MySQL到ClickHouse实时同步-CloudCanal实战

简述

CloudCanal 近期实现了 MySQL（RDS） 到 ClickHouse 实时同步的能力，功能包含全量数据迁移、增量数据迁移、结构迁移能力，以及附带的监控、告警、HA等能力(平台自带)。

ClickHouse 本身并不直接支持 Update 和 Delete 能力，但是他自带的 MergeTree 系列表中 CollapsingMergeTree 和 VersionedCollapsingMergeTree 可变相实现实时增量的目的，并且性能完全够用,能够比较轻松达到 1k RPS 以上的能力。

接下来的文章，简要介绍 CloudCanal 是如何实现这个能力，以及作为用户我们怎么比较好的使用这个能力。

技术点

结构迁移

CloudCanal 默认提供结构迁移，默认选择 CollapsingMergeTree 作为表引擎，并增加一个默认字段 __cc_ck_sign，源主键作为 sortKey，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,
`__cc_ck_sign` Int8 DEFAULT 1
)
ENGINE = CollapsingMergeTree(__cc_ck_sign)
ORDER BY id
SETTINGS index_granularity = 8192


ClickHouse 表引擎中，CollapsingMergeTree 和 VersionedCollapsingMergeTree 都能通过标记位按规则折叠数据，从而达到更新和删除的效果。VersionedCollapsingMergeTree 相比 CollapsingMergeTree 优势在于同一条数据的不同变更可以乱序写入，但是 CloudCanal 选择 CollapsingMergeTree 主要原因在于2点

• 1. CloudCanal 中同一条记录必定是按源库变更顺序写入，不存在乱序情况
• 1. 不需要维护 VersionedCollapsingMergeTree 中的 Version 字段(版本，也可以起其他名字)

所以 CloudCanal 选择了 CollapsingMergeTree 作为默认表引擎。

写数据

CloudCanal 写数据主要包含全量和增量两种，即单次搬迁存量数据和长期同步，两者写入略有不同。全量写入对端主要工作是批量和多线程，因为 CloudCanal 结构迁移默认设置了标记位字段 __cc_ck_sign default 值为 1, 所以就不需要做特殊处理。

对于增量, CloudCanal 则需要做 3 件事情。

• 转换 Update、Delete 操作为 Insert
  
  这一步有两件事情要做，第一件是按照操作类型，填充标记字段值，其中 Insert 和 Update 为 1 ，Delete 为 -1 ，第二件是将对应增量数据的前镜像或者后镜像填充到结果记录中，以便后续 insert 写入。

for (CanalRowChange rowChange : rowChanges) {
switch (rowChange.getEventType()) {
case INSERT: {
for (CanalRowData rowData : rowChange.getRowDatasList()) {
rowData.getAfterColumnsList().add(nonDeleteCol);
records.add(rowData.getAfterColumnsList());
} break;
}
case UPDATE: {
for (CanalRowData rowData : rowChange.getRowDatasList()) {
rowData.getBeforeColumnsList().add(deleteCol);
records.add(rowData.getBeforeColumnsList()); rowData.getAfterColumnsList().add(nonDeleteCol);
records.add(rowData.getAfterColumnsList());
} break;
}
case DELETE: {
for (CanalRowData rowData : rowChange.getRowDatasList()) {
rowData.getBeforeColumnsList().add(deleteCol);
records.add(rowData.getBeforeColumnsList());
} break;
}
default:
throw new CanalException("not supported event type,eventType:" + rowChange.getEventType());
}
}


• 按表归组
  
  因为 IUD 操作已全部转换为 Insert, 且为全镜像(所有字段都填充了值),所以可以按表归组，然后批量写入。即使单线程也能满足大部分场景的同步性能要求。

protected Map<TableUnit, List<CanalRowChange>> groupByTable(IncrementMessage message) {
Map<TableUnit, List<CanalRowChange>> data = new HashMap<>();
for (ParsedEntry entry : message.getEntries()) {
if (entry.getEntryType() == CanalEntryType.ROWDATA) {
CanalRowChange rowChange = entry.getRowChange();
if (!rowChange.isDdl()) {
List<CanalRowChange> changes = data.computeIfAbsent(new TableUnit(entry.getHeader().getSchemaName(), entry.getHeader().getTableName()), k -> new ArrayList<>());
changes.add(rowChange);
}
}
} return data;
}


• 并行写入
  
  将按表归组的数据使用并行执行框架执行，具体不详述。

举个"栗子"

• 添加数据源
  
  
• 创建任务，选择数据源和库，并连接成功，点击下一步
  
  
• 选择数据同步，建议规格至少选择 1 GB.目前 MySQL->ClickHouse 结构迁移自动过滤，所以选择无效。点击下一步
  
  
• 选择表，默认 ClickHouse 上创建 CollapsingMergeTree 表引擎，并自动添加 __cc_ck_sign 折叠标记字段。点击下一步
  
  
• 选择字段，点击下一步
  
  
• 创建任务
  
  
• 等待任务自动结构迁移、全量迁移、数据同步追上
  
  
• 造点 Insert、Update、Delete 负载
  
  
• 延迟追平状态，停止负载
  
  
• 检查源端 MySQL 表数据，以其中一张表为例
  
  
• 检查对端 ClickHouse 表数据，不一致?!!
  
  
• 手动优化下表，数据一致。虽然可以等待 ClickHouse 自动优化，但是如果需要直接得到准确结果，可手动优化(注意:手动优化可能导致数据库机器压力过大)
  
  

常见问题

我在ClickHouse上已经创建了表怎么办？

目前比较建议直接使用 CloudCanal 自动结构迁移的方式来创建任务。

如果已建表为 CollapsingMergeTree 表引擎，请将标记位字段改成 __cc_ck_sign Int8 DEFAULT 1`，再创建任务(此时就不再自动结构迁移，而是使用已存在表)。

如果为其他表引擎，暂时不支持(主要是不支持增量能力，需要 CloudCanal 进一步探索)。

同步过去的数据什么时候合并？

当 CloudCanal 同步数据到 ClickHouse 时，ClickHouse 并不会实时合并数据，也没有一致性可言，所以一般情况是等待合并，或者直接手动合并(造成机器高负载、高IO)，如 optimize table worker_stats FINAL。

DDL 怎么做？

目前 CloudCanal 还未支持到 ClickHouse 的 DDL 同步，产品实现上，目前是忽略的。所以如果做 DDL ，加字段建议对端先加，再加源端，减字段反之。

总结

本文简要介绍了 CloudCanal 实现 MySQL（RDS） 到 ClickHouse 数据迁移同步的能力，具备一站式、数据实时特点，从技术点、例子、以及常见问题角度展开。文章如有错误，烦请大家勘误，后续也欢迎大家试用，提供宝贵的意见和建议。

CloudCanal-免费好用的企业级数据同步工具，欢迎品鉴。

了解产品可以查看官方网站： http://www.clougence.com

CloudCanal社区：https://www.askcug.com/