基于腾讯云Oceanus实现MySQL和Hbase维表到数据仓库ClickHouse的

实时及未来，最近在腾讯云Oceanus进行实时计算服务，以下为mysql-cdc结合维表hbase到flink到ClickHouse的实践。分享给大家~

1.环境搭建

1.1 创建Oceanus集群

在Oceanus控制台的【集群管理】->【新建集群】页面创建集群，选择地域、可用区、VPC、日志、存储，设置初始密码等。

若职期间未使用过VPC，日志，存储这些组件，需要先进行创建。

VPC及子网需要和下面的Mysql、ES集群使用同一个，否则需要手动打通（如对等连接）。

创建完后的集群如下：

1.2 创建VPC私有网络

私有网络是一块您在腾讯云上自定义的逻辑隔离网络空间，在构建MySQL、EMR，ClickHouse集群等服务时选择的网络必须保持一致，网络才能互通。否则需要使用对等连接、VPN等方式打通网络。页面地址：https://console.cloud.tencent.com/vpc/vpc?rid=8

1.3 创建云数据库MySQL服务

云数据库 MySQL（TencentDB for MySQL）是腾讯云基于开源数据库 MySQL 专业打造的高性能分布式数据存储服务，让用户能够在云中更轻松地设置、操作和扩展关系数据库。页面地址：https://console.cloud.tencent.com/cdb

新建MySQL服务的页面需要注意选择的网络是之前创建好的。

创建完MySQL服务后，需要修改binlog参数，如图修改为FULL（默认值为MINIMAL）

修改完参数后，登陆MySQL创建示例所需要的数据库和数据库表。

1）创建数据库mysqltestdb

打开SQL窗口或者点击可视化页面创建数据库及表。

新建数据库命令：

create database mysqltestdb;

在新建库的基础上新建表student：

create table `student` (
  `id` int(11) not null auto_increment comment '主键id',
  `name` varchar(10) collate utf8mb4_bin default '' comment '名字',
  `age` int(11) default null comment '年龄',
  `create_time` timestamp null default current_timestamp comment '数据创建时间',
  primary key (`id`)
) engine=innodb auto_increment=4 default charset=utf8mb4 collate=utf8mb4_bin row_format=compact comment='学生表'

Student表中插入数据：

 insert into mysqltestdb.student(id,name,age) values(1,“xiaomin”,20);

1.4 创建EMR集群

EMR是云端托管的弹性开源泛 Hadoop 服务，支持 Spark、HBase、Presto、Flink、Druid 等大数据框架，本次示例主要需要使用Flume、Hive、YARN、HUE、Oozie组件。页面地址https://console.cloud.tencent.com/emr

在EMR集群中安装HBase组件。

如果生产环境，服务器配置可根据实际情况选择，示例中选择了低配服务器，网络需要选择之前创建好的VPC网络，始终保持服务组件在同一VPC下。

进入HBase Master节点

点击登录进入服务器

输入命令：

# 进入HBase命令

root@172~# hbase shell

进入hbase shell，并新建表：

# 建表语句
  create ‘dim_hbase’, ‘cf’

# 插入数据
  put ‘dim_hbase’,’1’,’cf:name’,’MingDeSchool’

1.5 创建云数据仓库ClickHouse

页面地址：https://console.cloud.tencent.com/cdwch

新建集群

选择网络选择之前新建的VPC网络（依然保证各服务在同一网络）

登录clickhouse

在之前新建的EMR下选择一台云主机点击登录,最好选择带有外网IP的节点。

安装ClickHouse客户端

在此机器上安装ClickHouse客户端,clickhouse-client安装教程：https://cloud.tencent.com/document/product/1299/49824

登陆客户端

命令示例：

clickhouse-client -h用户自己的ClickHouse服务IP --port 9000

新建数据库

create database testdb on cluster default_cluster;

新建表

CREATE TABLE testdb.student_school on cluster default_cluster (
`id` Int32,
`name` Nullable(String),
`school_name` Nullable(String),
`Sign` Int8
) ENGINE = ReplicatedCollapsingMergeTree('/clickhouse/tables/{layer}-{shard}/testdb/ student_school, '{replica}', Sign) ORDER BY id;

2. 数据清洗和运算加工

2.1 数据准备

2.1.1 MySQL-CDC数据和HBase维表数据

按照上面操作中创建表，并向MySQL和HBase表中插入数据。

2.2 创建Flink SQL作业

在Oceanus控制台创建SQL作业，选择响应的内置Connector。

2.2.1 Source端

MySQL-CDC Source:

--学生信息作为cdc源表
CREATE TABLE `student` (
  `id` INT NOT NULL,
  `name` varchar,
  `age` INT,
  PRIMARY KEY (`ID`) NOT ENFORCED
) WITH (
  'connector' = 'mysql-cdc',
  -- 必须为 'mysql-cdc'
  'hostname' = 'YoursIp',
  -- 数据库的 IP
  'port' = '3306',
  -- 数据库的访问端口
  'username' = '用户名',
  -- 数据库访问的用户名（需要提供 SHOW DATABASES, REPLICATION SLAVE, REPLICATION CLIENT, SELECT, RELOAD 权限）
  'password' = 'YoursPassword,
  -- 数据库访问的密码
  'database-name' = 'mysqltestdb',
  -- 需要同步的数据库
  'table-name' = 'student' -- 需要同步的数据表名
);

HBase 维表

--示例使用school学校信息作为维表
CREATE TABLE dim_hbase (
  rowkey STRING,
  cf ROW <school_name STRING>,  -- 如果有多个列簇，写法 cf Row<age INT,name String>
  PRIMARY KEY (rowkey) NOT ENFORCED
) WITH (
  'connector' = 'hbase-1.4',
  'table-name' = 'dim_hbase',
  'zookeeper.quorum' = '用户自己的hbase服务器zookeeper地址，多个用逗号隔开'
);

2.2.2 Sink端

创建到ClickHouse的创建表语句

--关联后存入clickhouse表
CREATE TABLE `student_school` (
  stu_id INT,
  stu_name STRING,
  school_name STRING,
  PRIMARY KEY (`id`) NOT ENFORCED
) WITH (
  -- 指定数据库连接参数
  'connector' = 'clickhouse',
  'url' = 'clickhouse://yourIP:8123',
  -- 如果ClickHouse集群未配置账号密码可以不指定
  --'username' = 'root',
  --'password' = 'root',
  'database-name' = 'testdb',
  'table-name' = ' student_school ',
  'table.collapsing.field' = 'Sign'
);

2.2.3 进行逻辑运算

此例子中，只进行了简单的Join没有进行复杂的运算。详细运算逻辑可参考：

Oceanus运算符和内置函数 或者Flink官网Flink SQL开发章节

INSERT INTO
  student_school
SELECT
  student.id as stu_id,
  student.name as stu_name,
  dim_hbase.cf.school_name
FROM
  student
  JOIN dim_hbase ON CAST(student.school_id AS STRING) = dim_hbase.rowkey;

2.3 结果验证

在ClickHouse数据库中查询数据是否正确。

select * from testdb.student_school;