flink Mysql CDC（动态加表）、postgresqlCDC 和 CDC无锁算法

flink 与cdc 版本使用搭配：

flink1.13.6 + flink mysql cdc 1.4.0
flink 1.16.0 + flink mysql cdc 2.3.0
flink 1.16.0 + flink mysql cdc 2.4.0
flink 1.16.0 + flink postgresql cdc 2.3.0

flink 1.13.6 + flink mysql cdc 2.3.0 : 没有报错，没有数据，估计是兼容有问题

flink cdc

参数说明

1、调整chunck大小 ： scan.incremental.snapshot.chunk.size
2、设置cdc模式：scan.startup.mode【initial（默认）、latest-offset】
3、支持chunk key 列设置，默认是第一个字段：scan.incremental.snapshot.chunk.key-column
官网：https://ververica.github.io/flink-cdc-connectors/master/content/connectors/postgres-cdc.html

原理分析

1、cdc mysql 全量快照阶段split sql ：SELECT * FROM cdc_db.tablename WHERE id >= ? AND NOT (id = ?) AND id <= ?;
备注：id 是主键id

（DBLog）无锁算法论文

链接地址：https://arxiv.org/pdf/2010.12597.pdf ， 对此算法感兴趣的可以看这位大佬的分享：https://zhuanlan.zhihu.com/p/600303844

论文部分摘要理解：

• 全量阶段：
  1、flink cdc 任务启动后按设置的chunk size切分数据，sql如下：
  （sql:SELECT * FROM cdc_db.tablename WHERE id >= ? AND NOT (id = ?) AND id <= ?; ）
  2、同时会启动读取binlog任务，读取chunk对应的binlog，通过binlog对 select chunk的数据做合并操作，此操作是合并在期间执行了update、delete操作，保证insert-only

• 增量阶段：
  1、不断追加数据
  
  

mysql cdc

cdc api 动态加表

1、启动任务，复制checkpoint路径
2、新增监听的表到tableList（可以使用同一个jar包，在外部传参动态加表）
3、从checkpoint初重启任务即可

flink cdc sql 性能压测

1、cdc mysql sink to kafka ：一个takmanager ， 4个slot , source 并发度4，sink kafka 并发度1 ，最高写入2.8W条/s

flink cdc api 性能压测

1、cdc mysql sink to kafka ：一个takmanager ， 4个slot , source 并发度4，sink kafka 并发度1 ，最高写入2.8W条/s

PostgreSqlCDC

执行更新语句，会出现 2 种情况

1、若更新字段包含（部分）主键字段，会先发送一条删除之前主键的记录。op = d , after = null ； 然后再发送一条新主键记录，op = c，且before = null 。
2、若仅更新非主键主键，只会发送一条记录，op = u , before = null。

主体代码如下：

        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        // 必须开启 checkpoint ，因为Flink Postgres CDC 只会在 checkpoint 完成的时候更新 Postgres slot 中的 LSN，否则磁盘使用率会一直很高
        env.enableCheckpointing(1000);

        //监听 postgresql wal 日志
        DebeziumSourceFunction<String> sourceFunction = PostgreSQLSource.<String>builder()
                .hostname(host)
                .port(port)
                .username(userName)
                .password(passWord)
                .database(dbName)
                .tableList(tableList)
                .deserializer(new JsonDebeziumDeserializationSchema())
                .slotName(slotName)
                .build();

        DataStreamSource<String> dataStreamSource = env.addSource(sourceFunction);
        dataStreamSource.print(">>>").setParallelism(1);

        env.execute();

cdc sink to kafka

AT_LEAST_ONCE 模型要配置 acks = 1

报错

mysql时区错误，The server time zone value ‘EDT’ is unrecognized or represents

登录mysql并查询当前时区：show variables like “%time_zone%”;
执行以下命令修改时区：

set global time_zone = '+8:00'; ##修改mysql全局时区为北京时间，即我们所在的东8区
set time_zone = '+8:00'; ##修改当前会话时区
flush privileges; #立即生效

java.lang.NoClassDefFoundError: io/debezium/connector/mysql/MySqlConnectorConfig

缺包，引入 debezium-connector-mysql-1.6.4.Final.jar包会报Could not initialize class io.debezium.connector.mysql.MySqlConnectorConfig，看 flink cdc 社区群反馈可能是

Cannot discover a connector using option: ‘connector’=‘mysql-cdc’

删除pom.xml文件flink-connector-mysql-cdc依赖报下的provided

Could not instantiate the executor. Make sure a planner module is on the classpath

包冲突原因。注释或删除jar：flink-table-planner-loader-1.16.0.jar

（source 算子 ）The TaskExecutor is shutting down.

加大心跳间隔时间，默认是30s，‘heartbeat.interval’ = ‘60s’