MySQL 到 ClickHouse 数据同步优化（三）

简述

本文主要介绍 CloudCanal 如何将关系型数据库中数据同步到 ClickHouse，默认使用 ReplacingMergeTree 作为 ClickHouse 表引擎，链路特点包括：

• 新增 _version、_sign 字段，以便 ClickHouse 准确合并。
• DML 操作均以 INSERT 写入，同步性能良好。
• 支持 DDL 同步。

技术点

结构迁移

以 ClickHouse 为对端的结构迁移，默认选择 ReplacingMergeTree 作为表引擎，如果带有副本，则自动选择 ReplicatedReplacingMergeTree。

ClickHouse 表 sort key 默认选择源端表主键字段，如源端表无主键，则选择 tuple()。

额外新增 _version、_sign 作为合并字段，同步过程中 CloudCanal 根据数据操作自动填充值，确保链路两端数据一致。

如下示例:

 CREATE TABLE console.worker_stats
(
    `id` Int64,
    `gmt_create` DateTime,
    `worker_id` Int64,
    `cpu_stat` String,
    `mem_stat` String,
    `disk_stat` String,
    `_sign` UInt8 DEFAULT 0,
    `_version` UInt64 DEFAULT 0,
    INDEX `_version_minmax_idx` `_version` TYPE minmax GRANULARITY 1
)
ENGINE = ReplacingMergeTree(`_version`,`_sign`)
ORDER BY id
SETTINGS index_granularity = 8192

数据写入

全量迁移和增量同步所有操作均转换成 INSERT，并以标准 batch 写入。

• _version 字段值按照数据变更顺序进行自增。
• _sign 字段中 INSERT & UPDATE 操作值为 0，DELETE 操作值为 1。

新增字段符合 ClickHouse ReplacingMergeTree 定义。

操作示例

步骤 1: 安装 CloudCanal

请参考 全新安装(Docker Linux/MacOS)，下载安装 CloudCanal 私有部署版本。

步骤 2: 添加数据源

登录 CloudCanal 控制台，点击 数据源管理 > 新增数据源。

步骤 3: 创建任务

1. 点击 同步任务 > 创建任务。
2. 选择源和目标数据源，并分别点击 测试连接。
3. 目标端侧点开 高级选项，选择表引擎为 ReplacingMergeTree (或 ReplicatedReplacingMergeTree)。
4. 选择 数据同步 并勾选 全量初始化。建议规格至少选择 1 GB。过小的规格可能导致任务运行时内存溢出（OOM）。
5. 选择需要同步的表、列。
6. 点击 确认创建，完成任务创建。

步骤 4: 验证数据

1. 停止源端写入负载，并等待 ClickHouse 合并。
   因 ClickHouse 自动合并时机不定，可能会导致数据校验显示不准。
   可执行 optimize table xxx final 进行手动合并（有一定概率无法成功）。
   另外也可执行 create view xxx_v as select * from xxx final 命令，创建视图，对视图进行查询，以确保数据完全合并。
2. 创建一个校验任务，任务完成后显示，源对端数据完全一致。

总结

本文简要介绍了 CloudCanal 实现 MySQL到 ClickHouse 数据迁移同步的能力，帮助业务快速构建实时数据分析环境。