SpringBoot集成Flink-CDC，实现对数据库数据的监听

一、什么是 CDC ？

  CDC 是 Change Data Capture（变更数据获取） 的简称。 核心思想是，监测并捕获数据库的变动（包括数据或数据表的插入、 更新以及删除等），将这些变更按发生的顺序完整记录下来，写入到消息中间件中以供其他服务进行订阅及消费。

二、Flink-CDC 是什么？

CDC Connectors for Apache Flink是一组用于Apache Flink 的源连接器，使用变更数据捕获 (CDC) 从不同数据库获取变更。用于 Apache Flink 的 CDC 连接器将 Debezium 集成为捕获数据更改的引擎。所以它可以充分发挥 Debezium 的能力。

大概意思就是，Flink 社区开发了 flink-cdc-connectors 组件，这是一个可以直接从 MySQL、 PostgreSQL等数据库直接读取全量数据和增量变更数据的 source 组件。

Flink-CDC 开源地址： Apache/Flink-CDC

Flink-CDC 中文文档：Apache Flink CDC | Apache Flink CDC

三、SpringBoot 整合 Flink-CDC

3.1、如何集成到SpringBoot中？

Flink 作业通常独立于一般的服务之外，专门编写代码，用 Flink 命令行工具来运行和停止。将Flink 作业集成到 Spring Boot 应用中并不常见，而且一般也不建议这样做，因为Flink作业一般运行在大数据环境中。

然而，在特殊需求下，我们可以做一些改变使 Flink 应用适应 Spring Boot 环境，比如在你的场景中使用 Flink CDC 进行 数据变更捕获。将 Flink 作业以本地项目的方式启动，集成在 Spring Boot应用中，可以使用到 Spring 的便利性。

• CommandLineRunner
• ApplicationRunner

  3.2、集成举例

  1、CommandLineRunner

  @SpringBootApplicationpublic class MyApp {  public static void main(String[] args) {    SpringApplication.run(MyApp.class, args);  }  @Bean  public CommandLineRunner commandLineRunner(ApplicationContext ctx) {    return args -> {      StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();      DebeziumSourceFunction sourceFunction = MySqlSource.builder()              .hostname("localhost")              .port(3306)              .username("flinkuser")              .password("flinkpw")              .databaseList("mydb") // monitor all tables under "mydb" database              .tableList("mydb.table1", "mydb.table2") // monitor only "table1" and "table2" under "mydb" database              .deserializer(new StringDebeziumDeserializationSchema()) // converts SourceRecord to String              .build();      DataStreamSource mysqlSource = env.addSource(sourceFunction);            // formulate processing logic here, e.g., printing to standard output      mysqlSource.print();      // execute the Flink job within the Spring Boot application      env.execute("Flink CDC");    };  }}

  2、ApplicationRunner

  @SpringBootApplicationpublic class FlinkCDCApplication implements ApplicationRunner {    public static void main(String[] args) {        SpringApplication.run(FlinkCDCApplication.class, args);    }    @Override    public void run(ApplicationArguments args) throws Exception {        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();        // Configure your Flink job here        DebeziumSourceFunction sourceFunction = MySqlSource.builder()                .hostname("localhost")                .port(3306)                .username("flinkuser")                .password("flinkpw")                .databaseList("mydb")                // set other source options ...                .deserializer(new StringDebeziumDeserializationSchema()) // Converts SourceRecord to String                .build();        DataStream cdcStream = env.addSource(sourceFunction);        // Implement your processing logic here        // For example:        cdcStream.print();        // Start the Flink job within the Spring Boot application        env.execute("Flink CDC with Spring Boot");    }}

  这次用例采用 ApplicationRunner，不过要改变一下，让 Flink CDC 作为 Bean 来实现。

  四、功能实现

  4.1、功能逻辑

  总体来讲，不太想把 Flink CDC单独拉出来，更想让它依托于一个服务上，彻底当成一个组件。

  其中在生产者中，我们将要进行实现:

  4.2、所需环境

  • MySQL 5.7 +：确保源数据库已经开启  Binlog 日志功能，并且设置 Row 格式
  • Spring Boot 2.7.6：还是不要轻易使用 3.0 以上为好，有好多jar没有适配
  • RabbitMQ：适配即可
  • Flink CDC：特别注意版本

    4.3、Flink CDC POM依赖

    1.13.6   org.apache.flink   flink-clients_2.12   ${flink.version}      org.apache.flink   flink-java   ${flink.version}   org.apache.flink   flink-streaming-java_2.12   ${flink.version}   com.ververica   flink-connector-mysql-cdc   2.0.0   org.projectlombok   lombok   1.18.10   cn.hutool   hutool-all   5.8.5    org.apache.commons    commons-lang3    3.10   com.alibaba   fastjson   2.0.42

    上面是一些Flink CDC必须的依赖，当然如果需要实现其他数据库，可以替换其他数据库的CDC jar。怎么安排jar包的位置和其余需要的jar，这个可自行调整。

    4.4、代码展示

    核心类

    • MysqlEventListener：配置类
    • MysqlDeserialization：MySQL消息读取自定义序列化
    • DataChangeInfo：封装的变更对象
    • DataChangeSink：继承一个Flink提供的抽象类，用于定义数据的输出或“下沉”逻辑，sink 是Flink处理流的最后阶段，通常用于将数据写入外部系统，如数据库、文件系统、消息队列等

      （1）通过 ApplicationRunner 接入 SpringBoot

      @Componentpublic class MysqlEventListener implements ApplicationRunner {    private final DataChangeSink dataChangeSink;    public MysqlEventListener(DataChangeSink dataChangeSink) {        this.dataChangeSink = dataChangeSink;    }    @Override    public void run(ApplicationArguments args) throws Exception {        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();        env.setParallelism(1);        DebeziumSourceFunction dataChangeInfoMySqlSource = buildDataChangeSourceRemote();        DataStream streamSource = env                .addSource(dataChangeInfoMySqlSource, "mysql-source")                .setParallelism(1);        streamSource.addSink(dataChangeSink);        env.execute("mysql-stream-cdc");    }    private DebeziumSourceFunction buildDataChangeSourceLocal() {        return MySqlSource.builder()                .hostname("127.0.0.1")                .port(3306)                .username("root")                .password("0507")                .databaseList("flink-cdc-producer")                .tableList("flink-cdc-producer.producer_content", "flink-cdc-producer.name_content")                /*                 * initial初始化快照,即全量导入后增量导入(检测更新数据写入)                 * latest:只进行增量导入(不读取历史变化)                 * timestamp:指定时间戳进行数据导入(大于等于指定时间错读取数据)                 */                .startupOptions(StartupOptions.latest())                .deserializer(new MysqlDeserialization())                .serverTimeZone("GMT+8")                .build();    }}

      （2）自定义 MySQL 消息读取序列化

      public class MysqlDeserialization implements DebeziumDeserializationSchema {    public static final String TS_MS = "ts_ms";    public static final String BIN_FILE = "file";    public static final String POS = "pos";    public static final String CREATE = "CREATE";    public static final String BEFORE = "before";    public static final String AFTER = "after";    public static final String SOURCE = "source";    public static final String UPDATE = "UPDATE";    /**     * 反序列化数据,转为变更JSON对象     */    @Override    public void deserialize(SourceRecord sourceRecord, Collector collector) {        String topic = sourceRecord.topic();        String[] fields = topic.split("\.");        String database = fields[1];        String tableName = fields[2];        Struct struct = (Struct) sourceRecord.value();        final Struct source = struct.getStruct(SOURCE);        DataChangeInfo dataChangeInfo = new DataChangeInfo();        dataChangeInfo.setBeforeData(getJsonObject(struct, BEFORE).toJSONString());        dataChangeInfo.setAfterData(getJsonObject(struct, AFTER).toJSONString());        //5.获取操作类型  CREATE UPDATE DELETE        Envelope.Operation operation = Envelope.operationFor(sourceRecord);//        String type = operation.toString().toUpperCase();//        int eventType = type.equals(CREATE) ? 1 : UPDATE.equals(type) ? 2 : 3;        dataChangeInfo.setEventType(operation.name());        dataChangeInfo.setFileName(Optional.ofNullable(source.get(BIN_FILE)).map(Object::toString).orElse(""));        dataChangeInfo.setFilePos(Optional.ofNullable(source.get(POS)).map(x -> Integer.parseInt(x.toString())).orElse(0));        dataChangeInfo.setDatabase(database);        dataChangeInfo.setTableName(tableName);        dataChangeInfo.setChangeTime(Optional.ofNullable(struct.get(TS_MS)).map(x -> Long.parseLong(x.toString())).orElseGet(System::currentTimeMillis));        //7.输出数据        collector.collect(dataChangeInfo);    }    private Struct getStruct(Struct value, String fieldElement) {        return value.getStruct(fieldElement);    }    /**     * 从元数据获取出变更之前或之后的数据     */    private JSONObject getJsonObject(Struct value, String fieldElement) {        Struct element = value.getStruct(fieldElement);        JSONObject jsonObject = new JSONObject();        if (element != null) {            Schema afterSchema = element.schema();            List fieldList = afterSchema.fields();            for (Field field : fieldList) {                Object afterValue = element.get(field);                jsonObject.put(field.name(), afterValue);            }        }        return jsonObject;    }    @Override    public TypeInformation getProducedType() {        return TypeInformation.of(DataChangeInfo.class);    }}

      （3）封装的变更对象

      @Datapublic class DataChangeInfo implements Serializable {    /**     * 变更前数据     */    private String beforeData;    /**     * 变更后数据     */    private String afterData;    /**     * 变更类型 1新增 2修改 3删除     */    private String eventType;    /**     * binlog文件名     */    private String fileName;    /**     * binlog当前读取点位     */    private Integer filePos;    /**     * 数据库名     */    private String database;    /**     * 表名     */    private String tableName;    /**     * 变更时间     */    private Long changeTime;}

      这里的 beforeData 、afterData直接存储 Struct 不好吗，还得费劲去来回转？

      我曾尝试过使用 Struct 存放在对象中，但是无法进行序列化。具体原因可以网上搜索，或者自己尝试一下。

      （4）定义 Flink 的 Sink

      @Component@Slf4jpublic class DataChangeSink extends RichSinkFunction {    transient RabbitTemplate rabbitTemplate;    transient ConfirmService confirmService;    transient TableDataConvertService tableDataConvertService;    @Override    public void invoke(DataChangeInfo value, Context context) {        log.info("收到变更原始数据:{}", value);        //转换后发送到对应的MQ        if (MIGRATION_TABLE_CACHE.containsKey(value.getTableName())) {            String routingKey = MIGRATION_TABLE_CACHE.get(value.getTableName());            //可根据需要自行进行confirmService的设计            rabbitTemplate.setReturnsCallback(confirmService);            rabbitTemplate.setConfirmCallback(confirmService);            rabbitTemplate.convertAndSend(EXCHANGE_NAME, routingKey, tableDataConvertService.convertSqlByDataChangeInfo(value));        }    }    /**     * 在启动SpringBoot项目是加载了Spring容器，其他地方可以使用@Autowired获取Spring容器中的类；但是Flink启动的项目中，     * 默认启动了多线程执行相关代码，导致在其他线程无法获取Spring容器，只有在Spring所在的线程才能使用@Autowired，     * 故在Flink自定义的Sink的open()方法中初始化Spring容器     */    @Override    public void open(Configuration parameters) throws Exception {        super.open(parameters);        this.rabbitTemplate = ApplicationContextUtil.getBean(RabbitTemplate.class);        this.confirmService = ApplicationContextUtil.getBean(ConfirmService.class);        this.tableDataConvertService = ApplicationContextUtil.getBean(TableDataConvertService.class);    }}

      （5）数据转换类接口和实现类

      public interface TableDataConvertService {    String convertSqlByDataChangeInfo(DataChangeInfo dataChangeInfo);}

      @Servicepublic class TableDataConvertServiceImpl implements TableDataConvertService {    @Autowired    Map sqlGeneratorServiceMap;    @Override    public String convertSqlByDataChangeInfo(DataChangeInfo dataChangeInfo) {        SqlGeneratorService sqlGeneratorService = sqlGeneratorServiceMap.get(dataChangeInfo.getEventType());        return sqlGeneratorService.generatorSql(dataChangeInfo);    }}

      因为在 dataChangeInfo 中我们有封装对象的类型（CREATE、DELETE、UPDATE），所以我希望通过不同类来进行不同的工作。于是就有了下面的类结构：

      根据 dataChangeInfo 的类型去生成对应的 SqlGeneratorServiceImpl。

      这是策略模式还是模板方法？

      策略模式（Strategy Pattern）允许在运行时选择算法的行为。在策略模式中，定义了一系列的算法（策略），并将每一个算法封装起来，使它们可以相互替换。策略模式允许算法独立于使用它的客户端进行变化。

      InsertSqlGeneratorServiceImpl、UpdateSqlGeneratorServiceImpl 和 DeleteSqlGeneratorServiceImpl 各自实现了 SqlGeneratorService 接口，这确实表明了一种策略。每一个实现类表示一个特定的SQL生成策略，并且可以相互替换，只要它们遵守同一个接口。

      模板方法模式（Template Method Pattern），则侧重于在抽象类中定义算法的框架，让子类实现算法的某些步骤而不改变算法的结构。AbstractSqlGenerator 作为抽象类的存在是为了被继承，但如果它不含有模板方法（即没有定义算法骨架的方法），那它就不符合模板方法模式。

      在实际应用中，一个设计可能同时结合了多个设计模式，或者在某些情况下，一种设计模式的实现可能看起来与另一种模式类似。在这种情况下，若 AbstractSqlGenerator 提供了更多的共享代码或默认实现表现出框架角色，那么它可能更接近模板方法。而如果 AbstractSqlGenerator 仅仅作为一种接口实现方式，且策略之间可以相互替换，那么这确实更符合策略模式。

      值得注意的是，在 TableDataConvertServiceImpl 中，我们注入了一个 Map sqlGeneratorServiceMap，通过它来进行具体实现类的获取。那么他是个什么东西呢？作用是什么呢？为什么可以通过它来获取呢？

      @Resource、@Autowired 标注作用于 Map 类型时，如果 Map 的 key 为 String 类型，则 Spring 会将容器中所有类型符合 Map 的 value 对应的类型的 Bean 增加进来，用 Bean 的 id 或 name 作为 Map 的 key。

      那么可以看到下面第六步，在进行DeleteSqlGeneratorServiceImpl装配的时候进行指定了名字@Service("DELETE")，方便通过dataChangeInfo获取。

      （6）转换类部分代码

      public interface SqlGeneratorService {    String generatorSql(DataChangeInfo dataChangeInfo);}public abstract class AbstractSqlGenerator implements SqlGeneratorService {    @Override    public String generatorSql(DataChangeInfo dataChangeInfo) {        return null;    }     public String quoteIdentifier(String identifier) {        // 对字段名进行转义处理，这里简化为对其加反引号        // 实际应该处理数据库标识符的特殊字符        return "`" + identifier + "`";    }}

      @Service("DELETE")@Slf4jpublic class DeleteSqlGeneratorServiceImpl extends AbstractSqlGenerator {    @Override    public String generatorSql(DataChangeInfo dataChangeInfo) {        String beforeData = dataChangeInfo.getBeforeData();        Map beforeDataMap = JSONObjectUtils.JsonToMap(beforeData);        StringBuilder wherePart = new StringBuilder();        for (String key : beforeDataMap.keySet()) {            Object beforeValue = beforeDataMap.get(key);            if ("create_time".equals(key)){                SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");                beforeValue = dateFormat.format(beforeValue);            }            if (wherePart.length() > 0) {                // 不是第一个更改的字段，增加逗号分隔                wherePart.append(", ");            }            wherePart.append(quoteIdentifier(key)).append(" = ").append(formatValue(beforeValue));        }        log.info("wherePart : {}", wherePart);        return "DELETE FROM " + dataChangeInfo.getTableName() + " WHERE " + wherePart;    }}

      核心代码如上所示，具体实现可自行设计。

      五、源码获取

      Github：incremental-sync-flink-cdc