Flink 实践教程-入门（6）：读取 PG 数据写入 ClickHouse
作者：腾讯云流计算 Oceanus 团队
流计算 Oceanus 简介
流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。流计算 Oceanus 以实现企业数据价值最大化为目标，加速企业实时化数字化的建设进程。
本文将向您详细介绍如何获取 PostgreSQL 表数据，并使用字符串函数进行转换，最后将数据输出到 ClickHouse 中。
操作视频
前置准备
创建流计算 Oceanus 集群
进入流计算 Oceanus 控制台 [1]，点击左侧【集群管理】，点击左上方【创建集群】，具体可参考流计算 Oceanus 官方文档 创建独享集群 [2]。
创建 PostgreSQL 实例
进入 PostgreSQL 控制台 [3]，点击左上角【新建】创建实例，具体参考 创建 PostgreSQL 实例 [4]。
数据准备：
进入实例数据库，创建 test1 表，并手动插入数据。
-- 建表语句create table public.test1 (id INT,str_one VARCHAR(50),str_two VARCHAR(50),str_thr VARCHAR(50),PRIMARY key(id));-- 插入语句INSERT INTO public.test1 VALUES (1, 'hello world', 'b', 'Oceanus-1');INSERT INTO public.test1 VALUES (2, 'good job', 'c', 'Oceanus-2');INSERT INTO public.test1 VALUES (3, 'hello oceanus', 'd', 'Oceanus-3');
笔者这里使用 DBeaver 进行外网连接，更多连接方式参考官网文档 连接 PostgreSQL 实例 [5]
创建 ClickHouse 集群
进入 ClickHouse 控制台 [6]，点击左上角【新建集群】，完成 ClickHouse 集群创建，具体可参考 ClickHouse 快速入门 [7]。创建 ClickHouse 表： 登陆 ClickHouse 集群（登入方式参考 ClickHouse 快速入门 [7]），并建表。
CREATE TABLE default.pg_to_ck on cluster default_cluster (id Int8,str_one String,str_two String,str_thr String,Sign Int8 )ENGINE = ReplicatedCollapsingMergeTree('/clickhouse/tables/{layer}-{shard}/default/pg_to_ck', '{replica}',Sign)ORDER BY (id);
注：流计算 Oceanus 集群、PostgreSQL 实例、ClickHouse 集群需在同一 VPC 下。
流计算 Oceanus 作业
1. 创建 Source
-- PostgreSQL CDC Source。CREATE TABLE PostgreSourceTable (id INT,str_one VARCHAR,str_two VARCHAR,str_thr VARCHAR,PRIMARY KEY (id) NOT ENFORCED -- 如果要同步的数据库表定义了主键, 则这里也需要定义) WITH ('connector' = 'postgres-cdc', -- 必须为 'postgres-cdc''hostname' = '10.0.0.236', -- 数据库的 IP'port' = '5432', -- 数据库的访问端口'username' = 'root', -- 数据库访问使用的用户名（需要提供 REPLICATION 权限, 日志级别必须大于等于 logical, 且设置后需要重启实例）'password' = 'xxxxxxxxxxx', -- 数据库访问使用的密码'database-name' = 'postgres', -- 需要同步的数据库名'schema-name' = 'public', -- 需要同步的数据库模式 (Schema)'table-name' = 'test1' -- 需要同步的数据表名);
2. 创建 Sink
-- ClickHouse Sink (不完全支持upsert，详见说明文档)。配合 flink-connector-clickhouse 使用。CREATE TABLE clickhouse_sink (id INT,str_one VARCHAR,str_two VARCHAR,str_thr VARCHAR,PRIMARY KEY (id) NOT ENFORCED -- 如果要同步的数据库表定义了主键, 则这里也需要定义) WITH ('connector' = 'clickhouse', -- connector 类型为 clickhouse'url' = 'clickhouse://10.0.0.178:8123', -- 指定数据库链接 url'database-name' = 'default', -- 需要写入的 clickhouse 库名'table-name' = 'pg_to_ck', -- 需要写入的 clickhouse 表名'table.collapsing.field' = 'Sign' -- 采用 CollapsingMergeTree 引擎的 clickhouse 表，Collapsing 列字段的名称);
3. 编写业务 SQL
INSERT INTO clickhouse_sinkSELECTid,--INITCAP：将 str_one 中的单词转为大写开头，例如 INITCAP('i have a dream') 返回 'I Have A Dream'。INITCAP(str_one) AS str_one,--TO_BASE64：将 string 表示的字符串编码为 Base64 字符串。TO_BASE64(str_two) AS str_two,--REPLACE：将 string1 字符串中所有的 string2 替换为 string3。例如 REPLACE('banana', 'a', 'A') 返回 'bAnAnA'。REPLACE(str_thr,'Oceanus','Hello Oceanus') AS str_thrFROM PostgreSourceTable;
这里我们使用 Flink 1.13 集群，旧版 Flink 集群需选择相应的内置 Connector
总结
-
使用 Postgres-CDC 连接器：
-
用于同步的 Postgres 用户至少需要开启 REPLICATION、LOGIN、SCHEMA、DATABASE、SELECT 权限。可以进入 PostgreSQL 数据库进行授权操作。
CREATE ROLE debezium_user REPLICATION LOGIN;GRANT USAGE ON DATABASE database_name TO debezium_user;GRANT USAGE ON SCHEMA schema_name TO debezium_user;GRANT SELECT ON scheam_name.table_name, scheam_name.table_name TO debezium_user;
-
日志级别必须大于等于 logical, 且设置后需要重启实例。进入数据库实例，单击【参数设置】，单击【WAL】，修改【wal_level】的【参数运行值】为 "logical"。修改成功后点击右上角【重启】。
-
更多字符串操作函数请参考流计算 Oceanus 官方文档 字符串函数[8]。
参考链接
[1] 流计算 Oceanus 控制台：https://console.cloud.tencent.com/oceanus/overview
[2] 创建独享集群：https://cloud.tencent.com/document/product/849/48298
[3] PostgreSQL 控制台：https://console.cloud.tencent.com/postgres/index
[4] 创建 PostgreSQL 实例：https://cloud.tencent.com/document/product/409/56961
[5] 连接 PostgreSQL 实例：https://cloud.tencent.com/document/product/409/40429
[6] ClickHouse 控制台：https://console.cloud.tencent.com/cdwch?region=ap-guangzhou
[7] ClickHouse 快速入门：https://cloud.tencent.com/document/product/1299/49824
[8] 流计算 Oceanus 字符串函数：https://cloud.tencent.com/document/product/849/18073
关注“腾讯云大数据”公众号，技术交流、最新活动、服务专享一站 Get~
