Java/scala使用内置嵌入式embedded debezium全量和增量同步Mysql binlog数据

1. 背景

Debezium通常基于Kafka启动一个Kafka Connect服务，之后可以向Debezium提交Mysql、PostgresSQL等connector任务进行同步数据，数据被保存到Kafka中。分布式的Kafka Connect服务能提供容错性和可拓展性

但是我们有时不想部署一套Kafka集群和Debezium的Kafka Connect服务。而是通过一种更轻量级的方式，将Debezium的Mysql、PostgresSQL等connector任务直接集成到我们的Java/scala代码中，直接在代码中接收changelog数据，处理完成后发送到下游

2. 添加依赖

这里只能使用1.5版本的，该版本支持Java1.8。因为从1.6版本开始，只支持Java11。参考debezium release的已经测试过的版本确定每个版本支持的Java和Mysql

        
            io.debezium
            debezium-api
            1.5.4.Final
        

        
            io.debezium
            debezium-embedded
            1.5.4.Final
        

        
            io.debezium
            debezium-connector-mysql
            1.5.4.Final
        

3. 同步代码

package org.mq.streamWarehouse.ODS.pulsar

import io.debezium.engine.DebeziumEngine.{ChangeConsumer, CompletionCallback}
import io.debezium.engine.format.Json
import io.debezium.engine.{ChangeEvent, DebeziumEngine}

import java.util
import java.util.Properties
import java.util.concurrent.{ExecutorService, Executors, TimeUnit}
import java.util.function.Consumer
import scala.collection.JavaConverters.asScalaBufferConverter

object MysqlDebeziumEngine {


  def main(args: Array[String]): Unit = {

    val props: Properties = new Properties()
    // engine的参数设置
    props.setProperty("name", "engine")
    props.setProperty("offset.storage", "org.apache.kafka.connect.storage.FileOffsetBackingStore")
    props.setProperty("offset.storage.file.filename", "/root/offsets.log")
    props.setProperty("offset.flush.interval.ms", "6000")
    props.setProperty("converter.schemas.enable", "true")
    // mysql connector的参数设置
    props.setProperty("connector.class", "io.debezium.connector.mysql.MySqlConnector")
    props.setProperty("database.hostname", "192.168.8.124")
    props.setProperty("database.port", "3306")
    props.setProperty("database.user", "hnmqet")
    props.setProperty("database.password", "hnmq123456")
    props.setProperty("database.server.id", "85744")
    props.setProperty("database.server.name", "my-app-connector")
    props.setProperty("database.include.list", "d_enforce,d_general")
    props.setProperty("snapshot.mode", "schema_only")
    props.setProperty("decimal.handling.mode", "double")
    props.setProperty("database.history",
      "io.debezium.relational.history.FileDatabaseHistory")
    props.setProperty("database.history.file.filename",
      "/root/dbhistory.log")

    try {
      // 创建engine。DebeziumEngine继承了Closeable，会自动关闭
      val engine: DebeziumEngine[ChangeEvent[String, String]] =
        DebeziumEngine.create(classOf[Json])
          .using(props)
          .notifying(new Consumer[ChangeEvent[String, String]] {
            override def accept(changeEvent: ChangeEvent[String, String]): Unit = {

              println(changeEvent.key())
              println(changeEvent.value())
            }
          })
          .notifying(
            new ChangeConsumer[ChangeEvent[String, String]] {
              override def handleBatch(list: util.List[ChangeEvent[String, String]], recordCommitter: DebeziumEngine.RecordCommitter[ChangeEvent[String, String]]): Unit = {
                for (changeEvent  {
        Thread.currentThread().interrupt()
      }
    }


  }

}

engine部分参数说明如下：

• message接收的格式可以是：JSON, Avro、Kafka Connect服务的SourceRecord
• DebeziumEngine的properties用于engine和mysql connector
• 参数name：指定engine的自定义name。用于engine内部状态维护，和作为source records的一个字段
• 参数converter.schemas.enable：output是否包含schema

Mysql Connector部分参数说明如下：

• 参数connector.class：继承自Kafka Connect的org.apache.kafka.connect.source.SourceConnector抽象类
• offset：mysql connector每处理一个record都会有一个offset，但是engine定期将offset的数据flush到文件中。以便下次重启application的时候，从保存的offset位置开始同步
• 参数connector.class：继承自Kafka Connect的org.apache.kafka.connect.source.SourceConnector抽象类
• 用于同步的Mysql用户需要的同步全量snapshot权限：SELECT、RELOAD、SHOW DATABASES，用于增量同步binlog的权限：REPLICATION SLAVE、REPLICATION CLIENT
• 参数database.server.id：MySqlConnector实例相当于Mysql的slave。需要在MySQL server group中保持唯一，范围为： 1   2 32 − 1 1~2^{32}-1 1 232−1
• 参数database.server.name：为Mysql的master自定义一个名称。将作为source records的一个字段
• 参数table.include.list：指定同步的数据库有哪些。多个逗号分隔
• 参数snapshot.mode：默认是initial，表示同步snapshot后，再同步binlog。也可以指定为schema-only，先同步所有表的schema，再从最新的binlog position开始同步
• 参数decimal.handling.mode：默认解析出来的含字母的字符串。设置connector将decimal解析成double
• 参数database.history：用于记录Mysql数据库的schema变更，以便能够正确的decode这些change events

创建engine部分说明：

• notifying中的参数是一个java.util.function.Consumer形式的lambada表达式，用于处理record。record的数据类型，是DebeziumEngine.create(classOf[Json])定义的数据类型。在该Consumer中不能抛出异常给Consumer。如果抛出异常给Consumer, engine将会记录该异常，继续处理下一个record，会导致Mysql Server端和同步目标数据库的数据不一致

运行engine部分说明：

• DebeziumEngine需要通过Executor或ExecutorService异步执行

Exactly-once实现说明：

• offset.flush.interval.ms设置为0
• notifying中对Consumer进行实现，不进行批处理，来一条处理一条，如下：

import java.util.function.Consumer
import io.debezium.engine.ChangeEvent

          .notifying(new Consumer[ChangeEvent[String, String]] {
            override def accept(changeEvent: ChangeEvent[String, String]): Unit = {
              
              println(changeEvent.key())
              println(changeEvent.value())
            }
          })

4. 同步问题 4.1 Mysql Datetime类型解析多了8小时

问题场景：Mysql中的一列字段类型为Datetime，值为：2021-07-22 11:19:27。其对应的时间戳为：1626923967000。而Debezium解析出来的是Long类型的时间戳，值为1626952767000，对应的时间为：2021-07-22 19:19:27，比Mysql中的值多了8小时

原因：参考源码：debezium/debezium-core/src/main/java/io/debezium/time/Timestamp.java。Mysql数据库中设置的时区是UTC+8。Debezium默认将MySQL中datetime类型转成UTC的时间戳，而且没有提供参数进行修改。尝试通过官网提供的参数props.setProperty("serverTimezone", "UTC")或props.setProperty("serverTimezone", "Asia/Shanghai")进行修改，并没有效果，而且源码也没有看到该参数

解决办法：

1. 修改源码
2. 在自己的代码中对解析出来的Long类型时间戳，减8小时