ClickHouse 的 MaterializeMySQL 实现Mysql复制

众所周知，MySQL 的用户群体很大，但是MySQL和ClickHouse是两个完全不一样的数据库，为了能够增强数据的实时性，很多解决方案会利用 binlog 将数据写入到 ClickHouse。

ClickHouse在2020下半年新增了一个名为 MaterializeMySQL 的 database 引擎，该 database 能映射到 MySQL 中的某个 database，并自动在 ClickHouse 中创建对应的 ReplacingMergeTree，实现了将ClickHouse作为MySQL的从库。

MaterializeMySQL 支持全量和增量同步，首次创建数据库引擎时进行一次全量复制，之后通过监控binlog变化进行增量数据同步；该引擎支持mysql 5.6/5.7/8.0版本数据库，兼容insert，update，delete，alter，create，drop，truncate等大部分DDL操作。

MaterializeMySQL实现流程：

• MaterializeMySQL支持数据库级别的复制。
• 当在Clickhouse中创建库级别复制后，clickhouse通过我们指定的数据库账号通过TCP/IP连接到数据，对数据库执行Flush table with read lock 并获取相关的binlog、表结构元数据信息；元数据复制完毕后释放全局只读锁，并开始通过select * from table_name开始复制表数据信息。
• 对于后续的增量数据的同步，MaterializeMySQL通过对binlog event的解析来实现的实时同步
• 对于DDL操作，MaterializeMySQL默认将MySQL表数据的主键作为CK表的排序键和分区键，但是由于Clickhouse与MySQL的数据定义有区别，DDL语句也会进行相应的转换
• 对于Update/Delete操作，MaterializeMySQL引入version的隐藏字段，用来做版本控制，并结合sign字段标记数据的有效性

目前 MaterializeMySQL 支持如下几种 binlog 事件:

1. MYSQL_QUERY_EVENT　　　　-- DDL
2. MYSQL_WRITE_ROWS_EVENT　-- insert
3. MYSQL_UPDATE_ROWS_EVENT -- update
4. MYSQL_DELETE_ROWS_EVENT -- delete

事务提交后，MySQL 将执行过的 SQL 处理 BinLog Event，并持久化到 BinLog 文件

ClickHouse通过消费BinLog达到数据同步，过程中主要考虑３个方面问题：

1. DDL兼容：由于ClickHouse和MySQL的数据类型定义有区别，DDL语句需要做相应转换
2. Delete/Update 支持：引入_version字段，控制版本信息
3. Query 过滤：引入_sign字段，标记数据有效性

确保 MySQL 开启了 binlog 和gtid功能，且格式为 ROW

log-bin=mysql-bin
gtid_mode=ON
enforce-gtid-consistency=1  # 设置为主从强一致性
binlog_format=ROW

--Mysql
创建数据库and数据表，
CREATE DATABASE test_binlog;

--table1
CREATE TABLE `t_organization` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `code` int NOT NULL,
  `name` text DEFAULT NULL,
  `updatetime` datetime DEFAULT NULL,
  PRIMARY KEY (`id`),
  UNIQUE KEY (`code`)
) ENGINE=InnoDB;


INSERT INTO t_organization (code, name,updatetime) VALUES(1000,'Realinsight',NOW());
INSERT INTO t_organization (code, name,updatetime) VALUES(1001,'Realindex',NOW());
INSERT INTO t_organization (code, name,updatetime) VALUES(1002,'EDT',NOW());

--table2
CREATE TABLE `t_user` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `code` int,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB;

INSERT INTO t_test (code) VALUES(1);

--ClickHouse
CREATE DATABASE test_binlog ENGINE = MaterializeMySQL('127.0.0.1:3306','test_binlog','dr','123');
//其中 4 个参数分别是 MySQL地址、databse、username 和 password。

注意：使用MaterialzeMySQL引擎的话，需要开启参数，该参数默认为不开启，每次重新进入client都需要重新开启

set allow_experimental_database_materialize_mysql=1 ;

否则会报错：

复制通道创建之后，我们去观察一下clickhouse日志：

可以看到，ClickHouse dump 出了 MySQL 的表结构，并将其转换成了 ReplacingMergeTree。
在这个过程中，不仅各字段的数据类型进行了映射，还多出了 _sign 和 _version 两个字段。

MySQL 表的 PRIMARY KEY 作为了 ReplacingMergeTree 的 PARTITION BY，
MySQL 表的 PRIMARY KEY 同时也作为了 ReplacingMergeTree 的 ORDER BY，如果 MySQL 表中还有 UNIQUE KEY (此例中的 code 字段)，它也会一同被加入到 ORDER BY。

现在我们查询 ClickHouse 的 test_binlog 数据库

MySQL 的表已经被同步过来了，接着试试查询数据

接下来进一步测试 binlog 的同步功能。
在Mysql中update数据，并查看：

查看 ClickHouse 日志会发现 binlog 监听事件:

在ClickHouse查看数据,id=1的数据也被修改了。

现在再次回到 MySQL，尝试删除数据:

同样的，查看binlog日志，同样会发现 DeleteRows 的 binlog 监听事件:：

再去ClickHouse中查看数据：

在刚才的查询中增加 _sign 和 _version 虚拟字段，就很容易理解了。

在查询时，对于Update操作Clickhouse的做法其实是自动重写 SQL，将变更后的记录进行写入，并标记sign=1,version=++；并为其增加 FINAL 修饰符。

对于已经被删除的数据，可以发现更新前数据其实并没有进行物理删除，而是新增一行需要删除的行记录数据，并标记_sign=-1、_version=++，查询时将 _sign = -1 的数据过滤掉；所以目前在ReplacingMergeTree 中被删除的数据只是被过滤掉了，并没有物理删除。

select * from t_organization
等同于
select * from t_organization final where _sign = 1 

最后

以上就是缓慢悟空为你收集整理的ClickHouse 的 MaterializeMySQLClickHouse 的 MaterializeMySQL 实现Mysql复制的全部内容，希望文章能够帮你解决ClickHouse 的 MaterializeMySQLClickHouse 的 MaterializeMySQL 实现Mysql复制所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。