CDC 任务介绍

CDC 任务是Easystream用于从不同的数据源库摄取数据变更作业的任务类型。目前支持页面向导模式配置，底层整合NDC订阅能力基于Flink CDC 2.0版本研发，支持多种异构数据源的变更数据捕获，同时也支持历史数据的全量导入。

支持的数据源

支持的Flink 引擎版本

目前CDC任务仅支持选择Flink 1.13引擎。

同步任务配置

1. 创建作业
   登入Easystream 平台，点击首页“新建任务” 任务类型选择CDC，引擎版本选择Flink1.13
   如下图，创建一个CDC 任务
   

2. 配置source
   点击source页面下拉框选择相应的数据源，以mysql 为例。 在此之前必须提前在数据源管理处引入数据源，kafka数据源引入后，可以在数据库创建数仓表，引入时直接选择topic 对应的数仓表即可。详情请参考数仓管理
   

   • 查找库表
     查询表提供了2种方式，库表选择和正则匹配，可以同时支持选择一至多张表
   • 订阅类型
     目前支持摄取“插入”、“更新”以及“删除“操作的数据
   • 传输起始位置
     默认从作业启动的位置进行变更捕获，支持指定时间戳或者起始日志文件进行变更捕获
     支持全量初始化，全量初始化会先全量读取表数据，读取完成后从自动切换任务，开始从任务启动时间记录的点位进行变更数据捕获
   • 流量限制
     默认不限制，如果源端库存在业务压力，可以配置适当限制，缓解源库压力
   • 读取并行度
     除mysql 及kafka 数据源外，其余数据源目前均为单并行度读取数据（包括全量初始化过程）

3. 配置sink
   点击sink页面右上角下拉框选择相应的数据源，以mysql 为例。 在此之前必须提前在数据源管理处引入数据源，kafka数据源引入后，可以在数据库创建数仓表，引入时直接选择topic 对应的数仓表即可。详情请参考数仓管理

   • 目标数据源
     选择需要导入的sql server 数据源名称
   • 导入方式
     支持单表和多表导入，选择单表导入只需要选择相应的库表即可，多表导入，需要为源端的每一张表选择对应的目标端库表，或者通过“批量设置”进行配置，目前批量设置只支持导入到同一个库表中，如果是分库分表，在批量应用后，还需要手动修改对应库表。
   • 写入方式
     支持“insert”和“upsert”更新写入，注意更新写入必须配置主键，否则相当于“insert”
   • 异常处理
     为了防止脏数据导致任务失败，提供了忽略错误记录的选项，可以根据实际需求进行配置
   • 批量写入
     对数据进行分批插入，建议开启，同时配置批量的写入规则
   • 写入并行度
     当前所有sink 端数据源默认均支持多并行度写入，可以按需求调整作业运行配置的并行数量

4. 字段映射
   CDC 作业会根据sink 和souce 的配置生成对应的字段映射关系。默认按照字段名称映射，如果源端与目标表字段名称不一致，源端字段默认为不导入。如果不符合按照字段名称映射的需求，需要手动调整字段映射关系，否则可能出现字段未同步情况。 如果有需求对输出字段进行调整，可以在源端表字段进行手动指定。新增了不导入字段以及自定义表达式，支持在同步过程中对数据进行转换。

   • 不导入
     选择不导入，该字段内容不会写入结果表，结果表字段输出为字段默认值或null
   • 自定义表达式
     CDC 作业增加了自定义表达式功能，可以对字段使用函数进行数据转换。目前支持Flink 的标量(一进一出)内置函数，暂时不支持自定义函数。配置方式选择自定义表达式，书写函数即可
     如图：

5. 运行配置检查
   CDC 作业实际运行的是Flink 作业，可以按需对任务资源进行调整配置，以达到期望的性能要求。 作业资源配置可参考Flink 作业推荐配置

6. 保存并启动