CDC from DynamoDB to ClickHouse

Experimental feature. Learn more.

このページでは、ClickPipesを使用してDynamoDBからClickHouseへのCDCを設定する方法について説明します。この統合には2つのコンポーネントがあります：

データはReplacingMergeTreeに取り込まれます。このテーブルエンジンはCDCシナリオによく使用され、更新操作を適用できるようにします。このパターンに関する詳細は、以下のブログ記事で見つかります：

1. Kinesis Streamの設定

最初に、DynamoDBテーブルでKinesisストリームを有効にして、リアルタイムで変更をキャプチャします。スナップショットを作成する前にこれを行い、データの喪失を避ける必要があります。 AWSガイドはこちらにあります。

次に、DynamoDBテーブルのスナップショットを作成します。これは、AWSからS3へのエクスポートを通じて実行できます。AWSガイドはこちらにあります。 DynamoDB JSONフォーマットで「フルエクスポート」を実行する必要があります。

DynamoDBからのスナップショットデータは次のようになります：

データがネストされた形式になっていることに注意してください。ClickHouseにロードする前に、このデータをフラット化する必要があります。これは、ClickHouseのMaterialized ViewでJSONExtract関数を使用して行えます。

次の3つのテーブルを作成する必要があります：

上記の例のDynamoDBデータに対するClickHouseのテーブルは次のようになります：

宛先テーブルにはいくつかの要件があります：

このテーブルはReplacingMergeTreeテーブルである必要があります
テーブルにはversionカラムが必要です
- 後のステップで、KinesisストリームからApproximateCreationDateTimeフィールドをversionカラムにマッピングします。
テーブルはソートキーとしてパーティションキーを使用する必要があります（ORDER BYで指定）
- 同じソートキーを持つ行はversionカラムに基づいて重複排除されます。

次に、S3からClickHouseにスナップショットデータをロードするためのClickPipeを作成できます。S3 ClickPipeガイドに従ってこちらを参照してくださいが、次の設定を使用します：

作成が完了すると、スナップショットテーブルと宛先テーブルにデータがポピュレートし始めます。次のステップに進む前にスナップショットのロードが完了するのを待つ必要はありません。

次に、Kinesisストリームからリアルタイムで変更をキャプチャするためのKinesis ClickPipeを設定できます。Kinesis ClickPipeガイドに従ってこちらを参照してくださいが、次の設定を使用します：

ストリーム：ステップ1で使用したKinesisストリーム
テーブル：宛先テーブル（例：上記のdefault.destination）
オブジェクトのフラット化：true
カラムマッピング：
- ApproximateCreationDateTime: version
- 他のフィールドを、以下に示す宛先カラムに適切にマッピングします

スナップショットClickPipeが完了したら、スナップショットテーブルとマテリアライズドビューを削除できます。