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

通过 S3 ClickPipes 进行初始快照
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。

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”。**

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

一个用于存储来自 DynamoDB 的原始数据的表
一个用于存储最终扁平化数据的表（目标表）
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 表
该表必须包含一个 version 列
- 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
表：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

流：步骤 1 中使用的 Kinesis 流
表：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:
- ApproximateCreationDateTime：version
- 将其他字段映射到如下所示的相应目标列

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";

从 DynamoDB 到 ClickHouse 的 CDC

1. 设置 Kinesis 流​

2. 创建快照​

3. 将快照加载到 ClickHouse​

创建必要的表​

创建快照 ClickPipe​

4. 创建 Kinesis ClickPipe​

5. 清理（可选）​