导读:
4月26日晚,ChunJun项目核心成员、袋鼠云数栈大数据引擎开发专家渡劫为大家带来分享《ChunJun支持异构数据源DDL转换与自动执行》,我们将直播精华部分做了整理,带大家再次回顾内容,加深技术细节的了解。
你能看到👇👇👇
▫ 数据还原介绍
▫ DDL自动转换架构设计
▫ Calcite解析DDL实战
直播课件获取:
关注公众号“数栈研习社”,后台私信“ChunJun01”获得直播课件
直播视频回看:
点击“阅读原文”,观看精彩视频
https://www.bilibili.com/video/BV1eR4y1P7AH?spm_id_from=333.999.0.0
演讲 / 渡劫
整理 / 花夏
数据还原介绍
ChunJun实时同步支持mysql oracle postgresql sqlserver等数据源实时同步,但是同步之后的数据是以日志形式输出,数据还原在此基础上做到源数据的变动在目标表也发生对应变动,包含DML以及DDL的操作都会在目标表中执行对应的操作,保证源表和目标表schema一致 数据一致。
目前ChunJun数据还原已经支持mysql到rdb类型数据源的数据还原,仅限于支持DML的还原,DDL的自动执行下一版本支持。
实时还原增加了两个主要模块:
源表和目标表的映射(database table column信息的映射)
与外部交互,完成DDL状态更新,DML数据重新下发
为了完成逻辑解耦,我们增加了2个flatMap 算子完成上述操作:
NameMappingFlatMap 根据映射关系对数据信息进行对应替换
RestorationFlatMap 对数据进行处理,对数据进行阻塞下发以及DDL状态监听
flatMap 算子介绍
接下来为大家介绍两个算子
01
NameMappingFlatMap
实时还原默认source端schema
table column
是和sink端一致的,但是在大多数情况下source和sink的映射并不是完全一致的,因此需要NameMappingFlatMap算子对source的schema
table column进行替换。NameMapping支持 schema table column的映射,其映射关系如下图所示:
图中映射关系代表源表schema为ChunJun_source下的source1这个表对应对应于目标端ChunJun_sink下的sink1,其中字段映射为 源表的C1字段对应目标id字段,C2字段对应目标name字段
在创建flink同步任务的时候,会判断脚本里是否配置了nameMapping的配置,如果没有配置则不会存在NameMappingFlatMap算子。
02
RestorationFlatMap
在数据还原中一定会涉及到DDL,但是目前sink端只支持DML的执行,因此在源表产生DDL之后的DML数据不能直接发给sink端执行,需要等到sink端对应的DDL执行完之后,DML才能重新下发。
因此RestorationFlatMap设计主要是为了解决
数据的下发
何时下发问题,何时下发就是下游sink的DDL执行完,但是这个sink端ddl的执行不是ChunJun完成的,ChunJun是无法得知完成时间的。因此RestorationFlatMap会和外部交互
获取这个DDL执行状态 从而判断DML数据何时下发。
结构设计
RestorationFlatMap内部会对每个表维护一个集合,DML&DDL数据都会存入此集合。集合会在非阻塞和阻塞状态间进行切换,同时内部会有两个组件分别为workerManager 以及 Monitor组件:
WorkerManager:监听非阻塞集合数据,如果是DML下发,如果是DDL则将队列置为阻塞状态
Monitor:将ddl存储到外部数据源 以及监听阻塞队列的ddl执行情况,进行阻塞到非阻塞的改变 store 监听阻塞状态队列的第一个ddl数据,将其存储到外部表 fetcher 监听外部表DDL数据的状态 如果为已执行,则将此表对应的集合阻塞状态改为非阻塞
外部表设计
ChunJun 目前支持DDL数据存储外部Mysql数据源在数据还原中会将DDL数据写入到外部数据源,第三方修改此DDL数据的status为2后,ChunJun会认为下游DDL已执行完毕
数据还原脚本示例
脚本示例主要分为nameMapping及restoration两部分,分别对应NameMappingFlatMap及RestorationFlatMap 算子参数。
注意reader的split需要设置为true。
数据还原存在问题
binlog支持DDL读取,logminer暂未支持 需要所有数据源支持DDL的读取
RestorationFlatMap会将数据存储在内存中,后续会进行外部持久化
checkpoint支持不足,RestorationFlatMap模块数据续跑后会丢失
当前数据源产生DDL场景和外部交互过多,后续增加DDL自动执行,达到DML&DDL都由chunjun完成,用户无感知
DDL自动转换架构设计
当前数据还原DDL执行依赖外部进行操作,ChunJun仅根据DDL数据状态进行DML数据下发,为了做到整条链路由ChunJun闭环完成,减少外部依赖以及运维成本,ChunJun进行DDL自动转换操作,将source的DDL语法转换为sink的DDL语法,因此就有了DDL自动转换模块的设计。
DDL自动转换解决下列问题:
当前ddl数据ChunJun下游不会自动执行
外部表存储的DDL数据状态是客户手动修改
主要结构设计:
将DDL自动转换逻辑放在NameMappingFlatMap中,NameMappingFlatMap执行数据转换。
DDL技术方案
数据还原自动转换功能主要是以下三部分:
1、解析DDL语句
源表DDL SQL 转为一个中间对象以及中间对象转为目标端DDL语句。
2、异常数据管理
如果自动转换时失败,抛出conventException后,由对应的异常管理器处理。
3、DDL数据状态自动修改
DDL SQL在下游执行完毕后,基于事件通知方式将中间表存储的DDL状态改为已完成。
DDL架构设计
由于DDL没有统一标准,每个数据源的DDL语法不同,因此需要按照每个数据源的DDL语法进行解析,并将其解析为一个中间数据,然后将这个中间数据转为目标类型数据源的DDL语句。
因此DDLConvent顶层接口会抽象出三个基本方法:
1、RowData转为中间数据
2、中间数据转为DdlSql
3、获取数据源类型
Calcite解析DDL实战
Calcite解析DDL实战基于代码层面做此次演示,就不在公众号上做具体演示回顾,各位社区小伙伴们可前往B站查看视频直播回顾。
B站直播回顾地址:
https://www.bilibili.com/video/BV1eR4y1P7AH?spm_id_from=333.999.0.0
结语
以上就是我们在数据还原上增加的DDL自动执行设计思路,我们规划将在上半年完成以上功能点,如果大家有好的想法也欢迎给我们提issue或者pr。
issue规范
在提交issue时须有对应脚本、提交模式、数据(非必要)、完整日志(重要的东西)等内容
pr提交规范
1、在pr里备注修复的issue
2、pr commit 模版[hotfix/feat/docs-#issueID][#fix-module] #fix-commit(尽量使用英文,内容描述清楚)
3、修改内容尽量保持与issue内容一致,如果出现无关修改,在pr中备注出来;
社区文档中心
同时为了帮助社区伙伴更好的了解和使用ChunJun,我们上线了社区文档中心,欢迎大家使用。