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
@SpringBootApplication
public class MyApp {public static void main(String[] args) {SpringApplication.run(MyApp.class, args);}@Beanpublic CommandLineRunner commandLineRunner(ApplicationContext ctx) {return args -> {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();DebeziumSourceFunction<String> sourceFunction = MySqlSource.<String>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<String> mysqlSource = env.addSource(sourceFunction);// formulate processing logic here, e.g., printing to standard outputmysqlSource.print();// execute the Flink job within the Spring Boot applicationenv.execute("Flink CDC");};}
}
2、ApplicationRunner
@SpringBootApplication
public class FlinkCDCApplication implements ApplicationRunner {public static void main(String[] args) {SpringApplication.run(FlinkCDCApplication.class, args);}@Overridepublic void run(ApplicationArguments args) throws Exception {final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();// Configure your Flink job hereDebeziumSourceFunction<String> sourceFunction = MySqlSource.<String>builder().hostname("localhost").port(3306).username("flinkuser").password("flinkpw").databaseList("mydb")// set other source options ....deserializer(new StringDebeziumDeserializationSchema()) // Converts SourceRecord to String.build();DataStream<String> cdcStream = env.addSource(sourceFunction);// Implement your processing logic here// For example:cdcStream.print();// Start the Flink job within the Spring Boot applicationenv.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 Boot2.7.6：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
<flink.version>1.13.6</flink.version><dependency><groupId>org.apache.flink</groupId><artifactId>flink-clients_2.12</artifactId><version>${flink.version}</version>
</dependency><dependency><groupId>org.apache.flink</groupId><artifactId>flink-java</artifactId><version>${flink.version}</version>
</dependency>
<dependency><groupId>org.apache.flink</groupId><artifactId>flink-streaming-java_2.12</artifactId><version>${flink.version}</version>
</dependency>
<!--mysql -cdc-->
<dependency><groupId>com.ververica</groupId><artifactId>flink-connector-mysql-cdc</artifactId><version>2.0.0</version>
</dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><version>1.18.10</version>
</dependency>
<dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.5</version>
</dependency>
<dependency><groupId>org.apache.commons</groupId><artifactId>commons-lang3</artifactId><version>3.10</version>
</dependency>
<dependency><groupId>com.alibaba</groupId><artifactId>fastjson</artifactId><version>2.0.42</version>
</dependency>
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
@Component
public class MysqlEventListener implements ApplicationRunner {private final DataChangeSink dataChangeSink;public MysqlEventListener(DataChangeSink dataChangeSink) {this.dataChangeSink = dataChangeSink;}@Overridepublic void run(ApplicationArguments args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();env.setParallelism(1);DebeziumSourceFunction<DataChangeInfo> dataChangeInfoMySqlSource = buildDataChangeSourceRemote();DataStream<DataChangeInfo> streamSource = env.addSource(dataChangeInfoMySqlSource, "mysql-source").setParallelism(1);streamSource.addSink(dataChangeSink);env.execute("mysql-stream-cdc");}private DebeziumSourceFunction<DataChangeInfo> buildDataChangeSourceLocal() {return MySqlSource.<DataChangeInfo>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<DataChangeInfo> {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*/@Overridepublic void deserialize(SourceRecord sourceRecord, Collector<DataChangeInfo> 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 DELETEEnvelope.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<Field> fieldList = afterSchema.fields();for (Field field : fieldList) {Object afterValue = element.get(field);jsonObject.put(field.name(), afterValue);}}return jsonObject;}@Overridepublic TypeInformation<DataChangeInfo> getProducedType() {return TypeInformation.of(DataChangeInfo.class);}
}
（3）封装的变更对象
@Data
public 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
@Slf4j
public class DataChangeSink extends RichSinkFunction<DataChangeInfo> {transient RabbitTemplate rabbitTemplate;transient ConfirmService confirmService;transient TableDataConvertService tableDataConvertService;@Overridepublic 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MQif (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*/@Overridepublic 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);
}@Service
public class TableDataConvertServiceImpl implements TableDataConvertService {@AutowiredMap<String, SqlGeneratorService> sqlGeneratorServiceMap;@Overridepublic 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<String, SqlGeneratorService> 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 {@Overridepublic 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")
@Slf4j
public class DeleteSqlGeneratorServiceImpl extends AbstractSqlGenerator {@Overridepublic String generatorSql(DataChangeInfo dataChangeInfo) {String beforeData = dataChangeInfo.getBeforeData();Map<String, Object> 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
