNED、MEDIUMINT、MEDIUMINT UNSIGNED、INT、INTEGER、YEAR	INT
BIGINT UNSIGNED	DECIMAL(20,0)
DECIMAL(p, s)、NUMERIC(p, s)	DECIMAL(p,s)
FLOAT、FLOAT UNSIGNED	FLOAT
DOUBLE、DOUBLE UNSIGNED、REAL、REAL UNSIGNED	DOUBLE
CHAR、VARCHAR、TINYTEXT、MEDIUMTEXT、TEXT、LONGTEXT、ENUM、JSON	STRING
DATE	DATE
TIME	TIME
DATETIME、TIMESTAMP	TIMESTAMP
BINARY、VARBINAR、BIT(p)、TINYBLOB、MEDIUMBLOB、BLOB、LONGBLOB	BYTES

源选项

名称	类型	必填	默认值	描述
base-url	String	是	-	JDBC 连接的 URL。例如：jdbc:mysql://localhost:3306:3306/test。
username	String	是	-	连接数据库服务器时使用的数据库用户名。
password	String	是	-	连接数据库服务器时使用的密码。
database-names	List	否	-	监控的数据库名称。
table-names	List	是	-	监控的表名称，需要包含数据库名，例如：database_name.table_name。
table-names-config	List	否	-	表配置列表，例如：[{"table": "db1.schema1.table1","primaryKeys":["key1"]}]。
startup.mode	Enum	否	INITIAL	MySQL CDC 消费者的可选启动模式，有效值为 initial、earliest、latest 和 specific。
startup.specific-offset.file	String	否	-	指定的 binlog 文件名。当 startup.mode 为 specific 时，此选项必需。
startup.specific-offset.pos	Long	否	-	指定的 binlog 文件位置。当 startup.mode 为 specific 时，此选项必需。
...	...	...	...	...

实用示例

简单示例：支持多表读取

env {
  parallelism = 1
  job.mode = "STREAMING"
  checkpoint.interval = 10000
}

source {
  MySQL-CDC {
    base-url = "jdbc:mysql://localhost:3306/testdb"
    username = "root"
    password = "root@123"
    table-names = ["testdb.table1", "testdb.table2"]
    
    startup.mode = "initial"
  }
}

sink {
  Console {
  }
}

随着技术的迭代，我们将继续优化文档和功能，敬请期待未来的更新。通过本文介绍的 MySQL CDC 连接器，开发者可以实现对 MySQL 数据库的实时变更数据捕获，从而在不中断数据库操作的情况下进行数据同步和分析。

这不仅提高了数据处理的效率，而且也为构建实时数据应用提供了强大的数据支持。无论您是数据工程师还是系统架构师，掌握如何配置和使用 MySQL CDC 连接器都将为您带来极大的便利和效益。

本文由 白鲸开源科技 提供发布支持！