Apache SeaTunnel 將 CDC 數(shù)據(jù)流轉(zhuǎn)換為 Append-Only 模式的詳細(xì)過程

更新時間：2025年11月20日 09:07:47 作者：SeaTunnel

RowKindExtractor轉(zhuǎn)換插件用于將CDC數(shù)據(jù)流轉(zhuǎn)換為Append-Only模式,同時將原始的 RowKind 信息提取為一個新的字段,本文將介紹RowKindExtractor的核心功能,其在 CDC 數(shù)據(jù)同步場景下的使用方法,以及配置選項、注意事項及多種應(yīng)用示例,感興趣的朋友一起看看吧

RowKindExtractor 是 Apache SeaTunnel 的一個轉(zhuǎn)換插件，它能將 CDC 數(shù)據(jù)流轉(zhuǎn)為 Append-Only 模式，并提取原始 RowKind 信息為新字段。本文將介紹 RowKindExtractor 的核心功能，其在 CDC 數(shù)據(jù)同步場景下的使用方法，以及配置選項、注意事項及多種應(yīng)用示例。

RowKindExtractor

RowKindExtractor 轉(zhuǎn)換插件用于將 CDC（Change Data Capture）數(shù)據(jù)流轉(zhuǎn)換為 Append-Only（僅追加）模式，同時將原始的 RowKind 信息提取為一個新的字段。

核心功能：

將所有數(shù)據(jù)行的 RowKind 統(tǒng)一改為 +I（INSERT），實現(xiàn) Append-Only 模式
將原始的 RowKind 信息（INSERT、UPDATE_BEFORE、UPDATE_AFTER、DELETE）保存到新增的字段中
支持短格式和完整格式兩種輸出方式

為什么需要這個插件？

在 CDC 數(shù)據(jù)同步場景中，數(shù)據(jù)行帶有 RowKind 標(biāo)記（+I、-U、+U、-D），表示不同的變更類型。但某些下游系統(tǒng)（如數(shù)據(jù)湖、分析系統(tǒng)）只支持 Append-Only 模式，不支持 UPDATE 和 DELETE 操作。此時需要：

將所有數(shù)據(jù)轉(zhuǎn)換為 INSERT 類型（Append-Only）
將原始的變更類型保存為普通字段，供后續(xù)分析使用

轉(zhuǎn)換示例：

輸入（CDC 數(shù)據(jù)）：
  RowKind: -D (DELETE)
  數(shù)據(jù): id=1, name="test1", age=20
輸出（Append-Only 數(shù)據(jù)）：
  RowKind: +I (INSERT)
  數(shù)據(jù): id=1, name="test1", age=20, row_kind="DELETE"

典型應(yīng)用場景：

將 CDC 數(shù)據(jù)寫入只支持 Append 的數(shù)據(jù)湖
需要在數(shù)據(jù)倉庫中保留完整的變更歷史記錄
需要對不同類型的變更進(jìn)行統(tǒng)計分析

配置選項

custom_field_name [string]

指定新增字段的名稱，該字段用于存儲原始的 RowKind 信息。

默認(rèn)值：row_kind

注意事項：

字段名不能與原有字段重名，否則會報錯
建議使用有意義的名稱，如 operation_type、change_type、cdc_op 等

示例：

custom_field_name = "operation_type"  # 使用自定義字段名

transform_type [enum]

指定 RowKind 字段值的輸出格式。

可選值：

默認(rèn)值：SHORT

各值含義：

選擇建議：

SHORT 格式：節(jié)省存儲空間，適合對存儲敏感的場景
FULL 格式：可讀性更好，適合需要人工查看或分析的場景

示例：

transform_type = FULL  # 使用完整格式

完整示例

示例 1：使用默認(rèn)配置（SHORT 格式）

使用默認(rèn)配置，將 CDC 數(shù)據(jù)轉(zhuǎn)換為 Append-Only 模式，RowKind 以短格式保存。

env {
  parallelism = 1
  job.mode = "STREAMING"
}
source {
  MySQL-CDC {
    plugin_output = "cdc_source"
    server-id = 5652
    username = "root"
    password = "your_password"
    table-names = ["mydb.users"]
    url = "jdbc:mysql://localhost:3306/mydb"
  }
}
transform {
  RowKindExtractor {
    plugin_input = "cdc_source"
    plugin_output = "append_only_data"
    # 使用默認(rèn)配置：
    # custom_field_name = "row_kind"
    # transform_type = SHORT
  }
}
sink {
  Console {
    plugin_input = "append_only_data"
  }
}

數(shù)據(jù)轉(zhuǎn)換過程：

輸入數(shù)據(jù)（CDC 格式）：
  1. RowKind=+I, id=1, name="張三", age=25
  2. RowKind=-U, id=1, name="張三", age=25
  3. RowKind=+U, id=1, name="張三", age=26
  4. RowKind=-D, id=1, name="張三", age=26
輸出數(shù)據(jù)（Append-Only 格式）：
  1. RowKind=+I, id=1, name="張三", age=25, row_kind="+I"
  2. RowKind=+I, id=1, name="張三", age=25, row_kind="-U"
  3. RowKind=+I, id=1, name="張三", age=26, row_kind="+U"
  4. RowKind=+I, id=1, name="張三", age=26, row_kind="-D"

示例 2：使用 FULL 格式和自定義字段名

使用完整格式輸出 RowKind，并自定義字段名稱。

env {
  parallelism = 1
  job.mode = "STREAMING"
}
source {
  MySQL-CDC {
    plugin_output = "cdc_source"
    server-id = 5652
    username = "root"
    password = "your_password"
    table-names = ["mydb.orders"]
    url = "jdbc:mysql://localhost:3306/mydb"
  }
}
transform {
  RowKindExtractor {
    plugin_input = "cdc_source"
    plugin_output = "append_only_data"
    custom_field_name = "operation_type"  # 自定義字段名
    transform_type = FULL                 # 使用完整格式
  }
}
sink {
  Iceberg {
    plugin_input = "append_only_data"
    catalog_name = "iceberg_catalog"
    database = "mydb"
    table = "orders_history"
    # Iceberg 表會包含 operation_type 字段，記錄每條數(shù)據(jù)的變更類型
  }
}

數(shù)據(jù)轉(zhuǎn)換過程：
輸入數(shù)據(jù)（CDC 格式）：
  1. RowKind=+I, order_id=1001, amount=100.00
  2. RowKind=-U, order_id=1001, amount=100.00
  3. RowKind=+U, order_id=1001, amount=150.00
  4. RowKind=-D, order_id=1001, amount=150.00
輸出數(shù)據(jù)（Append-Only 格式，F(xiàn)ULL 格式）：
  1. RowKind=+I, order_id=1001, amount=100.00, operation_type="INSERT"
  2. RowKind=+I, order_id=1001, amount=100.00, operation_type="UPDATE_BEFORE"
  3. RowKind=+I, order_id=1001, amount=150.00, operation_type="UPDATE_AFTER"
  4. RowKind=+I, order_id=1001, amount=150.00, operation_type="DELETE"

示例 3：完整的測試示例（使用 FakeSource）

使用 FakeSource 生成測試數(shù)據(jù)，演示各種 RowKind 的轉(zhuǎn)換效果。

env {
  parallelism = 1
  job.mode = "BATCH"
}
source {
  FakeSource {
    plugin_output = "fake_cdc_data"
    schema = {
      fields {
        pk_id = bigint
        name = string
        score = int
      }
      primaryKey {
        name = "pk_id"
        columnNames = [pk_id]
      }
    }
    rows = [
      {
        kind = INSERT
        fields = [1, "A", 100]
      },
      {
        kind = INSERT
        fields = [2, "B", 100]
      },
      {
        kind = UPDATE_BEFORE
        fields = [1, "A", 100]
      },
      {
        kind = UPDATE_AFTER
        fields = [1, "A_updated", 95]
      },
      {
        kind = UPDATE_BEFORE
        fields = [2, "B", 100]
      },
      {
        kind = UPDATE_AFTER
        fields = [2, "B_updated", 98]
      },
      {
        kind = DELETE
        fields = [1, "A_updated", 95]
      }
    ]
  }
}
transform {
  RowKindExtractor {
    plugin_input = "fake_cdc_data"
    plugin_output = "transformed_data"
    custom_field_name = "change_type"
    transform_type = FULL
  }
}
sink {
  Console {
    plugin_input = "transformed_data"
  }
}

預(yù)期輸出：

+I, pk_id=1, name="A", score=100, change_type="INSERT"
+I, pk_id=2, name="B", score=100, change_type="INSERT"
+I, pk_id=1, name="A", score=100, change_type="UPDATE_BEFORE"
+I, pk_id=1, name="A_updated", score=95, change_type="UPDATE_AFTER"
+I, pk_id=2, name="B", score=100, change_type="UPDATE_BEFORE"
+I, pk_id=2, name="B_updated", score=98, change_type="UPDATE_AFTER"
+I, pk_id=1, name="A_updated", score=95, change_type="DELETE"

到此這篇關(guān)于Apache SeaTunnel 將 CDC 數(shù)據(jù)流轉(zhuǎn)換為 Append-Only 模式的詳細(xì)過程的文章就介紹到這了,更多相關(guān)Apache SeaTunnel Append-Only 模式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: