Binlog Load提供了一种使Doris增量同步用户在Mysql数据库的对数据更新操作的CDC(Change Data Capture)功能，使用户更方面的完成Mysql数据的导入
注意：
该功能需要在0.15及以后的版本里使用
1. 安装配置 Mysql
- 安装Mysql
快速使用Docker安装配置Mysql，具体参照下面的连接
如果是在物理机上安装可以参考下面的连接：
- 开启Mysql binlog
进入 Docker 容器或者物理机上修改/etc/my.cnf 文件，在 [mysqld] 下面添加以下内容，
log_bin=mysql_bin binlog-format=Row server-id=1
然后重启Mysql
systemctl restart mysqld
- 创建 Mysql 表
create database demo; CREATE TABLE `test_cdc` ( `id` int NOT NULL AUTO_INCREMENT, `sex` TINYINT(1) DEFAULT NULL, `name` varchar(20) DEFAULT NULL, `address` varchar(255) DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB
2. 安装配置Canal
- 解压Canal到指定目录：
tar zxvf canal.deployer-1.1.5.tar.gz -C ./canal
- 在conf文件夹下新建目录并重命名，作为instance的根目录，目录名你可以自己命名便于识别即可
例如我这里的命名是和我的数据库库名一致：demo
vi conf/demo/instance.properties
下面给出的是一个我的示例配置: 这里面的参数说明请参考Canal官方文档：[QuickStart](https://github.com/alibaba/canal/wiki/QuickStart)
################################################# ## mysql serverId , v1.0.26+ will autoGen canal.instance.mysql.slaveId=12115 # enable gtid use true/false canal.instance.gtidon=false # position info canal.instance.master.address=10.220.146.11:3306 canal.instance.master.journal.name= canal.instance.master.position= canal.instance.master.timestamp= canal.instance.master.gtid= # rds oss binlog canal.instance.rds.accesskey= canal.instance.rds.secretkey= canal.instance.rds.instanceId= # table meta tsdb info canal.instance.tsdb.enable=true #canal.instance.tsdb.url=jdbc:mysql://127.0.0.1:3306/canal_tsdb #canal.instance.tsdb.dbUsername=canal #canal.instance.tsdb.dbPassword=canal #canal.instance.standby.address = #canal.instance.standby.journal.name = #canal.instance.standby.position = #canal.instance.standby.timestamp = #canal.instance.standby.gtid= # username/password canal.instance.dbUsername=zhangfeng canal.instance.dbPassword=zhangfeng800729)(*Q canal.instance.connectionCharset = UTF-8 # enable druid Decrypt database password canal.instance.enableDruid=false #canal.instance.pwdPublicKey=MFwwDQYJKoZIhvcNAQEBBQADSwAwSAJBALK4BUxdDltRRE5/zXpVEVPUgunvscYFtEip3pmLlhrWpacX7y7GCMo2/JM6LeHmiiNdH1FWgGCpUfircSwlWKUCAwEAAQ== # table regex canal.instance.filter.regex=demo\\..* # table black regex canal.instance.filter.black.regex= # table field filter(format: schema1.tableName1:field1/field2,schema2.tableName2:field1/field2) #canal.instance.filter.field=test1.t_product:id/subject/keywords,test2.t_company:id/name/contact/ch # table field black filter(format: schema1.tableName1:field1/field2,schema2.tableName2:field1/field2) #canal.instance.filter.black.field=test1.t_product:subject/product_image,test2.t_company:id/name/contact/ch # mq config #canal.mq.topic= # dynamic topic route by schema or table regex #canal.mq.dynamicTopic=mytest1.user,mytest2\\..*,.*\\..* #canal.mq.partition=0 # hash partition config #canal.mq.partitionsNum=3 #canal.mq.partitionHash=test.table:id^name,.*\\..* #################################################
- 启动Canal
sh bin/startup.sh
注意：canal instance user/passwd
1.1.5 版本，在canal.properties里加上这两个配置
canal.user = canal canal.passwd = E3619321C1A937C46A0D8BD1DAC39F93B27D4458
默认密码为canal/canal，canal.passwd的密码值可以通过select password("xxx") 来获取
- 验证是否启动成功
tail -200f logs/demo/demo.log
image-20211110145044815.png
3.开始同步数据
3.1 创建Doris目标表
用户需要先在Doris端创建好与Mysql端对应的目标表
Binlog Load只能支持Unique类型的目标表，且必须激活目标表的Batch Delete功能。
开启Batch Delete的方法可以参考help alter table中的批量删除功能。
CREATE TABLE `doris_mysql_binlog_demo` ( `id` int NOT NULL, `sex` TINYINT(1), `name` varchar(20), `address` varchar(255) ) ENGINE=OLAP UNIQUE KEY(`id`,sex) COMMENT "OLAP" DISTRIBUTED BY HASH(`sex`) BUCKETS 1 PROPERTIES ( "replication_allocation" = "tag.location.default: 3", "in_memory" = "false", "storage_format" = "V2" ); -- enable batch delete ALTER TABLE test_2.doris_mysql_binlog_demo ENABLE FEATURE "BATCH_DELETE";
3.1 创建同步作业
3.1.1 Create Sync Job 语法说明
Name: 'CREATE SYNC JOB' Description:
数据同步(Sync Job)功能，支持用户提交一个常驻的数据同步作业，通过从指定的远端地址读取Binlog日志，增量同步用户在Mysql数据库的对数据更新操作的CDC(Change Data Capture)功能。 目前数据同步作业只支持对接Canal，从Canal Server上获取解析好的Binlog数据，导入到Doris内。 用户可通过 SHOW SYNC JOB 查看数据同步作业状态。 语法：
CREATE SYNC [db.]job_name ( channel_desc, channel_desc ... ) binlog_desc
job_name
同步作业名称，是作业在当前数据库内的唯一标识，相同job_name的作业只能有一个在运行。
channel_desc
作业下的数据通道，用来描述mysql源表到doris目标表的映射关系。
语法：
FROM mysql_db.src_tbl INTO des_tbl [partitions] [columns_mapping]
1. `mysql_db.src_tbl` 指定mysql端的数据库和源表。 2. `des_tbl` 指定doris端的目标表，只支持Unique表，且需开启表的batch delete功能(开启方法请看help alter table的'批量删除功能')。 3. `partitions` 指定导入目的表的哪些 partition 中。如果不指定，则会自动导入到对应的 partition 中。
示例：
PARTITION(p1, p2, p3)
4. `column_mapping` 指定mysql源表和doris目标表的列之间的映射关系。如果不指定，FE会默认源表和目标表的列按顺序一一对应。
不支持 col_name = expr 的形式表示列。
示例：
假设目标表列为(k1, k2, v1)， 改变列k1和k2的顺序 COLUMNS(k2, k1, v1) 忽略源数据的第四列 COLUMNS(k2, k1, v1, dummy_column)</pre>
binlog_desc
用来描述远端数据源，目前仅支持canal一种。
语法：
FROM BINLOG ( "key1" = "value1", "key2" = "value2" )
- Canal 数据源对应的属性，以
canal.为前缀
- canal.server.ip: canal server的地址
- canal.server.port: canal server的端口
- canal.destination: instance的标识
- canal.batchSize: 获取的batch大小的最大值，默认8192
- canal.username: instance的用户名
- canal.password: instance的密码
- canal.debug: 可选，设置为true时，会将batch和每一行数据的详细信息都打印出来 Examples:
- 简单为
test_db的test_tbl创建一个名为job1的数据同步作业，连接本地的Canal服务器，对应Mysql源表mysql_db1.tbl1。
CREATE SYNC `test_db`.`job1` ( FROM `mysql_db1`.`tbl1` INTO `test_tbl ` ) FROM BINLOG ( "type" = "canal", "canal.server.ip" = "127.0.0.1", "canal.server.port" = "11111", "canal.destination" = "example", "canal.username" = "", "canal.password" = "" );
- 为
test_db的多张表创建一个名为job1的数据同步作业，一一对应多张Mysql源表，并显式的指定列映射。
CREATE SYNC `test_db`.`job1` ( FROM `mysql_db`.`t1` INTO `test1` COLUMNS(k1, k2, v1) PARTITIONS (p1, p2), FROM `mysql_db`.`t2` INTO `test2` COLUMNS(k3, k4, v2) PARTITION p1 ) FROM BINLOG ( "type" = "canal", "canal.server.ip" = "xx.xxx.xxx.xx", "canal.server.port" = "12111", "canal.destination" = "example", "canal.username" = "username", "canal.password" = "password" );
3.1.2 开始同步mysql表里数据到Doris
注意：
创建同步任务之前，首先要在fe.conf里配置enable_create_sync_job=true，这个默认是false不启用，否则就不能创建同步任务
CREATE SYNC test_2.doris_mysql_binlog_demo_job ( FROM demo.test_cdc INTO doris_mysql_binlog_demo ) FROM BINLOG ( "type" = "canal", "canal.server.ip" = "10.220.146.10", "canal.server.port" = "11111", "canal.destination" = "demo", "canal.username" = "canal", "canal.password" = "canal" );
3.1.3 查看同步任务
SHOW SYNC JOB from test_2;
3.1.4 查看表里的数据
select * from doris_mysql_binlog_demo;
3.1.5 删除数据
我们在Mysql 数据表里删除数据，然后看Doris表里的变化
delete from test_cdc where id in (12,13)
我们在去看Doris表里，id是12,13这两条数据已经被删除
3.1.6 多表同步
多表同步只需要像下面这样写法就可以了
CREATE SYNC test_2.doris_mysql_binlog_demo_job ( FROM demo.test_cdc INTO doris_mysql_binlog_demo, FROM demo.test_cdc_1 INTO doris_mysql_binlog_demo, FROM demo.test_cdc_2 INTO doris_mysql_binlog_demo, FROM demo.test_cdc_3 INTO doris_mysql_binlog_demo )
