跳至主要内容

从 DynamoDB 到 ClickHouse 的 CDC

本页介绍如何使用 ClickPipes 从 DynamoDB 到 ClickHouse 设置 CDC。此集成包含 2 个组件

  1. 通过 S3 ClickPipes 进行初始快照
  2. 通过 Kinesis ClickPipes 进行实时更新

数据将被导入到 ReplacingMergeTree 中。此表引擎通常用于 CDC 场景,以允许应用更新操作。有关此模式的更多信息,请参阅以下博文文章

1. 设置 Kinesis 流

首先,您需要在 DynamoDB 表上启用 Kinesis 流,以实时捕获更改。我们在创建快照之前执行此操作,以避免丢失任何数据。请查找位于 此处 的 AWS 指南。

dynamodb-kinesis-stream.png

2. 创建快照

接下来,我们将创建 DynamoDB 表的快照。这可以通过 AWS 导出到 S3 来实现。请查找位于 此处 的 AWS 指南。**您需要在 DynamoDB JSON 格式中进行“完全导出”。**

dynamodb-s3-export.png

3. 将快照加载到 ClickHouse

创建必要的表

来自 DynamoDB 的快照数据将类似于此

{
"age": {
"N": "26"
},
"first_name": {
"S": "sally"
},
"id": {
"S": "0A556908-F72B-4BE6-9048-9E60715358D4"
}
}

注意数据采用嵌套格式。在将其加载到 ClickHouse 之前,我们需要扁平化此数据。这可以通过在物化视图中使用 ClickHouse 中的 JSONExtract 函数来完成。

我们需要创建三个表

  1. 一个用于存储来自 DynamoDB 的原始数据的表
  2. 一个用于存储最终扁平化数据的表(目标表)
  3. 一个用于扁平化数据的物化视图

对于上面的示例 DynamoDB 数据,ClickHouse 表将如下所示

/* Snapshot table */
CREATE TABLE IF NOT EXISTS "default"."snapshot"
(
`item` String
)
ORDER BY tuple();

/* Table for final flattened data */
CREATE MATERIALIZED VIEW IF NOT EXISTS "default"."snapshot_mv" TO "default"."destination" AS
SELECT
JSONExtractString(item, 'id', 'S') AS id,
JSONExtractInt(item, 'age', 'N') AS age,
JSONExtractString(item, 'first_name', 'S') AS first_name
FROM "default"."snapshot";

/* Table for final flattened data */
CREATE TABLE IF NOT EXISTS "default"."destination" (
"id" String,
"first_name" String,
"age" Int8,
"version" Int64
)
ENGINE ReplacingMergeTree("version")
ORDER BY id;

目标表有一些要求

  • 此表必须是 ReplacingMergeTree
  • 该表必须包含一个 version
    • 在后面的步骤中,我们将 Kinesis 流中的 ApproximateCreationDateTime 字段映射到 version 列。
  • 该表应使用分区键作为排序键(由 ORDER BY 指定)
    • 具有相同排序键的行将根据 version 列进行去重。

创建快照 ClickPipe

现在,您可以创建 ClickPipe 将快照数据从 S3 加载到 ClickHouse。请遵循 S3 ClickPipe 指南 此处,但使用以下设置

  • 导入路径:您需要找到 S3 中导出的 json 文件的路径。该路径将类似于以下内容
https://{bucket}.s3.amazonaws.com/{prefix}/AWSDynamoDB/{export-id}/data/*
  • 格式:JSONEachRow
  • :您的快照表(例如,上面的示例中的 default.snapshot

创建完成后,数据将开始填充到快照表和目标表中。您无需等待快照加载完成,即可继续执行下一步。

4. 创建 Kinesis ClickPipe

现在,我们可以设置 Kinesis ClickPipe 来捕获来自 Kinesis 流的实时更改。请遵循 Kinesis ClickPipe 指南 此处,但使用以下设置

  • :步骤 1 中使用的 Kinesis 流
  • :您的目标表(例如,上面的示例中的 default.destination
  • 扁平化对象:true
  • 列映射:
    • ApproximateCreationDateTimeversion
    • 将其他字段映射到如下所示的相应目标列

dynamodb-map-columns.png

5. 清理(可选)

快照 ClickPipe 完成后,您可以删除快照表和物化视图。

DROP TABLE IF EXISTS "default"."snapshot";
DROP TABLE IF EXISTS "default"."snapshot_clickpipes_error";
DROP VIEW IF EXISTS "default"."snapshot_mv";