本文为您介绍如何使用Flink，通过CTAS语句将MySQL数据同步至EMR Serverless StarRocks中。
背景信息
您可以通过CTAS或CDAS语句将MySQL数据同步至EMR Serverless StarRocks，CTAS可以实现单表的结构和数据同步，CDAS可以实现整库同步或者同一库中的多表结构和数据同步。本文使用CTAS语句，CDAS语句的使用方法与CTAS类似，具体请参见。
通过CTAS（CREATE TABLE AS）语句，您可以在StarRocks中自动创建和MySQL中表结构一致的表，并进行数据同步。同时还能实时同步上游表结构（Schema）的变更到下游表，提高您在目标存储中创建表和维护源表结构变更的效率。
当执行CTAS语句时，Flink会按照以下流程执行：
检查目标存储中是否存在该目标表。
如果不存在，则通过目标端Catalog在目标存储中创建相应的目标表，该目标表具有和数据源相同的Schema。
如果存在，则跳过建表。如果已存在的目标表与源表Schema不一致，则会报错提示。
提交和启动相应的数据同步作业。同步数据源的数据以及Schema的变更到目标表中。
表结构变更同步策略通过CTAS语句，在实时同步数据的同时，还能同步源表Schema的变更到目标表中。
Schema变更包括初始表的创建以及未来表的变更。
当前支持同步的Schema变更：
添加可空列：会自动在目标表Schema末尾添加对应的列，并自动同步新增列的数据。
删除可空列：不会直接在目标表中删除该列，而是将该列的数据自动填充为NULL值。
重命名列：直接在目标表中末尾添加重命名后的列，并将重命名前的列数据自动填充为NULL值。
例如，如果col_a重命名为col_b，则会在目标表末尾添加col_b，并自动将col_a的数据填充为NULL值。
暂不支持同步的Schema变更：
数据类型的变更。
例如，由VARCHAR变为BIGINT，由NOT NULL变为NULLABLE属性。
主键或索引等约束的变更。
非空列的增加或删除的变更。
- 如果遇到不支持的Schema变更，则需要您手动删除下游目标表，重新启动CTAS作业，即重新创建目标表并重新同步历史数据。
- CTAS不会识别具体的DDL类型，而是对比前后两条数据的Schema差异。因此，如果您先删除了某列后，又加回了该列，且这两个DDL之间无数据变化，则CTAS会认为没有发生结构变更。同理，如果您添加了一列，直到该表有数据变化，CTAS才会感知到结构变更，才会同步结构变更到目标表。
- 通过CTAS建表支持的字段类型信息，请参见Flink与StarRocks的数据类型映射关系。
前提条件
已开通阿里云实时计算Flink全托管并创建了Flink集群，详情请参见开通Flink全托管和Flink SQL作业快速入门。
已创建EMR Serverless StarRocks实例，详情请参见创建实例。
已创建RDS MySQL，详情请参见创建RDS MySQL实例。
本文以5.7版本的MySQL和1.15-6.0.3版本的Flink为例介绍。
使用限制
创建的Flink集群、EMR Serverless StarRocks实例以及RDS MySQL实例需要在同一个VPC下。
RDS MySQL须为5.7及以上版本。
EMR Serverless StarRocks实例须开启公网访问。
Flink集群中的Flink须为1.15-vvr-6.0.3及以上版本。
步骤一：准备测试数据
创建测试的数据库和账号，详情请参见创建数据库和账号。
创建完数据库和账号后，需要授权测试账号的读写权限。
说明本文创建的数据库名称为test_cdc，账号为test。
使用创建的测试账号连接MySQL实例，详情请参见通过DMS登录RDS MySQL。
在MySQL中执行以下命令，创建数据表。
use test_cdc; CREATE TABLE IF NOT EXISTS `runoob_tbl`( `runoob_id` INT UNSIGNED AUTO_INCREMENT, `runoob_title` VARCHAR(100) NOT NULL, `runoob_author` VARCHAR(40) NOT NULL, `submission_date` DATE, `add_col` int DEFAULT NULL, PRIMARY KEY ( `runoob_id` ) )ENGINE=InnoDB DEFAULT CHARSET=utf8; INSERT INTO test_cdc.`runoob_tbl` (`runoob_id`,`runoob_title`,`runoob_author`,`submission_date`,`add_col`) values (18,'first','tom','2022-06-22 17:13:44',3)登录并连接EMR Serverless StarRocks实例，详情请参见通过客户端方式连接StarRocks实例。
执行以下命令，创建数据库test_cdc、创建超级管理员用户test（示例密码为1qaz!QAZ）或者创建普通用户test并给普通用户授予该数据库权限，详情请参见管理用户。
CREATE DATABASE test_cdc; CREATE USER 'test' IDENTIFIED by '1qaz!QAZ'; GRANT ALL on test_cdc to test;
步骤二：在实时计算Flink控制台通过SQL客户端创建Catalog
在阿里云实时计算Flink控制台的作业开发页面中，创建MySQL和StarRocks的Catalog。详情请参见Flink SQL作业快速入门。
参数配置仅供参考，具体内容请根据实际情况配置。
MySQL Catalog
代码示例
CREATE CATALOG mysql WITH ( 'type' = 'mysql', 'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com', 'port' = '3306', 'username' = 'emr-test', 'password' = '123456', 'default-database' = 'test_cdc' );参数配置
参数
说明
type
类型，固定值为mysql。
hostname
RDS的内网地址。您可以在RDS的数据库连接页面，单击内网地址进行复制。例如，rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com。
port
MySQL数据库服务的端口号，默认值为3306。
username
MySQL数据库服务的用户名。
password
MySQL数据库服务的密码。
default-database
默认的MySQL数据库名称。
StarRocks Catalog
代码示例
CREATE CATALOG sr WITH ( 'type' = 'starrocks', 'endpoint' = 'fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030', 'username' = 'test', 'password' = '1qaz!QAZ', 'dbname' = 'test_cdc' );参数配置
参数
说明
type
类型，固定值为starrocks。
endpoint
FE的内网地址和查询端口，格式为
EMR Serverless StarRocks实例FE节点的内网地址:9030。例如，fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030。
说明关于如何获取EMR Serverless StarRocks实例FE节点的内网地址，请参见查看实例列表与详情。
username
StarRocks的用户名。
password
StarRocks数据库服务的密码。
dbname
StarRocks数据库名称。
步骤三：创建并上线作业
在阿里云实时计算Flink控制台的作业开发页面，编写CTAS语句。
您可以使用以下三种示例发送CTAS语句：
AtLeast once语义：通过sink.buffer-flush.interval-ms配置项，配置每次写入StarRocks的时间间隔，优点是写入间隔时间短，占用内存较少。
/* AtLeast once 语义 */ use CATALOG sr; CREATE TABLE IF NOT EXISTS runoob_tbl_sr with ( 'starrocks.create.table.properties'=' engine = olap primary key(runoob_id) distributed by hash(runoob_id ) buckets 8', 'database-name'='test_cdc', 'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030', 'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030', 'table-name'='runoob_tbl_sr', 'username'='test', 'password' = '1qaz!QAZ', 'sink.buffer-flush.interval-ms' = '5000', 'sink.properties.row_delimiter' = '\x02', 'sink.properties.column_separator' = '\x01' ) as table mysql.test_cdc.runoob_tbl /*+ OPTIONS ( 'connector' = 'mysql-cdc', 'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com', 'port' = '3306', 'username' = 'test', 'password' = '123456', 'database-name' = 'test_cdc', 'table-name' = 'runoob_tbl' )*/;Exactly once语义：需要定义checkpoint间隔，优点是在各种异常情况下保障数据不丢失不重复，缺点是数据可见时间取决于checkpoint间隔。更多信息，请参见Checkpointing。
/* Exactly once 语义。 */ set 'execution.checkpointing.interval' = '1 min'; set 'execution.checkpointing.mode' = 'EXACTLY_ONCE'; set 'execution.checkpointing.timeout' = '10 min'; use CATALOG sr; CREATE TABLE IF NOT EXISTS runoob_tbl with ( 'starrocks.create.table.properties'=' engine = olap primary key(runoob_id) distributed by hash(runoob_id ) buckets 8', 'database-name'='test_cdc', 'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030', 'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030', 'table-name'='runoob_tbl', 'username'='test', 'password' = '1qaz!QAZ', 'sink.semantic' = 'exactly-once', 'sink.properties.row_delimiter' = '\x02', 'sink.properties.column_separator' = '\x01' ) as table mysql.test_cdc.runoob_tbl /*+ OPTIONS ( 'connector' = 'mysql-cdc', 'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com', 'port' = '3306', 'username' = 'test', 'password' = '123456', 'database-name' = 'test_cdc', 'table-name' = 'runoob_tbl' )*/;Simple模式：优点是创建表时不需要关注原表有哪些字段，会按照MySQL的表格式照搬过来，开发者使用比较方便。缺点是不能创建分区，对于需要分区的表，仍需要通过normal模式创建。
/* 上面两个为normal模式，本示例演示simple模式 */ use CATALOG sr; CREATE TABLE IF NOT EXISTS runoob_tbl1 with ( 'starrocks.create.table.properties'='buckets 8', 'starrocks.create.table.mode'='simple', 'database-name'='test_cdc', 'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030', 'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030', 'table-name'='runoob_tbl_sr', 'username'='test', 'password' = '1qaz!QAZ', 'sink.buffer-flush.interval-ms' = '5000', 'sink.properties.row_delimiter' = '\x02', 'sink.properties.column_separator' = '\x01' ) as table mysql.test_cdc.runoob_tbl /*+ OPTIONS ( 'connector' = 'mysql-cdc', 'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com', 'port' = '3306', 'username' = 'emr-test', 'password' = '123456', 'database-name' = 'test_cdc', 'table-name' = 'runoob_tbl' )*/;
表 1. WITH参数
参数
是否必选
描述
starrocks.create.table.properties
是
StarRocks建表语句中除了字段定义以外的其他后缀定义，例如示例中的engine、key和buckets等。
database-name
是
StarRocks数据库名称。
本示例为test_cdc。
jdbc-url
是
用于在StarRocks中执行查询操作。
例如，jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030。其中，
fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com为EMR Serverless StarRocks实例FE节点的内网地址。说明关于如何获取EMR Serverless StarRocks实例FE节点的内网地址，请参见查看实例列表与详情。
load-url
是
指定FE的内网地址和查询端口，格式为
EMR Serverless StarRocks实例FE节点的内网地址:8030。例如，fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030。
说明关于如何获取EMR Serverless StarRocks实例FE节点的内网地址，请参见查看实例列表与详情。
sink.semantic
否
填写exactly-once可以保障数据一致性语义，默认为at-least-once。
starrocks.create.table.mode
否
支持以下参数值：
normal模式（默认值）：必须像示例一样在starrocks.create.table.properties配置中填写engine、key和buckets等完整的配置。
simple模式：默认选择engine为olap，选择key类型为primary key，且主键与MySQL的主键保持完全一致，默认distributed by hash（所有的主键），默认无分区。需要在starrocks.create.table.properties配置中填写的必填内容为buckets ，选填内容为properties等配置。
sink.properties.row_delimiter
否
自定义行分隔符。
sink.properties.column_separator
否
自定义列分隔符。
说明因为vvr-6.0.5-flink-1.15及以上版本移除了
sink.use.new-api，所以使用vvr-6.0.5-flink-1.15之前的版本时，请在with参数中添加'sink.use.new-api'='false',。其他配置请参见从Apache Flink持续导入。
表 2. OPTIONS参数
参数
描述
connector
类型，固定值为mysql-cdc。
hostname
RDS的内网地址。
您可以在RDS的数据库连接页面，单击内网地址进行复制。例如，rm-bp1nu0c46fn9k****.mysql.rds.aliyuncs.com。
port
MySQL数据库服务的端口号，默认值为3306。
username
MySQL数据库服务的用户名。
password
MySQL数据库服务的密码。
table-name
StarRocks中的表名称。
database-name
默认的MySQL数据库名称。
在作业开发页面的高级配置中，选择vvr-6.0.3及以上的版本。
单击上线。
在作业运维页面，单击目标作业操作列的启动。
步骤四：验证数据同步结果
查询数据
登录并连接EMR Serverless StarRocks实例，详情请参见通过客户端方式连接StarRocks实例。
在StarRocks连接窗口执行以下命令，查看表数据。
use test_cdc; select * from runoob_tbl1;返回信息如下，表示MySQL上的数据已同步至StarRocks。
+-----------+--------------+---------------+-----------------+---------+ | runoob_id | runoob_title | runoob_author | submission_date | add_col | +-----------+--------------+---------------+-----------------+---------+ | 18 | first | tom | 2022-06-22 | 3 | +-----------+--------------+---------------+-----------------+---------+
查询插入后的数据
在RDS数据库窗口执行以下命令，插入数据。
INSERT INTO runoob_tbl(`runoob_id`,`runoob_title`,`runoob_author`,`submission_date`,`add_col`) values(1,'second','tom2','2022-06-23',1)在StarRocks连接窗口执行以下命令，查看表数据。
select * from runoob_tbl1;返回信息如下，表示数据已成功插入。
+-----------+--------------+---------------+-----------------+---------+ | runoob_id | runoob_title | runoob_author | submission_date | add_col | +-----------+--------------+---------------+-----------------+---------+ | 1 | second | tom2 | 2022-06-23 | 1 | | 18 | first | tom | 2022-06-22 | 3 | +-----------+--------------+---------------+-----------------+---------+
同步数据更新
在RDS数据库窗口执行以下命令，更新指定数据。
update runoob_tbl set runoob_title= 'new' where runoob_id = 18在StarRocks连接窗口执行以下命令，查看表数据。
select * from runoob_tbl1;返回信息如下，表示数据已同步更新。
+-----------+--------------+---------------+-----------------+---------+ | runoob_id | runoob_title | runoob_author | submission_date | add_col | +-----------+--------------+---------------+-----------------+---------+ | 1 | second | tom2 | 2022-06-23 | 1 | | 18 | new | tom | 2022-06-22 | 3 | +-----------+--------------+---------------+-----------------+---------+
同步数据删除
在RDS数据库窗口执行以下命令，删除指定数据。
DELETE FROM runoob_tbl WHERE runoob_id = 1在StarRocks连接窗口执行以下命令，查看表数据。
select * from runoob_tbl1;返回信息如下，表示数据已同步删除。
+-----------+--------------+---------------+-----------------+---------+ | runoob_id | runoob_title | runoob_author | submission_date | add_col | +-----------+--------------+---------------+-----------------+---------+ | 18 | new | tom | 2022-06-22 | 3 | +-----------+--------------+---------------+-----------------+---------+
增加可空列
在RDS数据库窗口执行以下命令，增加可空列。
alter table `runoob_tbl` add COLUMN `add_col2` INT;执行以下命令 ，插入数据。
INSERT INTO runoob_tbl(`runoob_id`,`runoob_title`,`runoob_author`,`submission_date`,`add_col`,`add_col2`) values(1,'second','tom2','2022-06-23',1,2)在StarRocks连接窗口执行以下命令，查看表数据。
select * from runoob_tbl1;返回信息如下，表示Schema已经成功变更。
+-----------+--------------+---------------+-----------------+---------+----------+ | runoob_id | runoob_title | runoob_author | submission_date | add_col | add_col2 | +-----------+--------------+---------------+-----------------+---------+----------+ | 18 | new | tom | 2022-06-22 | 3 | NULL | +-----------+--------------+---------------+-----------------+---------+----------+ | 1 | second | tom2 | 2022-06-23 | 1 | 2 | | 18 | first | tom | 2022-06-22 | 3 | NULL | +-----------+--------------+---------------+-----------------+---------+----------+
CDAS介绍
CDAS是CTAS的一个语法糖。通过CDAS语句，可以实现MySQL中的整库同步，即生成一个Flink Job，源表是MySQL中的Database，目标表是StarRocks中对应的多张表，同时可以使用including table语法，只选择一个Database中的部分表进行CDAS操作。
与CTAS的执行相同，需要在创建MySQL和StarRocks相应的Catalog后，执行CDAS语句。创建语法示例如下。
CREATE DATABASE IF NOT EXISTS sr_db with (
'starrocks.create.table.properties'=' buckets 8',
'starrocks.create.table.mode'='simple',
'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030',
'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030',
'username'='test',
'password' = '1qaz!QAZ',
'sink.buffer-flush.interval-ms' = '5000',
'sink.properties.row_delimiter' = '\x02',
'sink.properties.column_separator' = '\x01'
)
as DATABASEmysql.test_cdc including table
'tabl1','tbl2','tbl3' /*+ OPTIONS ( 'connector' = 'mysql-cdc',
'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com',
'port' = '3306',
'username' = 'test',
'password' = '123456',
'database-name' = 'test_cdc' )*/;