CDC 从 DynamoDB 到 ClickHouse

本页介绍如何使用 ClickPipes 设置从 DynamoDB 到 ClickHouse 的 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

数据将被摄取到 ReplacingMergeTree 中。此表引擎通常用于 CDC 场景，以允许应用更新操作。更多关于此模式的信息可以在以下博客文章中找到

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。我们希望在创建快照之前执行此操作，以避免丢失任何数据。请参阅 AWS 指南，网址位于此处。

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。请参阅 AWS 指南，网址位于此处。 您需要执行“完全导出”并使用 DynamoDB JSON 格式。

3. 将快照加载到 ClickHouse

创建必要的表

来自 DynamoDB 的快照数据如下所示

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

请注意，数据采用嵌套格式。在将其加载到 ClickHouse 之前，我们需要展平此数据。这可以使用 ClickHouse 中的 JSONExtract 函数在物化视图中完成。

我们希望创建三个表

一个表用于存储来自 DynamoDB 的原始数据
一个表用于存储最终展平的数据（目标表）
一个物化视图用于展平数据

对于上面的示例 DynamoDB 数据，ClickHouse 表如下所示

/* 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
该表必须具有 version 列
- 在后续步骤中，我们将 Kinesis 流中的 ApproximateCreationDateTime 字段映射到 version 列。
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基于 version 列进行去重。

创建快照 ClickPipe

现在您可以创建一个 ClickPipe，将快照数据从 S3 加载到 ClickHouse。请按照 S3 ClickPipe 指南此处，但使用以下设置

摄取路径：您需要找到 S3 中导出的 json 文件的路径。路径如下所示

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下一步。

4. 创建 Kinesis ClickPipe

现在我们可以设置 Kinesis ClickPipe，以捕获来自 Kinesis 流的实时更改。请按照 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）
展平对象：true
列映射:
- ApproximateCreationDateTime：version
- 将其他字段映射到适当的目标列，如下所示

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";

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）​