跳到主要内容
跳到主要内容

从 DynamoDB 到 ClickHouse 的 CDC

Experimental feature. Learn more.

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：

  1. 通过 S3 ClickPipes 进行初始快照
  2. 通过 Kinesis ClickPipes 进行实时更新

数据将被导入到 ReplacingMergeTree 中。该表引擎通常用于 CDC 场景，以便应用更新操作。有关此模式的更多信息，请参阅以下博客文章：

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，以避免遗漏任何数据。 请查阅位于 此处 的 AWS 指南。

DynamoDB Kinesis Stream

2. 创建快照​

接下来，我们将创建 DynamoDB 表的快照。这可以通过将数据导出到 S3 来实现。请查阅位于 此处 的 AWS 指南。 您需要执行“完整导出”并使用 DynamoDB JSON 格式。

DynamoDB S3 Export

3. 将快照加载到 ClickHouse 中​

创建必要的表​

来自 DynamoDB 的快照数据将如下所示：

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

请注意，数据是以嵌套格式呈现的。我们需要在将其加载到 ClickHouse 之前扁平化此数据。这可以通过在物化视图中使用 ClickHouse 的 JSONExtract 函数来完成。

我们需要创建三个表：

  1. 一个用于存储来自 DynamoDB 的原始数据的表
  2. 一个用于存储最终扁平化数据的表（目标表）
  3. 一个物化视图，用于扁平化数据

对于上面的示例 DynamoDB 数据，ClickHouse 表将如下所示：

/* 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：

  • 该表必须是 ReplacingMergeTree 表
  • 表必须有一个 version 列
    • 在后续步骤中，我们将把 Kinesis 流中的 ApproximateCreationDateTime 字段映射到 version 列。
  • 表应使用分区键作为排序键（通过 ORDER BY 指定）
    • 拥有相同排序键的行将根据 version 列去重。

创建快照 ClickPipe​

现在可以创建一个 ClickPipe，将快照数据从 S3 加载到 ClickHouse。请参阅 S3 ClickPipe 指南 此处，但使用以下设置：

  • 导入路径：您需要找到导出 JSON 文件在 S3 中的路径。路径看起来像这样：
https://{bucket}.s3.amazonaws.com/{prefix}/AWSDynamoDB/{export-id}/data/*
  • 格式：JSONEachRow
  • 表：您的快照表（例如，在上述示例中为 default.snapshot）

创建后，数据将开始填充到快照和目标表中。在继续进行下一步骤之前，您无需等待快照加载完成。

4. 创建 Kinesis ClickPipe​

现在我们可以设置 Kinesis ClickPipe，以捕获 Kinesis 流中的实时更改。请参阅 Kinesis ClickPipe 指南 此处，但使用以下设置：

  • 流：第 1 步中使用的 Kinesis 流
  • 表：您的目标表（例如，在上述示例中为 default.destination）
  • 扁平化对象：true
  • 列映射：
    • ApproximateCreationDateTime：version
    • 将其他字段映射到适当的目标列，如下所示
DynamoDB Map Columns

5. 清理（可选）​

一旦快照 ClickPipe 完成，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";