简述
上一篇文章介绍了使用 CloudCanal 进行 MySQL 到 ElasticSearch 的宽表构建, 有蛮多朋友关注和尝试使用，我们也在不断迭代升级这个能力。
作为产品的通用功能，今天我们介绍下 MySQL -> ClickHouse 的宽表构建案例。
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:
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 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
截屏2021-12-16 下午6.20.00.png
代码1.png
代码2.png
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
截屏2021-12-10 下午12.30.39.png
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
截屏2021-12-16 下午6.33.14.png
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
截屏2021-12-16 下午7.07.18.png - 选择列,默认全选，%(#ea1f1f)[选择上传代码包(路径如上所示)]
截屏2021-12-16 下午7.07.45.png -
确认创建,并自动运行
截屏2021-12-16 下午7.12.16.png
校验数据
-
变更事实表数据
截屏2021-12-16 下午7.08.18.png
截屏2021-12-16 下午7.08.50.png -
变更维表数据
截屏2021-12-16 下午7.09.17.png
截屏2021-12-16 下午7.09.42.png
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。
更多精彩
- 5分钟搞定 MySQL 到 ElasticSearch 宽表构建和同步-CloudCanal实战
- 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
加入社区
我们创建了 CloudCanal 微信交流群，在里面，您可以得到最新版本发布信息和资源链接，您能看到其他用户一手评测、使用情况，您更能得到热情的问题解答，当然您还可以给我们提需求和问题。扫描下方二维码，添加我们小助手微信拉您进群，备注: 加 CloudCanal 群
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/
