实时计算Flink版实时消费Hologres_实时计算 Flink版(Flink)-阿里云帮助中心

Hologres连接器支持实时消费Hologres，即实时消费Hologres的Binlog数据。本文为您介绍实时计算Flink版消费Hologres的详情。

使用限制

Hologres 0.10及以下版本，已存在的表无法修改表属性开启Binlog，需要重新建表。Hologres V1.1及以上版本，可以根据业务需要选择开启或关闭Binlog能力，同时支持配置TTL满足不同业务场景对Binlog保留时间的诉求，详情请参见订阅Hologres Binlog。
不支持开启分区表父表的Binlog，请使用非分区表。
暂不支持实时消费TIMESTAMP类型的数据，因此创建Hologres表时，请使用TIMESTAMPTZ类型。
默认的Binlog源表不支持数组类型，仅支持INTEGER、BIGINT、TEXT、REAL、DOUBLE PRECISION、BOOLEAN、NUMERIC(38,8)和TIMESTAMPTZ数据类型。
说明
对不支持的数据类型（例如SMALLINT），即使不消费此字段，仍然可能导致作业无法上线。
实时计算引擎VVR 6.0.3及以上版本新增JDBC模式Binlog源表，VVR 6.0.7版本开始默认通过JDBC模式消费Hologres Binlog。相比原有Holohub模式，支持更完善的数据类型，如SMALLINT，数组类型等，同时也支持了自定义用户（非RAM用户）。详见下方JDBC模式Binlog源表。
Hologres 2.0及以上版本下线了Holohub模式，全面转为JDBC模式。如果您的Flink版本小于6.0.7，需要显式指定sdkMode参数为jdbc，或升级您的Flink版本。

Hologres 1.3.41版本开始，JDBC模式Binlog源表新支持读取JSONB类型，但需要数据库级别开启GUC，开启GUC的命令如下。

--db级别开启GUC，仅superuser可以执行，每个db只需要设置一次。
alter database <db_name> set hg_experimental_enable_binlog_jsonb = on;

实时计算引擎VVR 8.0.4起，连接器如果发现用户使用的Hologres实例大于2.0版本，会强制使用JDBC模式消费Binlog。推荐Hologres实例升级至2.1版本，可以从Holohub模式无缝切换。如果Hologres实例是2.0版本，且用户不是Superuser，使用JDBC模式消费Binlog需要特别进行权限的配置，否则作业上线时可能抛出“permission denied for database”的异常。需要的权限包括Database的CREATE权限，以及实例的Replication Role权限，授权SQL如下。
```
-- 专家权限模型下为用户授予CREATE权限，以及赋予用户实例的Replication Role权限
GRANT CREATE ON DATABASE database_name TO <user_name>;
alter role <user_name> replication;

-- 如果Database开启了简单权限模型（SLMP），无法执行GRANT语句，使用spm_grant为用户授予DB的Admin权限，也可以在Holoweb中直接赋权
call spm_grant('{dbname}_admin', '云账号id/云邮箱/RAM账号');
alter role <user_name> replication;
```

注意事项

Hologres Binlog以行存的形式记录了数据的变更前后的整行数据，因此列存表生成Binlog时的反查开销要大于行存表。对于数据更新频繁的场景，建议使用行存表来开启Binlog，否则Binlog生成会成为表写入时的性能瓶颈，如果这张表同时还用于OLAP等分析查询，建议使用行列共存的存储格式。
UPDATE操作会产生两条Binlog记录，分别为更新操作前和操作后的数据记录，因此您会消费到两条数据。但是，Hologres Binlog功能会保证这两条记录是连续的且更新前的Binlog记录在前，更新后的Binlog记录在后。

建议Flink作业并发数和Hologres Table的Shard个数保持一致。

您可以在Hologres控制台上，使用以下语句查看Table的Shard数，其中tablename为您的业务表名称。

select tg.property_value from hologres.hg_table_properties tb join hologres.hg_table_group_properties tg on tb.property_value = tg.tablegroup_name where tb.property_key = 'table_group' and tg.property_key = 'shard_count' and table_name = '<tablename>';

如果作业从检查点恢复过程中，发生table id parsed from checkpoint is different from the current table id异常，可以升级到VVR-8.0.9版本启动作业。这是由于实时计算引擎VVR 8.0.5~VVR 8.0.8版本，Hologres Binlog源表从checkpoint恢复时，会强制检查hologres表的table id，如果当前表的table id和checkpoint中保存的不一致，会无法从checkpoint恢复。此异常表示作业运行期间，用户对源表进行了TRUNCATE或其他重建表操作。考虑到用户使用场景的复杂性，在VVR 8.0.9取消了对table id的强制检查，但仍然不推荐对Binlog源表做重建表操作。重建表时原有表的历史Binlog会全部清除，Flink使用旧表的消费位点去消费新表的数据，可能导致数据不一致等不符合预期的情况。

开启Binlog

实时消费功能默认关闭，因此在Hologres控制台上创建表的DDL时，需要设置binlog.level和binlog.ttl参数，示例如下。

begin;
CREATE TABLE test_message_src(
 id int primary key, 
 title text not null, 
 body text
);
call set_table_property('test_message_src', 'orientation', 'row');
call set_table_property('test_message_src', 'clustering_key', 'id');
call set_table_property('test_message_src', 'binlog.level', 'replica'); --自Hologres 1.1版本起，可以在建表后开启Binlog。
call set_table_property('test_message_src', 'binlog.ttl', '86400'); 
commit;

其中，binlog.level设置为replica即代表开启Binlog，binlog.ttl为Binlog的TTL，单位为秒。

消费模式

非CDC模式

该模式下Source消费的Binlog数据是作为普通的Flink数据传递给下游节点的，即所有数据都是INSERT类型的数据，您可以根据业务情况选择如何处理特定hg_binlog_event_type类型的数据。源表DDL代码示例如下。

CREATE TABLE test_message_src_binlog_table(
  hg_binlog_lsn BIGINT,
  hg_binlog_event_type BIGINT,
  hg_binlog_timestamp_us BIGINT,
  id INTEGER,
  title VARCHAR,
  body VARCHAR
) WITH (
  'connector'='hologres',
  'dbname'='<yourDbname>',
  'tablename'='<yourTablename>',
  'username'='<yourAccessID>',
  'password'='<yourAccessSecret>',
  'endpoint'='<yourEndpoint>',
  'binlog' = 'true',
  'binlogMaxRetryTimes' = '10',
  'binlogRetryIntervalMs' = '500',
  'binlogBatchReadSize' = '100'
);

CDC模式

该模式下Source消费的Binlog数据，将根据hg_binlog_event_type自动为每行数据设置准确的Flink RowKind类型，例如，INSERT、DELETE、UPDATE_BEFORE和UPDATE_AFTER类型，这样就能完成表的数据的镜像同步，类似MySQL或Postgres的CDC功能。源表DDL代码示例如下。

CREATE TABLE test_message_src_binlog_table(
  id INTEGER,
  title VARCHAR,
  body VARCHAR
) WITH (
  'connector'='hologres',
  'dbname'='<yourDbname>',
  'tablename'='<yourTablename>',
  'username'='<yourAccessID>',
  'password'='<yourAccessSecret>',
  'endpoint'='<yourEndpoint>',
  'binlog' = 'true',
  'cdcMode' = 'true',
  'binlogMaxRetryTimes' = '10',
  'binlogRetryIntervalMs' = '500',
  'binlogBatchReadSize' = '100'
);

全增量一体源表消费

在源表Join维表时，由于Binlog的TTL等原因，会导致无法使用源表的所有数据。原解决方案是为Binlog表设置一个很大的TTL，但这样会有以下问题：

历史Binlog数据会被长时间保存，导致占用较多的存储资源。
因为Binlog包含数据更新记录，使用Binlog进行全量消费会消费一些不必要的数据，导致占用较多的计算资源，且无法让用户只关注最新的数据。

从VVR 4.0.13及以上版本，Hologres 0.10及以上版本，Hologres Binlog CDC源表支持全增量一体的消费，这种方式会先读取数据库的历史全量数据，并平滑切换到Binlog读取增量数据。采用这种方式，可以解决上述问题。

适用场景

适用于历史数据不包含Binlog，但又希望消费所有数据的场景。
仅适用于目标表有主键的场景，推荐在CDC模式下使用的全增量Hologres源表。
Hologres1.1版本之后，支持按需开启Binlog，可以将已有历史数据的表打开Binlog。

代码示例

CREATE TABLE test_message_src_binlog_table(
  hg_binlog_lsn BIGINT,
  hg_binlog_event_type BIGINT,
  hg_binlog_timestamp_us BIGINT,
  id INTEGER,
  title VARCHAR,
  body VARCHAR
) WITH (
  'connector'='hologres',
  'dbname'='<yourDbname>',
  'tablename'='<yourTablename>',
  'username'='<yourAccessID>',
  'password'='<yourAccessSecret>',
  'endpoint'='<yourEndpoint>',
  'binlog' = 'true',
  'cdcMode' = 'true',
  'binlogStartUpMode' = 'initial', --先读取历史全量数据，再增量消费Binlog。
  'binlogMaxRetryTimes' = '10',
  'binlogRetryIntervalMs' = '500',
  'binlogBatchReadSize' = '100'
  );

JDBC模式Binlog源表

实时计算引擎VVR 6.0.7版本开始，binlog源表新增JDBC模式（不同于CDC等消费模式，此处的JDBC模式是指底层获取binlog的SDK基于JDBC）。相比原有Holohub模式，JDBC模式的Binlog源表：

支持更多的数据类型。包括：SMALLINT、INTEGER、BIGINT、TEXT、REAL、DOUBLE PRECISION、BOOLEAN、NUMERIC、DATE、TIME、TIMETZ、TIMESTAMP、TIMESTAMPTZ、BYTEA、JSON、int4[]、int8[]、float4[]、float8[]、boolean[]、text[]、JSONB（需要Hologres版本大于1.3.41且开启相应GUC，详见本文使用限制）。
支持Hologres的自定义用户（非RAM用户）。

使用方式与普通的binlog源表类似，但需要设置sdkMode为jdbc，示例如下。

create TEMPORARY table test_message_src_binlog_table(
  id INTEGER,
  title VARCHAR,
  body VARCHAR
) with (
  'connector'='hologres',
  'dbname'='<yourDbname>',
  'tablename'='<yourTablename>',
  'username'='<yourAccessID>',
  'password'='<yourAccessSecret>',
  'endpoint'='<yourEndpoint>',
  'binlog' = 'true',
  'cdcMode' = 'true',
  'sdkMode'='jdbc', --使用jdbc模式的binlog源表
  'jdbcBinlogSlotName'='replication_slot_name' --可选，不设置会自动创建
);

jdbcBinlogSlotName是jdbc模式消费binlog的一个可选参数，如果不设置，Hologres连接器会创建默认的slot并使用，默认创建的publication名称类似publication_for_table_<table_name>_used_by_flink，默认创建的slot名称类似slot_for_table_<table_name>_used_by_flink，在使用中如果发生异常，可以尝试删除并重试。默认创建slot需要一定的前提条件，要求用户为实例的Superuser，或者同时拥有Database的CREATE权限和实例的Replication Role权限。如果没有权限导致作业上线失败，可以尝试如下操作，或者参考通过JDBC消费Hologres Binlog文档进行处理。Hologres2.1版本起，JDBC模式消费Binlog不再需要配置slot，因此Hologres连接器从VVR 8.0.5开始，判断Hologres实例为2.1及以上版本，也不再自动创建默认的slot。

-- 专家权限模型下为用户授予CREATE权限，以及赋予用户实例的Replication Role权限
GRANT CREATE ON DATABASE database_name TO <user_name>;
alter role <user_name> replication;

-- 如果Database开启了简单权限模型（SLMP），无法执行GRANT语句，使用spm_grant为用户授予DB的Admin权限，也可以在Holoweb中直接赋权
call spm_grant('{dbname}_admin', '云账号id/云邮箱/RAM账号');
alter role <user_name> replication;

说明

目前删除表并重建同名表可能导致作业出现"no table is defined in publication"或者"The table xxx has no slot named xxx"异常，原因是表被删除时，和表绑定的publication没有被删除。当发生此异常时，可以在hologres中执行select * from pg_publication where pubname not in (select pubname from pg_publication_tables);语句，查询删表时未一起被清理的publication，并执行drop publication xx;语句删除残留的publication，之后重新启动作业即可。或者选择VVR 8.0.5版本，连接器会自动执行清理操作。

Hologres Binlog实现原理

一条Binlog的字段由Binlog系统字段和用户Table字段组成，字段定义如下：

字段名	字段类型	说明
hg_binlog_lsn	BIGINT	Binlog系统字段，表示Binlog序号，Shard内部单调递增不保证连续，不同Shard之间不保证唯一和有序。
hg_binlog_event_type	BIGINT	Binlog系统字段，表示当前记录所表示的修改类型，参数取值如下： INSERT=5：表示当前Binlog为插入一条新的记录。 DELETE=2：表示当前Binlog为删除一条已有的记录。 BEFORE_UPDATE=3：表示当前Binlog为更新操作前的记录。 AFTER_UPDATE=7：表示当前Binlog为更新操作后的记录。
hg_binlog_timestamp_us	BIGINT	Binlog系统字段，系统时间戳，单位为微秒。
user_table_column_1	用户定义	用户的表字段。
...	...	用户的表字段。
user_table_column_n	用户定义	用户的表字段。