使用 MySQL 关联 HBase 维表数据到 ClickHouse

下载

聚焦模式

字号

最后更新时间： 2026-06-18 17:33:54

本文介绍了结合 MySQL 数据库、流计算 Oceanus、HBase 以及云数据仓库 TCHouse-C 来构建实时数仓，并通过流计算 Oceanus 读取 MySQL 数据、关联 HBase 中的维表，最终将数据存入云数据仓库 TCHouse-C 进行指标分析，实现完整实时数仓的全流程操作指导。
环境搭建
创建 Oceanus 集群
在 流计算 Oceanus 控制台的计算资源 > 新建，创建集群，选择地域、可用区、VPC、存储、日志、设置初始密码等。创建完后的集群如下：
说明
若未使用过 VPC、日志、存储这些组件，需要先进行创建。
VPC 及子网需要和下面的 MySQL、EMR 集群使用同一个，否则需要手动打通（如对等连接）。
﻿
﻿
﻿
创建 VPC 私有网络
私有网络是一块您在腾讯云上自定义的逻辑隔离网络空间，在构建 MySQL、EMR、TCHouse-C 集群等服务时选择的网络必须保持一致，网络才能互通，否则需要使用对等连接、VPN 等方式打通网络。
登录 私有网络 控制台，选择私有网络 > +新建，新建私有网络。
﻿
﻿
创建云数据库 MySQL 服务
云数据库 MySQL（TencentDB for MySQL）是腾讯云基于开源数据库 MySQL 专业打造的高性能分布式数据存储服务，让用户能够在云中更轻松地设置、操作和扩展关系数据库。
1. 登录 云数据库 TencentDB 控制台，选择实例列表 > 新建，新建实例。
﻿
﻿
2. 新建 MySQL 服务时，网络需要选择之前创建的。
﻿
﻿
﻿
3. 创建完 MySQL 服务后，需要修改 binlog 参数，如图修改为 FULL（默认值为 MINIMAL）。
﻿
﻿
4. 修改完参数后，登录 MySQL 创建示例所需要的数据库和数据库表。
创建数据库 mysqltestdb
1. 登录 MySQL 创建示例所需要的数据库。
﻿
﻿
2. 打开 SQL 窗口或者单击可视化页面创建数据库及表。
新建数据库
create database mysqltestdb;
在新建的数据库上新建表 student：
create table `student` (
  `id` int(11) not null auto_increment comment '主键id',
  `name` varchar(10) collate utf8mb4_bin default '' comment '名字',
  `age` int(11) default null comment '年龄',
  `create_time` timestamp null default current_timestamp comment '数据创建时间',
  primary key (`id`)
) engine=innodb auto_increment=4 default charset=utf8mb4 collate=utf8mb4_bin row_format=compact comment='学生表'
Student 表中插入数据
 insert into mysqltestdb.student(id,name,age) values(1,“xiaomin”,20);
创建 EMR 集群
弹性 MapReduce 是云端托管的弹性开源泛 Hadoop 服务，支持 Spark、HBase、Presto、Flink、Druid 等大数据框架，本次示例主要需要使用 HBase 组件。
1. 登录 弹性 MapReduce 控制台，选择集群列表 > 新建集群，开始新建集群，具体可参考 创建 EMR 集群。新建集群时，需选择安装 HBase 组件。
﻿

如果是生产环境，服务器配置可根据实际情况选择。网络需要选择之前创建好的 VPC 网络，始终保持服务组件在同一 VPC 下。
﻿
﻿
2. 在集群列表中，单击新建的集群 ID/名称，进入集群详情页。选择集群资源 > 资源管理，即进入 HBase 的 Master 节点。
﻿
﻿
3. 进入 云服务器控制台，搜索 EMR 实例 ID，然后单击登录进入服务器。
﻿
﻿
4. 创建 Hbase 表。
# 进入HBase命令
root@172~# hbase shell
进入 hbase shell，并新建表：
# 建表语句
  create ‘dim_hbase’, ‘cf’
﻿
# 插入数据
  put ‘dim_hbase’,’1’,’cf:name’,’MingDeSchool’
创建云数据仓库 TCHouse-C
新建集群
1. 登录 云数据仓库 TCHouse-C 控制台，选择集群列表 > 新建集群，新建集群。
﻿
﻿
2. 选择网络选择之前新建的 VPC 网络（依然保证各服务在同一网络）。
﻿
﻿
登录 TCHouse-C
在之前新建的 EMR 下选择一台云服务器单击登录，最好选择带有外网 IP 的节点。
﻿
﻿
安装 ClickHouse 客户端
在此机器上安装 ClickHouse 客户端，clickhouse-client 安装可参见 快速入门。
登录客户端
登录客户端示例如下：
clickhouse-client -h用户自己的ClickHouse服务IP --port 9000
新建数据库：
create database testdb on cluster default_cluster;
新建表：
CREATE TABLE testdb.student_school on cluster default_cluster (
`id` Int32,
`name` Nullable(String),
`school_name` Nullable(String),
`Sign` Int8
) ENGINE = ReplicatedCollapsingMergeTree('/clickhouse/tables/{layer}-{shard}/testdb/ student_school, '{replica}', Sign) ORDER BY id;
数据清洗和运算加工
数据准备
按照上面的操作创建表，并向 MySQL 和 HBase 表中插入数据。
创建 Flink SQL 作业
在流计算 Oceanus 控制台创建 SQL 作业，选择响应的内置 Connector。
Source 端
MySQL-CDC Source：
--学生信息作为cdc源表
CREATE TABLE `student` (
  `id` INT NOT NULL,
  `name` varchar,
  `age` INT,
  proc_time AS PROCTIME(),
  PRIMARY KEY (`ID`) NOT ENFORCED
) WITH (
  'connector' = 'mysql-cdc',
  -- 必须为 'mysql-cdc'
  'hostname' = 'YoursIp',
  -- 数据库的 IP
  'port' = '3306',
  -- 数据库的访问端口
  'username' = '用户名',
  -- 数据库访问的用户名（需要提供 SHOW DATABASES, REPLICATION SLAVE, REPLICATION CLIENT, SELECT, RELOAD 权限）
  'password' = 'YoursPassword,
  -- 数据库访问的密码
  'database-name' = 'mysqltestdb',
  -- 需要同步的数据库
  'table-name' = 'student' -- 需要同步的数据表名
);
HBase 维表：
--示例使用school学校信息作为维表
CREATE TABLE dim_hbase (
  rowkey STRING,
  cf ROW <school_name STRING>,  -- 如果有多个列簇，写法 cf Row<age INT,name String>
  PRIMARY KEY (rowkey) NOT ENFORCED
) WITH (
  'connector' = 'hbase-1.4',
  'table-name' = 'dim_hbase',
  'zookeeper.quorum' = '用户自己的hbase服务器zookeeper地址，多个用逗号隔开'
);
Sink 端
创建到 TCHouse-C 的创建表语句。
--关联后存入clickhouse表
CREATE TABLE `student_school` (
  stu_id INT,
  stu_name STRING,
  school_name STRING,
  PRIMARY KEY (`id`) NOT ENFORCED
) WITH (
  -- 指定数据库连接参数
  'connector' = 'clickhouse',
  'url' = 'clickhouse://yourIP:8123',
  -- 如果TCHouse-C集群未配置账号密码可以不指定
  --'username' = 'root',
  --'password' = 'root',
  'database-name' = 'testdb',
  'table-name' = ' student_school ',
  'table.collapsing.field' = 'Sign'
);
进行逻辑运算
此示例中，只进行了简单的 Join 没有进行复杂的运算。详细运算逻辑可参见 Oceanus 运算符和内置函数。
INSERT INTO
  student_school
SELECT
  student.id as stu_id,
  student.name as stu_name,
  dim_hbase.cf.school_name
FROM
  student
  JOIN dim_hbase for SYSTEM_TIME as of student.proc_time
    ON CAST(student.id AS STRING) = dim_hbase.rowkey;
结果验证
在数据库中查询数据是否正确。
select * from testdb.student_school; 
﻿