python实现MySQL指定表增量同步数据到clickhouse的脚本

python实现MySQL指定表增量同步数据到clickhouse,脚本如下:

#!/usr/bin/env python3
# _*_ coding:utf8 _*_

from pymysqlreplication import BinLogStreamReader
from pymysqlreplication.row_event import (DeleteRowsEvent,UpdateRowsEvent,WriteRowsEvent,)
import clickhouse_driver
import configparser
import os

configfile='repl.ini'
########## 配置文件repl.ini 操作 ##################
def create_configfile(configfile,log_file,log_pos):
 config = configparser.ConfigParser()

if not os.path.exists(configfile):
   config['replinfo'] = {'log_file':log_file,'log_pos':str(log_pos)}

with open(configfile,'w+') as f:
     config.write(f)

### repl.ini 写操作 ##################
def write_config(configfile,log_file,log_pos):
 config = configparser.ConfigParser()
 config.read(configfile)

config.set('replinfo','log_file',log_file)
 config.set('replinfo','log_pos',str(log_pos))

if os.path.exists(configfile):
   with open(configfile,'w+') as f:
     config.write(f)
 else:
   create_configfile(configfile)

### 配置文件repl.ini 读操作 ##################
def read_config(configfile):
 config = configparser.ConfigParser()
 config.read(configfile)
 # print(config['replinfo']['log_file'])
 # print(config['replinfo']['log_pos'])
 return (config['replinfo']['log_file'],int(config['replinfo']['log_pos']))

############# clickhouse 操作 ##################
def ops_clickhouse(db,table,sql):
 column_type_dic={}
 try:
   client = clickhouse_driver.Client(host='127.0.0.1',\
                    port=9000,\
                    user='default',\
                    password='clickhouse')
   # sql="select name,type from system.columns where database='{0}' and table='{1}'".format(db,table)
   client.execute(sql)

except Exception as error:
   message = "获取clickhouse里面的字段类型错误. ％s" ％ (error)
   # logger.error(message)
   print(message)
   exit(1)

MYSQL_SETTINGS = {'host':'127.0.0.1','port':13306,'user':'root','passwd':'Root@0101'}
only_events=(DeleteRowsEvent, WriteRowsEvent, UpdateRowsEvent)
def main():
 ## 每次重启时，读取上次同步的log_file,log_pos
 (log_file,log_pos) = read_config(configfile)
 # print(log_file+'|'+ str(log_pos))
 print('-----------------------------------------------------------------------------')
 stream = BinLogStreamReader(connection_settings=MYSQL_SETTINGS, resume_stream=True, blocking=True, \
               server_id=10,
                only_tables='t_repl', only_schemas='test', \
               log_file=log_file,log_pos=log_pos, \
               only_events=only_events, \
               fail_on_table_metadata_unavailable=True, slave_heartbeat=10)

try:
   for binlogevent in stream:
     for row in binlogevent.rows:
       ## delete操作
       if isinstance(binlogevent, DeleteRowsEvent):
         info = dict(row["values"].items())
         # print("DELETE FROM `％s`.`％s` WHERE ％s = ％s ;" ％(binlogevent.schema ,binlogevent.table,binlogevent.primary_key,info[binlogevent.primary_key]) )
         # print("ALTER TABLE `％s`.`％s` DELETE WHERE ％s = ％s ;" ％(binlogevent.schema ,binlogevent.table,binlogevent.primary_key,info[binlogevent.primary_key]) )
         sql="ALTER TABLE `％s`.`％s` DELETE WHERE ％s = ％s ;" ％(binlogevent.schema ,binlogevent.table,binlogevent.primary_key,info[binlogevent.primary_key])

## update 操作
       elif isinstance(binlogevent, UpdateRowsEvent):
         info_before = dict(row["before_values"].items())
         info_after = dict(row["after_values"].items())
         # info_set = str(info_after).replace(":","=").replace("{","").replace("}","")
         info_set = str(info_after).replace(":", "=").replace("{", "").replace("}", "").replace("'","")
         # print("UPDATE `％s`.`％s` SET ％s WHERE ％s = ％s ;"％(binlogevent.schema,binlogevent.table,info_set,binlogevent.primary_key,info_before[binlogevent.primary_key]  ) )
         # print("ALTER TABLE ％s.％s UPDATE ％s WHERE ％s = ％s ;"％(binlogevent.schema,binlogevent.table,info_set,binlogevent.primary_key,info_before[binlogevent.primary_key]  ) )
         sql = "ALTER TABLE ％s.％s UPDATE ％s WHERE ％s = ％s ;"％(binlogevent.schema,binlogevent.table,info_set,binlogevent.primary_key,info_before[binlogevent.primary_key]  )

## insert 操作
       elif isinstance(binlogevent, WriteRowsEvent):
         info = dict(row["values"].items())
         # print("INSERT INTO ％s.％s(％s)VALUES％s ;"％(binlogevent.schema,binlogevent.table , ','.join(info.keys()) ,str(tuple(info.values())) ) )
         sql = "INSERT INTO ％s.％s(％s)VALUES％s ;"％(binlogevent.schema,binlogevent.table , ','.join(info.keys()) ,str(tuple(info.values())) )
       ops_clickhouse('test', 't_repl',sql )

# 当前log_file,log_pos写入配置文件
       write_config(configfile, stream.log_file, stream.log_pos)

except Exception as e:
   print(e)
 finally:
   stream.close()

if __name__ == "__main__":
 main()

'''
BinLogStreamReader()参数
ctl_connection_settings：集群保存模式信息的连接设置
resume_stream：从位置或binlog的最新事件或旧的可用事件开始
log_file：设置复制开始日志文件
log_pos：设置复制开始日志pos（resume_stream应该为true）
auto_position：使用master_auto_position gtid设置位置
blocking：在流上读取被阻止
only_events：允许的事件数组
ignored_events：被忽略的事件数组
only_tables：包含要观看的表的数组（仅适用于binlog_format ROW）
ignored_tables：包含要跳过的表的数组
only_schemas：包含要观看的模式的数组
ignored_schemas：包含要跳过的模式的数组
freeze_schema：如果为true，则不支持ALTER TABLE。速度更快。
skip_to_timestamp：在达到指定的时间戳之前忽略所有事件。
report_slave：在SHOW SLAVE HOSTS中报告奴隶。
slave_uuid：在SHOW SLAVE HOSTS中报告slave_uuid。
fail_on_table_metadata_unavailable：如果我们无法获取有关row_events的表信息，应该引发异常
slave_heartbeat：（秒）主站应主动发送心跳连接。这也减少了复制恢复时GTID复制的流量（在许多事件在binlog中跳过的情况下）。请参阅mysql文档中的MASTER_HEARTBEAT_PERIOD以了解语义
'''

知识点扩展：

MySQL备份-增量同步

mysql增量同步主要使用binlog文件进行同步，binlog文件主要记录的是数据库更新操作相关的内容。

1. 备份数据的意义

针对不同业务，7*24小时提供服务和数据的重要性不同。
数据库数据是比较核心的数据，对企业的经营至关重要，数据库备份显得尤为重要。

2. 备份数据库

MySQL数据库自带的备份命令 `mysqldump`，基本使用方法：
语法：`mysqldump -u username -p password dbname > filename.sql`

执行备份命令

`mysqldump -uroot -pmysqladmin db_test > /opt/mysql_bak.sql`

查看备份内容

`grep -v "#|\*|--|^$" /opt/mysql_bak.sql`

来源：https://blog.csdn.net/u010719917/article/details/114085351