Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/long2ice/synch
Sync data from the other DB to ClickHouse(cluster)
https://github.com/long2ice/synch
clickhouse data-etl increment-etl kafka mysql postgresql replication
Last synced: 6 days ago
JSON representation
Sync data from the other DB to ClickHouse(cluster)
- Host: GitHub
- URL: https://github.com/long2ice/synch
- Owner: long2ice
- License: apache-2.0
- Created: 2020-02-15T06:25:16.000Z (over 4 years ago)
- Default Branch: dev
- Last Pushed: 2024-05-21T19:25:41.000Z (6 months ago)
- Last Synced: 2024-10-03T19:46:41.287Z (about 1 month ago)
- Topics: clickhouse, data-etl, increment-etl, kafka, mysql, postgresql, replication
- Language: Python
- Homepage: https://github.com/long2ice/synch
- Size: 2 MB
- Stars: 349
- Watchers: 8
- Forks: 99
- Open Issues: 13
-
Metadata Files:
- Readme: README-zh.md
- Changelog: CHANGELOG.md
- Funding: .github/FUNDING.yml
- License: LICENSE
Awesome Lists containing this project
- awesome-clickhouse - long2ice/synch - Synch is a data synchronization tool that allows seamless transfer of data from other databases to ClickHouse. (Integrations / ETL and Data Processing)
README
# Synch
[English](https://github.com/long2ice/synch/blob/dev/README.md)
## 简介
从其他数据库同步到 ClickHouse，当前支持 MySQL 与 postgres，支持全量复制与增量复制。
## 特性
- 全量复制与实时增量复制。
- 支持 DML 同步与 DDL 同步， 支持增加字段、删除字段、更改字段，并且支持所有的 DML。
- 错误邮件通知。
- 支持 redis 与 kafka 作为消息队列。
- 支持多源数据库同时同步到 ClickHouse。
- 支持 ClickHouse `MergeTree`、`CollapsingMergeTree`、`VersionedCollapsingMergeTree`、`ReplacingMergeTree`引擎。
- 支持 ClickHouse 集群。
## 依赖
- Python >= 3.7
- [redis](https://redis.io)，缓存 binlog 和作为消息队列，支持 redis 集群。
- [kafka](https://kafka.apache.org)，使用 kafka 作为消息队列时需要。
- [clickhouse-jdbc-bridge](https://github.com/long2ice/clickhouse-jdbc-bridge)， 在 postgres 执行`etl`命令的时候需要。
## 安装
```shell
> pip install synch
```
## 使用
### 配置文件 `synch.yaml`
synch 默认从 `./synch.yaml`读取配置， 或者可以使用`synch -c` 指定配置文件。
参考配置文件 [`synch.yaml`](https://github.com/long2ice/synch/blob/dev/synch.yaml)。
### 全量复制
在增量复制之前一般需要进行一次全量复制，或者使用`--renew`进行全量重建。
```shell
> synch --alias mysql_db etl -h
Usage: synch etl [OPTIONS]
Make etl from source table to ClickHouse.
Options:
--schema TEXT Schema to full etl.
--renew Etl after try to drop the target tables.
-t, --table TEXT Tables to full etl.
-h, --help Show this message and exit.
```
全量复制表 `test.test`：
```shell
> synch --alias mysql_db etl --schema test --tables test
```
### 生产
监听源库并将变动数据写入消息队列。
```shell
> synch --alias mysql_db produce
```
### 消费
从消息队列中消费数据并插入 ClickHouse，使用 `--skip-error`跳过错误消息。 配置 `auto_full_etl = True` 的时候会首先尝试做一次全量复制。
```shell
> synch --alias mysql_db consume -h
Usage: synch consume [OPTIONS]
Consume from broker and insert into ClickHouse.
Options:
--schema TEXT Schema to consume. [required]
--skip-error Skip error rows.
--last-msg-id TEXT Redis stream last msg id or kafka msg offset, depend on
broker_type in config.
-h, --help Show this message and exit.
```
消费数据库 `test` 并插入到`ClickHouse`：
```shell
> synch --alias mysql_db consume --schema test
```
### 监控
设置`core.monitoring`为`true`的时候会自动在`ClickHouse`创建一个`synch`数据库用以插入监控数据。
表结构：
```sql
create table if not exists synch.log
(
alias String,
schema String,
table String,
num int,
type int, -- 1：生产者, 2：消费者
created_at DateTime
)
engine = MergeTree partition by toYYYYMM
(
created_at
) order by created_at;
```
### ClickHouse 表引擎
现在 synch 支持 `MergeTree`、`CollapsingMergeTree`、`VersionedCollapsingMergeTree`、`ReplacingMergeTree`等引擎。
- `MergeTree`，默认引擎，通常情况下的选择。
- `CollapsingMergeTree`
，详情参考[CollapsingMergeTree](https://clickhouse.tech/docs/zh/engines/table-engines/mergetree-family/collapsingmergetree/)。
- `VersionedCollapsingMergeTree`
，详情参考[VersionedCollapsingMergeTree](https://clickhouse.tech/docs/zh/engines/table-engines/mergetree-family/versionedcollapsingmergetree/)。
- `ReplacingMergeTree`
，详情参考[ReplacingMergeTree](https://clickhouse.tech/docs/zh/engines/table-engines/mergetree-family/replacingmergetree/)。
## 使用 docker-compose（推荐）
Redis 作为消息队列，轻量级消息队列，依赖少
```yaml
version: "3"
services:
producer:
depends_on:
- redis
image: long2ice/synch
command: synch --alias mysql_db produce
volumes:
- ./synch.yaml:/synch/synch.yaml
# 一个消费者消费一个数据库
consumer.test:
depends_on:
- redis
image: long2ice/synch
command: synch --alias mysql_db consume --schema test
volumes:
- ./synch.yaml:/synch/synch.yaml
redis:
hostname: redis
image: redis:latest
volumes:
- redis
volumes:
redis:
```
Kafka作为消息队列，重量级，高吞吐量
```yaml
version: "3"
services:
zookeeper:
image: bitnami/zookeeper:3
hostname: zookeeper
environment:
- ALLOW_ANONYMOUS_LOGIN=yes
volumes:
- zookeeper:/bitnami
kafka:
image: bitnami/kafka:2
hostname: kafka
environment:
- KAFKA_CFG_ZOOKEEPER_CONNECT=zookeeper:2181
- ALLOW_PLAINTEXT_LISTENER=yes
- JMX_PORT=23456
- KAFKA_CFG_AUTO_CREATE_TOPICS_ENABLE=true
- KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://kafka:9092
depends_on:
- zookeeper
volumes:
- kafka:/bitnami
kafka-manager:
image: hlebalbau/kafka-manager
ports:
- "9000:9000"
environment:
ZK_HOSTS: "zookeeper:2181"
KAFKA_MANAGER_AUTH_ENABLED: "false"
command: -Dpidfile.path=/dev/null
producer:
depends_on:
- redis
- kafka
- zookeeper
image: long2ice/synch
command: synch --alias mysql_db produce
volumes:
- ./synch.yaml:/synch/synch.yaml
# 一个消费者消费一个数据库
consumer.test:
depends_on:
- redis
- kafka
- zookeeper
image: long2ice/synch
command: synch --alias mysql_db consume --schema test
volumes:
- ./synch.yaml:/synch/synch.yaml
redis:
hostname: redis
image: redis:latest
volumes:
- redis:/data
volumes:
redis:
kafka:
zookeeper:
```
## 重要提示
- 同步的表必须有主键或非 null 唯一键或复合主键。
- DDL 不支持 postgres.
- Postgres 同步未经过大量测试，生产环境谨慎使用。
## 感谢
强大的 Python IDE [Pycharm](https://www.jetbrains.com/pycharm/?from=synch)
，来自 [Jetbrains](https://www.jetbrains.com/?from=synch)。
## 开源许可
本项目遵从 [Apache-2.0](https://github.com/long2ice/synch/blob/master/LICENSE) 开源许可。