开源共建 | Dinky 扩展批流统一数据集成框架 ChunJun 的实践分享

袋鼠云数栈

修改于 2022-11-18 16:11:09

8970

修改于 2022-11-18 16:11:09

一、前言

ChunJun（原 FlinkX）是一个基于 Flink 提供易用、稳定、高效的批流统一的数据集成工具，既可以采集静态的数据，比如 MySQL，HDFS 等，也可以采集实时变化的数据，比如 binlog，Kafka 等。同时 ChunJun 也是一个支持原生 FlinkSql 所有语法和特性的计算框架。

ChunJun 具有丰富的插件种类，多达 40 种，如常见的 mysql、binlog、logminer 等，大部分插件都支持 source/reader、sink/writer 及维表功能。目前很多用户在思考能否在 Dinky 上使用 ChunJun 的插件以提供更全面的能力。那本文将带来如何在 Dinky 上集成 ChunJun 丰富的插件，其实简单，那我们开始吧。

二、部署 Flink+ChunJun

编译

注意，如果需要集成 Dinky，需要将 ChunJun 项目下的 chunjun-core 的 pom 文件中的 logback-classic 和 logback-core 注释掉，否则容易在 Dinky 执行 sql 任务的时候报错。

然后执行：

部署

使用 ChunJun 需要先部署 Flink 集群，其部署本文不再做指导。

值得注意的是，如果你需要调用 Flinkx 的 connect jar 的话，则需要将 classloader.resolve-order 改成 parent-first。修改完成配置以后，把 Flinkx 的 jar 包复制过来，主要是 chunjun-clients-master.jar（Flinkx 现在改名 ChunJun ）以及 chunjun 的其它 connector 放到 flink/lib 目录下，如图所示。

异常处理

如果启动集群时出现异常，即 Flink standalone 集群加载 flinkx-dist 里 jar 包之后，集群无法启动，日志报错：Exception in thread "main" java.lang.NoSuchFieldError: EMPTY_BYTE_ARRAY.

Exception in thread"main"java.lang.NoSuchFieldError:EMPTY_BYTE_ARRAY
      at org.apache.logging.log4j.core.config.ConfigurationSource.<clinit>(ConfigurationSource.java:56)
      at org.apache.logging.log4j.core.config.NullConfiguration.<init>(NullConfiguration.java:32)
      at org.apache.logging.log4j.core.LoggerContext.<clinit>(LoggerContext.java:85)
      at java.lang.Class.forName0(Native Method)
      at java.lang.Class.forName(Class.java:264)
      at org.apache.log4j.LogManager.<clinit>(LogManager.java:72)
      at org.slf4j.impl.Log4jLoggerFactory.getLogger(Log4jLoggerFactory.java:73)
      at org.slf4j.LoggerFactory.getLogger(LoggerFactory.java:285)
      at org.slf4j.LoggerFactory.getLogger(LoggerFactory.java:305)
      at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.<clinit>(ClusterEntrypoint.java:107)

原因：这个报错是因为 log4j 版本不统一导致的，因为 flinkx-dist 中部分插件引用的还是旧版本的 log4j 依赖，导致集群启动过程中，出现了类冲突问题；

方案：临时方案是将 flink lib 中 log4j 相关的 jar 包名字前加上字符 ‘a‘，使得 flink standalone jvm 优先加载。

三、部署 Dinky

编译

编译完成后的压缩包在 Dinky 根目录下的 build 文件夹下。

部署

1、上传 dlink 压缩包到部署服务器

2、解压

3、数据库初始化

4、把 flink 的 jar 放到 dlink 目录下

切换 Dinky 的 Flink 版本

因为目前 flinkx 的稳定版本是 1.12.7，所以我们把 dlink 默认的 client 版本修改为 1.12

lib 下的目录如图：

注意：因为我没有用上 dlink-connector-jdbc 的 jar 包，所以图中的 dlink-connector-jdbc-1.13-0.6.4-SNAPSHOT.jar 没有换成 1.12 版本的，可以去掉。

启动

启动命令

注册集群实例

在集群实例中注册已经启动的 Flink 集群。

四、示例分享

添加依赖

这里演示 mysql->mysql 的同步作业，所以需要 Flinkx 的 mysql-connector.jar 以及核心 jar。

编写作业

Mysql DDL：

CREATE TABLE `datasource_classify` (
`id` int unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id',
`classify_code` varchar(64) NOT NULL COMMENT '类型栏唯一编码',
`sorted` int NOT NULL DEFAULT '0' COMMENT '类型栏排序字段 默认从0开始',
`classify_name` varchar(64) NOT NULL COMMENT '类型名称 包含全部和常用栏',
`is_deleted` tinyint NOT NULL DEFAULT '0' COMMENT '是否删除,1删除，0未删除',
`gmt_create` datetime DEFAULT CURRENT_TIMESTAMP,
`gmt_modified` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
PRIMARY KEY (`id`),
UNIQUE KEY `classify_code` (`classify_code`)
) ENGINE=InnoDB AUTO_INCREMENT=12 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='数据源分类表';

Flink Sql:

CREATE TABLE source
(
  id          bigint,
  classify_code     STRING,
  sorted     int,
  classify_name   STRING,
  is_deleted    int,
  gmt_create        timestamp(9),
  gmt_modified timestamp(9),
  PRIMARY KEY (id) NOT ENFORCED
) WITH (
     'connector' = 'mysql-x',
     'url' = 'jdbc:mysql://192.168.31.101:3306/datasource?useSSL=false',
     'table-name' = 'datasource_classify',
     'username' = 'root',
     'password' = 'root'
    ,'scan.fetch-size' = '2'
    ,'scan.query-timeout' = '10'
    );

CREATE TABLE sink
(
  id          bigint,
  classify_code     STRING,
  sorted     int,
  classify_name   STRING,
  is_deleted    int,
  gmt_create        timestamp(9),
  gmt_modified timestamp(9),
  PRIMARY KEY (id) NOT ENFORCED
) WITH (
     'connector' = 'mysql-x',
     'url' = 'jdbc:mysql://192.168.31.106:3306/test?useSSL=false',
     'table-name' = 'datasource_classify',
     'username' = 'root',
     'password' = 'root'
    ,'scan.fetch-size' = '2'
    ,'scan.query-timeout' = '10'
    );

insert into sink
select *
from source u;

执行任务

选中 Yarn Session 模式提交作业。

提交后可从执行历史查看作业提交状况。

进程中可以看的 Flink 集群上批作业执行完成。

对比数据

源库：

目标库：

同步成功，很丝滑。

五、总结

在集成 ChunJun 的时候遇到的问题大部分都是缺包以及包冲突，所以只需要注意一下这个问题就能比较好的进行集成。

在集成服务的时候建议是，先把 Flink 和 ChunJun 进行集成，确保服务能够正常启用以后再进行 Dinky 的集成，这样有利于快速定位查找问题，如果遇到文章之外的问题，也可以查看 Dinky 官网 FAQ | Dinky (dlink.top) chunjun 的官网 QuickStart | ChunJun 纯钧 (dtstack.github.io/chunjun/)，看看是否有类似问题的解决办法作为参考。

六、用户体验

因为本人目前还是处于学习使用的过程中，所以很多功能没有好好使用，待自己研究更加透彻后希望写一篇文章，优化官网的用户手册。以下的优缺点以及建议都是目前我在使用学习的过程中遇到的问题。

优点

Dinky 最吸引我的地方应该就是 sql 编辑模版了，直接快捷键生成 sql 模版，在开发测试中屡试不爽。在集成了 ChunJun (Flinkx) 以后，能够做到多源数据的离线跑批任务及日常小批量实时任务的同步。支持各种类型的任务执行方式。

缺点

ui 上适配还有点小问题，例如：打开 F12 调整宽度后，再关闭，页面 ui 不会自适应，需要刷新。

期待改进点

1、更多的自定义异常、业务异常

2、增加新的向导模式，结合数据源，通过 webUI 可以一键引入字段或者勾选需要的字段，生成 Flink Sql 的一大部分配置

CREATE TABLE 表名
(
-- 页面勾选字段，字段从元数据直接拉取
  id          bigint,
  classify_code     STRING,
  sorted     int,
  classify_name   STRING,
  is_deleted    int,
  gmt_create        timestamp(9),
  gmt_modified timestamp(9),
  PRIMARY KEY (id) NOT ENFORCED
) WITH (
-- 从选择的数据中获取
     'connector' = 'mysql-x',
     'url' = 'jdbc:mysql://192.168.31.106:3306/test?useSSL=false',
     'table-name' = 'datasource_classify',
     'username' = 'root',
     'password' = 'root'
    ,
-- 其它非主要配置有用户自己填写
    );

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=sztxkfz

项目地址：https://github.com/DTStack/chunjun

本文系转载，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

jar