数据库
首页 > 数据库> > 腾讯大牛教你ClickHouse实时同步MySQL数据

腾讯大牛教你ClickHouse实时同步MySQL数据

作者:互联网

ClickHouse作为OLAP分析引擎已经被广泛使用,数据的导入导出是用户面临的第一个问题。由于ClickHouse本身无法很好地支持单条大批量的写入,因此在实时同步数据方面需要借助其他服务协助。本文给出一种结合Canal+Kafka的方案,并且给出在多个MySQL实例分库分表的场景下,如何将多张MySQL数据表写入同一张ClickHouse表的方法,欢迎大家批评指正。

首先来看看我们的需求背景:

1. 实时同步多个MySQL实例数据到ClickHouse,每天规模500G,记录数目亿级别,可以接受分钟级别的同步延迟;

2. 某些数据库表存在分库分表的操作,用户需要跨MySQL实例跨数据库的表同步到ClickHouse的一张表中;

3. 现有的MySQL binlog开源组件(Canal),无法做到多张源数据表到一张目的表的映射关系。

基本原理

一、使用JDBC方式同步

1. 使用Canal组件完成binlog的解析和数据同步;

2. Canal-Server进程会伪装成MySQL的slave,使用MySQL的binlog同步协议完成数据同步;

3. Canal-Adapter进程负责从canal-server获取解析后的binlog,并且通过jdbc接口写入到ClickHouse;

优点:

1. Canal组件原生支持; 

缺点:

1. Canal-Adpater写入时源表和目的表一一对应,灵活性不足;

2. 需要维护两个Canal组件进程;

二、Kafka+ClickHouse物化视图方式同步

1. Canal-Server完成binlog的解析,并且将解析后的json写入Kafka;

2. Canal-Server可以根据正则表达式过滤数据库和表名,并且根据规则写入Kafka的topic;

3. ClickHouse使用KafkaEngine和Materialized View完成消息消费,并写入本地表;

优点:

1. Kafka支持水平扩展,可以根据数据规模调整partition数目;

2. Kafka引入后将写入请求合并,防止ClickHouse生成大量的小文件,从而影响查询性能;

3. Canal-Server支持规则过滤,可以灵活配置上游的MySQL实例的数据库名和表名,并且指明写入的Kafka topic名称;

缺点:

1. 需要维护Kafka和配置规则;

2. ClickHouse需要新建相关的视图、Kafka Engine的外表等;

标签:Canal,同步,写入,Kafka,大牛教,MySQL,ClickHouse
来源: https://www.cnblogs.com/linwenbin/p/15186541.html