メインコンテンツまでスキップ
メインコンテンツまでスキップ

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:

  1. S3 ClickPipesを介した初期スナップショット
  2. Kinesis ClickPipesを介したリアルタイムの更新

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。

2. スナップショットの作成

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。

3. スナップショットをClickHouseにロード

必要なテーブルの作成

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:

  1. DynamoDBからの生データを格納するテーブル
  2. 最終的にフラット化されたデータを格納するテーブル(宛先テーブル)
  3. データをフラット化するためのMaterialized View

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。

スナップショットClickPipeの作成

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:

  • インジェストパス:エクスポートされたjsonファイルのS3内のパスを特定する必要があります。パスは次のようになります:
  • フォーマット:JSONEachRow
  • テーブル:スナップショットテーブル(例:上記のdefault.snapshot

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。

4. Kinesis ClickPipeの作成

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

5. クリーンアップ(オプション)

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。