手把手教你用 Flink + CDC 实现 MySQL 数据实时导入 StarRocks（干货）

手把手教你用 Flink + CDC 实现 MySQL 数据实时导入 StarRocks（干货）

如何利用 Apache Flink 结合 CDC（Change Data Capture，变更数据捕获）技术，将 MySQL 的数据实时导入 StarRocks，打造高效的实时数仓。这不仅是企业数字化转型的利器，也是技术人提升竞争力的绝佳实战场景！

在数据驱动的时代，实时性是企业的核心竞争力。传统的批量 ETL（抽取-转换-加载）方式往往因为延迟高、效率低而无法满足实时分析需求。而 Flink 作为流处理的王者，搭配 CDC 捕获 MySQL 的增量变更，再结合 StarRocks 的高性能分析能力，形成了一个强大的实时数据入湖方案。无论你是数据库工程师、数据分析师，还是对数仓建设感兴趣的初学者，这篇文章都将手把手带你完成从环境搭建到整库同步的实战流程。

通过这篇博文，你将学会如何安装 Flink 和 MySQL CDC 连接器，编写 YAML 文件实现整库同步，并将数据无缝导入 StarRocks。准备好服务器，泡杯咖啡，咱们一起开启这场实时入湖的实战之旅吧！

**准备好你的服务器，泡杯咖啡，咱们一起“上代码、上步骤、上实战”，开启这场实时入湖的硬核之旅！
**

---

---

第一步：为什么选择 Flink + CDC + StarRocks？

Flink 是一个强大的流处理框架，擅长处理实时数据流，吞吐量高、延迟低，非常适合实时数仓场景。而 CDC 技术能捕获 MySQL 数据库的增量变更（比如插入、更新、删除操作），让我们无需全量扫描数据库，就能实时获取数据变化。至于 StarRocks，它是一个高性能的分析型数据库，查询速度快，支持实时分析场景。把这三者结合起来，简直是实时数据入湖的“黄金三角”！

---

第二步：环境准备与工具安装

先是vm 上 安装了 4台 linux centos 8 （如下图）
配置了 4台 VM 虚拟机
3台 安装 StarRocks
1台安装 mysql +flink+flinkcdc

具体可以参考Streaming ELT 同步 MySQL 到 StarRocks

但官方的例子 需要安装 docker 。当你真实配置你会发现，环境各有不同 ，不同
java 版本 ，Flink 和 cdc 用什么版本 ，有没有什么依赖性都需要考虑 问题。
包括 mysql 和 starocks 版本等.
我在实践中也出现的很多问题，经过很多尝试最终完成.

具体配置

组件	安装 IP 地址	角色/说明
Apache Flink	192.168.5.131	Flink 集群（JobManager + TaskManager）
Flink CDC 连接器	192.168.5.131	部署于 Flink 的 lib 目录，用于捕获 MySQL 变更数据
MySQL	192.168.5.131	源数据库，提供数据并启用 Binlog
StarRocks FE + BE	192.168.5.128	StarRocks 前端（FE）+ 后端（BE）
StarRocks BE	192.168.5.129	StarRocks 后端（BE）节点 2
StarRocks BE	192.168.5.130	StarRocks 后端（BE）节点 3

说明
Flink 和 Flink CDC：均部署在 192.168.5.131，Flink CDC 连接器通常作为 JAR 文件放置在 Flink 的 lib 目录下，与 Flink 共享同一节点。

MySQL：与 Flink 部署在同一服务器（192.168.5.131），需确保 Binlog 已启用。

StarRocks：分布式部署，FE 和一个 BE 节点在 192.168.5.128，另外两个 BE 节点分别在 192.168.5.129 和 192.168.5.130，形成一个典型的多节点集群。

网络要求：确保所有 IP 地址之间网络互通，特别是 MySQL（3306 端口）、Flink（8081 等端口）、StarRocks（8030、9030 等端口）需开放相关端口。

关于 怎么安装 starrocks 可以访问 Starrocks 中文论坛
关于 怎么安装 mysql 可以访问 这篇三步搞定 mysql 8.0的安装

本案列不需要安装 Docker

CentOS8_cd_Flink
可以看到 配置不高，主要用来完成这个实验 ，

如果是生产环境建议以下配置
Flink 是一个资源密集型的流处理框架，对 CPU、内存、磁盘和网络有一定要求。以下是推荐的硬件配置：

开发/测试环境（单节点或小型集群）

： CPU：4 核 ~ 8 核（如 Intel Xeon 或 AMD EPYC，推荐 2.5 GHz
以上）。 内存：16 GB ~ 32 GB（Flink 作业和 JVM 堆内存需至少 8 GB）。 磁盘：500 GB
SSD（用于存储检查点、日志和临时数据）。 网络：千兆网卡（1 Gbps），确保低延迟数据传输。

生产环境（分布式集群）：

CPU：16 核 ~ 32 核 per TaskManager（推荐多核 CPU 以支持高并行度）。 内存：64 GB ~ 128 GB
per TaskManager（建议为 Flink 分配 70%~80% 的内存，剩余用于操作系统）。 磁盘：1 TB ~ 2 TB
NVMe SSD（高 IOPS，适合检查点和状态存储）。 网络：万兆网卡（10 Gbps），支持高吞吐量数据传输。 节点数：至少 3
个节点（1 个 JobManager + 2 个 TaskManager），可根据任务规模扩展。

2.0 MySql 配置

验证是否是 binlog 模式

SHOW VARIABLES LIKE 'log_bin'; 

SHOW VARIABLES LIKE '%binlog%'; 

如果没有 需要 启动 binlog 模式

# /etc/my.cnf
[mysqld]
log-bin=mysql-bin          # 启用
binlog-format=ROW

– 1. 检查 binlog 是否启用 SHOW VARIABLES LIKE ‘log_bin’; – 必须是 ON

– 2. 设置格式为 ROW（最重要） SET GLOBAL binlog_format = ‘ROW’;

– 3. 设置合理的过期时间 SET GLOBAL binlog_expire_logs_seconds = 604800; – 7 天

创建数据库和表 用来同步

-- 创建数据库
CREATE DATABASE app_db;

USE app_db;

-- 创建 orders 表
CREATE TABLE `orders` (
`id` INT NOT NULL,
`price` DECIMAL(10,2) NOT NULL,
PRIMARY KEY (`id`)
);

-- 插入数据
INSERT INTO `orders` (`id`, `price`) VALUES (1, 4.00);
INSERT INTO `orders` (`id`, `price`) VALUES (2, 100.00);

-- 创建 shipments 表
CREATE TABLE `shipments` (
`id` INT NOT NULL,
`city` VARCHAR(255) NOT NULL,
PRIMARY KEY (`id`)
);

-- 插入数据
INSERT INTO `shipments` (`id`, `city`) VALUES (1, 'beijing');
INSERT INTO `shipments` (`id`, `city`) VALUES (2, 'xian');

-- 创建 products 表
CREATE TABLE `products` (
`id` INT NOT NULL,
`product` VARCHAR(255) NOT NULL,
PRIMARY KEY (`id`)
);

-- 插入数据
INSERT INTO `products` (`id`, `product`) VALUES (1, 'Beer');
INSERT INTO `products` (`id`, `product`) VALUES (2, 'Cap');
INSERT INTO `products` (`id`, `product`) VALUES (3, 'Peanut');

2.1 java 安装

可以看到 java 已经安装好 版本 11

2.2 下载 Flink 1.20.1

wget https://mirrors.tuna.tsinghua.edu.cn/apache/flink/flink-1.20.1/flink-1.20.1-bin-scala_2.12.tgz

2.3 解压 Flink 1.20.1

tar -xzf flink-1.20.1-bin-scala_2.12.tgz
cd flink-1.20.1
ll

2.4 配置 Flink-1.20.1/conf/config.yaml

vim flink-1.20.1/conf/config.yaml
改为 rest.address: 0.0.0.0
改为 rest.bind-address: 0.0.0.0

rest.address 和 rest.bind-address 是与 Flink 的 REST API 和 Web UI 相关的配置项，用于控制 Flink JobManager 的 REST 服务监听地址。这些配置决定了 Flink 的 Web UI 和客户端如何访问 JobManager。

2.5 下载 Flink-CDC-3.3.0

wget https://mirrors.tuna.tsinghua.edu.cn/apache/flink/flink-cdc-3.3.0/flink-cdc-3.3.0-bin.tar.gz

2.6 解压 Flink-CDC-3.3.0

tar -xzf flink-cdc-3.3.0-bin.tar.gz
cd flink-cdc-3.3.0

2.7 下载驱动 Flink-cdc-pipeline-connector-mysql-3.3.0.jar

wget "https://aliyun-osm-maven.oss-cn-shanghai.aliyuncs.com/repository/central/org/apache/flink/flink-cdc-pipeline-connector-mysql/3.3.0/flink-cdc-pipeline-connector-mysql-3.3.0.jar?Expires=1753349291&OSSAccessKeyId=LTAI5tQeTg2SkYgiUPXMyK7t&Signature=jnckjewN8vqzaE3tbupo691o8YY%3D" -O lib/flink-cdc-pipeline-connector-mysql-3.3.0.jar

2.8 下载驱动 Flink-cdc-pipeline-connector-starrocks-3.3.0.jar

wget "https://aliyun-osm-maven.oss-cn-shanghai.aliyuncs.com/repository/central/org/apache/flink/flink-cdc-pipeline-connector-starrocks/3.3.0/flink-cdc-pipeline-connector-starrocks-3.3.0.jar?Expires=1753349371&OSSAccessKeyId=LTAI5tQeTg2SkYgiUPXMyK7t&Signature=Fd0JxnlDxr1nKkP8wOoIHHhGV2c%3D" -O lib/flink-cdc-pipeline-connector-starrocks-3.3.0.jar

2.9 移到 Flink-cdc-3.3.0/lib 下

2.10 下载 MySQL JDBC 驱动

wget https://repo1.maven.org/maven2/com/mysql/mysql-connector-j/8.0.33/mysql-connector-j-8.0.33.jar

2.11 启动 Flink-1.20.1

./flink-1.20.1/bin/start-cluster.sh

打开 网页
192.168.5.131 :8081，如果可以打开说明启动成功

点击 Task Managers ,说明基本正常

2.12 网络和数据库连接 测试

ping 192.168.5.131
ping 192.168.5.128

telnet 192.168.5.131 3306
telnet 192.168.5.128 9030

2.13 创建 yaml

source:
  type: mysql
  hostname: 192.168.5.131  # 修改为实际 MySQL 地址
  port: 3306
  username: root
  password: 123456
  tables: app_db.\.*  #app_db修改为库名
  server-id: 5400-5404

sink:
  type: starrocks
  jdbc-url: jdbc:mysql://192.168.5.128:9030  # 修改为实际 StarRocks 地址
  load-url: 192.168.5.128:8030
  username: root
  password: 123456
  table.create.properties.replication_num: 1

pipeline:
  name: MySQL to StarRocks Pipeline
  parallelism: 1

source:
type: mysql
hostname: 192.168.5.131 # MySQL 服务器 IP 地址
port: 3306 # MySQL 端口
username: root # 连接
MySQL 的用户名
password: 123456 # 连接 MySQL 的密码 tables:
app_db…* # 需要同步的表，支持正则，这里是 app_db 库下的所有表
server-id:
5400-5404 # MySQL binlog server_id 范围（Flink CDC 会随机选一个）

sink:
type: starrocks
jdbc-url: jdbc:mysql://192.168.5.128:9030 # StarRocks JDBC 连接地址
load-url: 192.168.5.128:8030 # StarRocks Stream Load 地址
username: root # StarRocks 用户名
password: 123456 # StarRocks 密码
table.create.properties.replication_num: 1 # 表副本数设置为1

pipeline:
name: MySQL to StarRocks Pipeline # 管道名称
parallelism: 1 # 并行度设置为1

2.14 运行 yaml

因为有依赖关系 需要放在 flink-cdc-3.3.0 目录下面

./bin/flink-cdc.sh --flink-home /root/flink-1.20.1 mysql-to-starrocks-pipeline.yaml

./bin/flink-cdc.sh - 这是 Flink CDC 的启动脚本
–flink-home /root/flink-1.20.1 - 指定 Flink 的安装目录
mysql-to-starrocks-pipeline.yaml - 配置文件路径

页面如下


设置

./bin/flink-cdc.sh -Dexecution.checkpointing.interval=3000 --flink-home /root/flink-1.20.1 mysql-to-starrocks-pipeline.yaml

-Dexecution.checkpointing.interval=3000
-D: 这是 JVM 参数前缀，用于设置系统属性
execution.checkpointing.interval: Flink 配置参数名
3000: 时间间隔，单位是毫秒，即 3000ms = 3秒

最后验证 是否同步

查看starrocks

可以从图中看到原来 starrocks 是都没有数据库的
现在有数据库，表也自动同步好了。

连接 192.168.5.128:8030 ，并输入 用户名密码