此前，OceanBase 社区与ChunJun 社区联合组织的开源线下 Meetup成功举办，会上重磅发布了「OceanBase&ChunJun：构建一体化数据集成方案」。
这是OceanBase&ChunJun联合解决方案的首次发布，将针对分库分表的实时数据集成、跨集群/租户的数据集成、不同数据源的实时数据集成、日志类型数据的全增量一体化处理等诸多场景，提供高可靠数据集成解决方案。
本文将为大家带来具体介绍，欢迎分享给更多的开发者和爱好者共同学习、探讨。
OceanBase & ChunJun 是什么
OceanBase：企业级开源分布式 HTAP数据库
企业级开源分布式 HTAP（Hybrid Transaction/Analytical Processing）数据库，具有原生分布式架构，支持金融级高可用、透明水平扩展、分布式事务、多租户和语法兼容等企业级特性。
OceanBase的核心能力
- 高可用：基于 Paxos 协议，强一致性；少数副本故障，数据不丢，服务不停；RPO=0; RTO<30s
- 高扩展：在线进行水平扩、缩容；自动实现负载均衡
- 低成本：不依赖高端硬件，降低成本；极致的压缩比，节省成本
- HTAP：一套计算引擎同时支持混合负载；一套数据库，读写分离
- 高兼容：兼容 MySQL 协议与语法；降低业务改造迁移成本
- 多租户：一套环境独立运行多套业务；保证租户数据安全
ChunJun：一款稳定、高效、易用的数据集成框架
ChunJun 是一款高效、稳定、易用的数据集成框架，目前基于Apache Flink 实时计算引擎实现批流一体的数据读取和写入。
ChunJun的核心能力
- 多数据源：目前已支持30+数据源，涵盖了各类数据库、文件系统等
- 灵活的任务运行模式：支持开箱即用的local模式运行，也支持flink standalone、yarn、k8s等模式；支持Taier、DolphinScheduler、Dlinky等大数据调度平台
- 数据还原：支持 DML 和 DDL 同步，可以最大程度保证源端和目标端的数据和结构统一
- 断点续传：依托Flink的Checkpoint机制，可以从失败的位点重试
- 速率控制：支持多种分片方式，用户可根据自身业务调整分片逻辑；支持调整读取和写入的并发度，控制每秒读取的数据量
- 脏数据管理：支持多种方式存储脏数据，控制脏数据生命周期，并提供统计数据
ChunJun & OceanBase 联合方案
OceanBase CDC
OceanBase作为分布式数据库，日志信息分布在集群当中不同的机器上，需要有一个工具把这些日志信息进行汇总，拿到正确、完整的日志信息。
OceanBase社区版利用CDC 组件架构进行这项工作，它主要是通过oblogproxy来提供日志拉取的服务，如果想集成OceanBase增量数据的处理，可以在自己的业务应用中去集成oblogclient来进行处理，目前已对接了ChunJun、Flink CDC、Cloud Canal等数据集成框架。
OceanBase 社区版 CDC 组件架构
ChunJun Connectors 的工作模式
ChunJun中的读取和写入主要是通过Connector中的一些结构和模块来实现的，包含RDB、CDC 、NoSQL、MQ、File 等。
- RDB Connectors：基于 JDBC Connector，通过轮询支持了源表包含自增列且增量数据只有 insert 操作时的全增量一体化读取及写入。
- CDC Connectors：基于数据库的Binlog 或 Redolog，实现增量数据的读取。
Flink 流数据与动态表
ChunJun上的这些数据最终会在Flink进行处理，在Flink当中通过定义动态表的结构，可以将流数据在执行SQL前先转换为可以操作的表，然后通过连续查询来获取一个不断更新的执行结果。
下图就是数据从数据流转成动态表，在流数据上定义一张标，通过执行连续查询来获取不断更新的结果。
ChunJun OceanBase Connector 的实现
在ChunJun中主要是通过Chunjun Core模块来满足将数据读取到Flink及从Flink中写出去，其中DynamicTableSourceFactory及DynamicTableSinkFactory支持SQL类型的任务，SourceFactory及SinkFactory用来支持Json类型的任务。
如下图所示，ChunJun OceanBase Connector 的实现主要通过两种方式：一种是从Chunjun Core到JDBC Connector再到OceanBase Connector；另外一种是从Chunjun Core直接到OceanBase CDC Connector。
OceanBase & ChunJun 应用
场景1：针对分库分表的实时数据集成
使用 Oceanbase CDC Connector，库表名利用Fnmatch通配，实现分库分表数据源的实时数据集成。这个场景可以做增量同步，也可以做单数据流的ETL操作。
场景2：跨集群/租户的数据集成
目前，不同租户的数据在一个连接当中获取不到，如果想对OB当中不同租户的数据做一个统一处理，需通过多个数据库的连接来实现分别读取，这时可以利用ChunJun中与OceanBase相关的connector，读取不同集群、租户数据到 Flink。
场景3：不同数据源的实时数据集成
可以对不同种类数据源进行数据汇聚，使用不同类型数据库的 connector，读取不同数据源的数据到 Flink。
场景4：日志类型数据的全增量一体化处理
对于只有 insert 增量变动的数据源，基于自增列进行全增量一体化的处理。
OceanBase & ChunJun 未来展望
提高代码质量
- 增加测试 case，覆盖所有的启动方式和常见的业务场景
- 完全适配 MySQL 5.1.4x 和 8.0 驱动
20+种丰富的任务类型
- 增加非 transformer 模式 sync 任务的支持
- 增加 OceanBase 企业版 Oracle 模式的支持
提高方案可靠性
- 增加数据读取的事务性支持
- 简化 oblogproxy 的部署，支持 Docker 部署
- 增加详细的使用文档
9月24日广州 Meetup 预告
