MySQL 到 ClickHouse 宽表构建

简述

本文简要介绍 CloudCanal 如何支持 MySQL -> ClickHouse 的宽表构建。

技术点

ClickHouse 表关联之觞

ClickHouse 作为标准的列存数据库，其特点相当鲜明，对于多维度数据聚合、筛选特别高效,对于列存面向计算的特点，用得相当不错，包括但不限于以下特点

io 效率高
列压缩
少数列数据存取io放大效应较小
极致计算优化
- 向量化
- 利用 SSE 等 SIMD 指令集加速
- 未来可选 AVX 512 等指令集优化
- 未来对于计算卸载到 FPGA、GPU 较便利

但是 ClickHouse 对于数据关联（join）, 相比于其 多维聚合、筛选能力要弱一些。对于这个问题，我们觉得有必要通过 CloudCanal 的宽表能力，让其适用性得到进一步提升。大宽表 + 突出的数据 多维聚合、筛选能力，几乎等于交互式分析的杀手锏。

操作示例

前置条件:

下载安装 CloudCanal 私有部署版本,使用参见快速上手文档
准备好 MySQL 数据库（本例使用 5.7 版本）和 ClickHouse 数据库（本例使用 21.8.X 版本）

MySQL 上创建 1 张事实表(my_order)和 2 张维表 (user 、product)

 CREATE TABLE `my_order` (
   `id` bigint(19) NOT NULL AUTO_INCREMENT,
   `gmt_create` datetime NOT NULL,
  `gmt_modified` datetime NOT NULL,
  `product_id` bigint(20) NOT NULL,
  `user_id` bigint(20) NOT NULL,
  PRIMARY KEY (`id`)
 ) ENGINE=InnoDB AUTO_INCREMENT=1460 DEFAULT CHARSET=utf8;

CREATE TABLE `product` (
  `id` bigint(19) NOT NULL AUTO_INCREMENT,
  `gmt_create` datetime NOT NULL,
  `gmt_modified` datetime NOT NULL,
  `name` varchar(255) NOT NULL,
  `price` decimal(20,2) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=2719 DEFAULT CHARSET=utf8;

CREATE TABLE `user` (
  `id` bigint(19) NOT NULL AUTO_INCREMENT,
  `gmt_create` datetime NOT NULL,
  `gmt_modified` datetime NOT NULL,
  `name` varchar(255) NOT NULL,
  `level` varchar(255) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=2224 DEFAULT CHARSET=utf8

ClickHouse 上创建 1 张宽表 my_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)

CREATE TABLE trade.my_order
(
   `id` Int64,
   `gmt_create` DateTime,
   `gmt_modified` DateTime,
   `product_id` Int64,
   `user_id` Int64,
   `user_name` Nullable(String),
   `product_name` Nullable(String),
   `product_price` Nullable(Decimal(20, 2))
 )
ENGINE = ReplacingMergeTree
ORDER BY id
SETTINGS index_granularity = 8192

开发宽表代码

代码工程 cloudcanal-data-process ，并找到代码类 MySqlToChOnlyFact_one_fact_two_dim.java
修改必要信息

打包

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

自定义代码包

打包命令后，代码包位于工程目录下的 wide-table/target 目录

添加数据源

登录 CloudCanal 平台
数据源管理->新增数据源
将MySQL 和 ClickHouse 分别添加

任务创建

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，选择上传代码包(路径如上所示)
确认创建,并自动运行

校验数据

变更事实表数据
变更维表数据

数据变化规律

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，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，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

常见问题

维表变化后怎么办？

维表变化不会直接触发事实表更新。需要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 -> ClickHouse 的宽表构建，以最常见的单事实表多维表方式举例。各位读者朋友，如果你觉得还不错，请点赞、评论加转发吧。

简述​

技术点​

ClickHouse 表关联之觞​

操作示例​

前置条件:​

开发宽表代码​

打包​

自定义代码包​

添加数据源​

任务创建​

校验数据​

数据变化规律​

常见问题​

维表变化后怎么办？​

不会开发 java 代码怎么办？​

如果遇到出错或者问题怎么办？​

还支持其他数据源么？​

总结​

简述

技术点