写点什么

Apache Flink CDC 批流融合技术原理分析

作者:Apache Flink
  • 2021 年 11 月 11 日
  • 本文字数:26482 字

    阅读完需:约 87 分钟

Apache Flink CDC 批流融合技术原理分析

本文转载自「好未来技术」公众号,以 Flink SQL 案例来介绍 Flink CDC 2.0 的使用,并解读 CDC 中的核心设计。主要内容为:

  1. 案例

  2. 核心设计

  3. 代码详解


8 月份 Flink CDC 发布 2.0.0 版本,相较于 1.0 版本,在全量读取阶段支持分布式读取、支持 checkpoint,且在全量 + 增量读取的过程在不锁表的情况下保障数据一致性。 详细介绍参考 Flink CDC 2.0 正式发布,详解核心改进

Flink CDC 2.0 数据读取逻辑并不复杂,复杂的是 FLIP-27: Refactor Source Interface 的设计及对 Debezium Api 的不了解。本文重点对 Flink CDC 的处理逻辑进行介绍, FLIP-27 的设计及 Debezium 的 API 调用不做过多讲解。

本文使用 CDC 2.0.0 版本,先以 Flink SQL 案例来介绍 Flink CDC 2.0 的使用,接着介绍 CDC 中的核心设计包含切片划分、切分读取、增量读取,最后对数据处理过程中涉及 flink-mysql-cdc 接口的调用及实现进行代码讲解。


一、案例

全量读取 + 增量读取 Mysql 表数据,以changelog-json 格式写入 kafka,观察 RowKind 类型及影响的数据条数。

public static void main(String[] args) {        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();        EnvironmentSettings envSettings = EnvironmentSettings.newInstance()                .useBlinkPlanner()                .inStreamingMode()                .build();        env.setParallelism(3);        // note: 增量同步需要开启CK        env.enableCheckpointing(10000);        StreamTableEnvironment tableEnvironment = StreamTableEnvironment.create(env, envSettings);                  tableEnvironment.executeSql(" CREATE TABLE demoOrders (\n" +                "         `order_id` INTEGER ,\n" +                "          `order_date` DATE ,\n" +                "          `order_time` TIMESTAMP(3),\n" +                "          `quantity` INT ,\n" +                "          `product_id` INT ,\n" +                "          `purchaser` STRING,\n" +                "           primary key(order_id)  NOT ENFORCED" +                "         ) WITH (\n" +                "          'connector' = 'mysql-cdc',\n" +                "          'hostname' = 'localhost',\n" +                "          'port' = '3306',\n" +                "          'username' = 'cdc',\n" +                "          'password' = '123456',\n" +                "          'database-name' = 'test',\n" +                "          'table-name' = 'demo_orders'," +                            //  全量 + 增量同步                   "          'scan.startup.mode' = 'initial'      " +                " )");          tableEnvironment.executeSql("CREATE TABLE sink (\n" +                "         `order_id` INTEGER ,\n" +                "          `order_date` DATE ,\n" +                "          `order_time` TIMESTAMP(3),\n" +                "          `quantity` INT ,\n" +                "          `product_id` INT ,\n" +                "          `purchaser` STRING,\n" +                "          primary key (order_id)  NOT ENFORCED " +                ") WITH (\n" +                "    'connector' = 'kafka',\n" +                "    'properties.bootstrap.servers' = 'localhost:9092',\n" +                "    'topic' = 'mqTest02',\n" +                "    'format' = 'changelog-json' "+                ")");      tableEnvironment.executeSql("insert into sink select * from demoOrders");}
复制代码


全量数据输出:

{"data":{"order_id":1010,"order_date":"2021-09-17","order_time":"2021-09-22 10:52:12.189","quantity":53,"product_id":502,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1009,"order_date":"2021-09-17","order_time":"2021-09-22 10:52:09.709","quantity":31,"product_id":500,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1008,"order_date":"2021-09-17","order_time":"2021-09-22 10:52:06.637","quantity":69,"product_id":503,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1007,"order_date":"2021-09-17","order_time":"2021-09-22 10:52:03.535","quantity":52,"product_id":502,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1002,"order_date":"2021-09-17","order_time":"2021-09-22 10:51:51.347","quantity":69,"product_id":503,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1001,"order_date":"2021-09-17","order_time":"2021-09-22 10:51:48.783","quantity":50,"product_id":502,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1000,"order_date":"2021-09-17","order_time":"2021-09-17 17:40:32.354","quantity":30,"product_id":500,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1006,"order_date":"2021-09-17","order_time":"2021-09-22 10:52:01.249","quantity":31,"product_id":500,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1005,"order_date":"2021-09-17","order_time":"2021-09-22 10:51:58.813","quantity":69,"product_id":503,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1004,"order_date":"2021-09-17","order_time":"2021-09-22 10:51:56.153","quantity":50,"product_id":502,"purchaser":"flink"},"op":"+I"}{"data":{"order_id":1003,"order_date":"2021-09-17","order_time":"2021-09-22 10:51:53.727","quantity":30,"product_id":500,"purchaser":"flink"},"op":"+I"}
复制代码


修改表数据,增量捕获:

## 更新 1005 的值 {"data":{"order_id":1005,"order_date":"2021-09-17","order_time":"2021-09-22 02:51:58.813","quantity":69,"product_id":503,"purchaser":"flink"},"op":"-U"}{"data":{"order_id":1005,"order_date":"2021-09-17","order_time":"2021-09-22 02:55:43.627","quantity":80,"product_id":503,"purchaser":"flink"},"op":"+U"}## 删除 1000 {"data":{"order_id":1000,"order_date":"2021-09-17","order_time":"2021-09-17 09:40:32.354","quantity":30,"product_id":500,"purchaser":"flink"},"op":"-D"}
复制代码

二、核心设计

1. 切片划分

全量阶段数据读取方式为分布式读取,会先对当前表数据按主键划分成多个 Chunk,后续子任务读取 Chunk 区间内的数据。根据主键列是否为自增整数类型,对表数据划分为均匀分布的 Chunk 及非均匀分布的 Chunk。


1.1 均匀分布

主键列自增且类型为整数类型(int,bigint,decimal)。查询出主键列的最小值,最大值,按 chunkSize 大小将数据均匀划分,因为主键为整数类型,根据当前 chunk 起始位置、chunkSize 大小,直接计算 chunk 的结束位置。


注意:最新版本均匀分布的触发条件不再依赖主键列是否自增,要求主键列卫整数类型且根据 max(id) - min(id)/rowcount 计算出数据分布系数,只有分布系数 <= 配置的分布系数 (evenly-distribution.factor 默认为 1000.0d) 才会进行数据均匀划分。

//  计算主键列数据区间select min(`order_id`), max(`order_id`) from demo_orders;//  将数据划分为 chunkSize 大小的切片chunk-0: [min,start + chunkSize)chunk-1: [start + chunkSize, start + 2chunkSize).......chunk-last: [max,null)
复制代码


1.2 非均匀分布

主键列非自增或者类型为非整数类型。主键为非数值类型,每次划分需要对未划分的数据按主键进行升序排列,取出前 chunkSize 的最大值为当前 chunk 的结束位置。


注意:最新版本非均匀分布触发条件为主键列为非整数类型,或者计算出的分布系数 (distributionFactor) > 配置的分布系数 (evenly-distribution.factor)。

// 未拆分的数据排序后,取 chunkSize 条数据取最大值,作为切片的终止位置。chunkend = SELECT MAX(`order_id`) FROM (        SELECT `order_id`  FROM `demo_orders`         WHERE `order_id` >= [前一个切片的起始位置]         ORDER BY `order_id` ASC         LIMIT   [chunkSize]      ) AS T
复制代码

2. 全量切片数据读取

Flink 将表数据划分为多个 Chunk,子任务在不加锁的情况下,并行读取 Chunk 数据。因为全程无锁在数据分片读取过程中,可能有其他事务对切片范围内的数据进行修改,此时无法保证数据一致性。因此,在全量阶段 Flink 使用快照记录读取 + Binlog 数据修正的方式来保证数据的一致性。


2.1 快照读取

通过 JDBC 执行 SQL 查询切片范围的数据记录。

## 快照记录数据读取SQL SELECT * FROM `test`.`demo_orders` WHERE order_id >= [chunkStart] AND NOT (order_id = [chunkEnd]) AND order_id <= [chunkEnd]
复制代码

2.2 数据修正

在快照读取操作前、后执行 SHOW MASTER STATUS 查询 binlog 文件的当前偏移量,在快照读取完毕后,查询区间内的 binlog 数据并对读取的快照记录进行修正。


快照读取 + Binlog 数据读取时的数据组织结构:

BinlogEvents 修正 SnapshotEvents 规则。

  • 未读取到 binlog 数据,即在执行 select 阶段没有其他事务进行操作,直接下发所有快照记录。

  • 读取到 binlog 数据,且变更的数据记录不属于当前切片,下发快照记录。

  • 读取到 binlog 数据,且数据记录的变更属于当前切片。delete 操作从快照内存中移除该数据,insert 操作向快照内存添加新的数据,update 操作向快照内存中添加变更记录,最终会输出更新前后的两条记录到下游。


修正后的数据组织结构:


以读取切片 [1,11] 范围的数据为例,描述切片数据的处理过程。c、d、u 代表 Debezium 捕获到的新增、删除、更新操作。


修正前数据及结构:


修正后数据及结构:


单个切片数据处理完毕后会向 SplitEnumerator 发送已完成切片数据的起始位置(ChunkStart, ChunkStartEnd)、Binlog 的最大偏移量(High watermark),用来为增量读取指定起始偏移量。


3. 增量切片数据读取

全量阶段切片数据读取完成后,SplitEnumerator 会下发一个 BinlogSplit 进行增量数据读取。BinlogSplit 读取最重要的属性就是起始偏移量,偏移量如果设置过小下游可能会有重复数据,偏移量如果设置过大下游可能是已超期的脏数据。而 Flink CDC 增量读取的起始偏移量为所有已完成的全量切片最小的 Binlog 偏移量,只有满足条件的数据才被下发到下游。数据下发条件:

  • 捕获的 Binlog 数据的偏移量 > 数据所属分片的 Binlog 的最大偏移量。

例如,SplitEnumerator 保留的已完成切片信息为:

增量读取时,从偏移量 800 开始读取 Binlog 数据 ,当捕获到数据 <data:123, offset:1500> 时,先找到 123 所属快照分片,并找到对应的最大 Binlog 偏移量 800。 当前偏移量大于快照读的最大偏移量,则下发数据,否则直接丢弃。

三、代码详解

关于 FLIP-27: Refactor Source Interface 设计不做详细介绍,本文侧重对 flink-mysql-cdc 接口调用及实现进行讲解。

1. MySqlSourceEnumerator 初始化

SourceCoordinator 作为 OperatorCoordinator 对 Source 的实现,运行在 Master 节点,在启动时通过调用 MySqlParallelSource#createEnumerator 创建 MySqlSourceEnumerator 并调用 start 方法,做一些初始化工作。

  1. 创建 MySqlSourceEnumerator,使用 MySqlHybridSplitAssigner 对全量+增量数据进行切片,使用 MySqlValidator 对 mysql 版本、配置进行校验。

  2. MySqlValidator 校验:

    mysql 版本必须大于等于 5.7。

    binlog_format 配置必须为 ROW。

    binlog_row_image 配置必须为 FULL。

  3. MySqlSplitAssigner 初始化:

    创建 ChunkSplitter 用来划分切片。

    筛选出要读的表名称。

  4. 启动周期调度线程,要求 SourceReader 向 SourceEnumerator 发送已完成但未发送 ACK 事件的切片信息。

private void syncWithReaders(int[] subtaskIds, Throwable t) {    if (t != null) {        throw new FlinkRuntimeException("Failed to list obtain registered readers due to:", t);    }    // when the SourceEnumerator restores or the communication failed between    // SourceEnumerator and SourceReader, it may missed some notification event.    // tell all SourceReader(s) to report there finished but unacked splits.    if (splitAssigner.waitingForFinishedSplits()) {        for (int subtaskId : subtaskIds) {            // note: 发送 FinishedSnapshotSplitsRequestEvent             context.sendEventToSourceReader(                    subtaskId, new FinishedSnapshotSplitsRequestEvent());        }    }}
复制代码

2. MySqlSourceReader 初始化

SourceOperator 集成了 SourceReader,通过 OperatorEventGateway 和 SourceCoordinator 进行交互。

  1. SourceOperator 在初始化时,通过 MySqlParallelSource 创建 MySqlSourceReader。MySqlSourceReader 通过 SingleThreadFetcherManager 创建 Fetcher 拉取分片数据,数据以 MySqlRecords 格式写入到 elementsQueue。

MySqlParallelSource#createReaderpublic SourceReader<T, MySqlSplit> createReader(SourceReaderContext readerContext) throws Exception {  // note:  数据存储队列FutureCompletingBlockingQueue<RecordsWithSplitIds<SourceRecord>> elementsQueue =        new FutureCompletingBlockingQueue<>();final Configuration readerConfiguration = getReaderConfig(readerContext);  // note: Split Reader 工厂类Supplier<MySqlSplitReader> splitReaderSupplier =        () -> new MySqlSplitReader(readerConfiguration, readerContext.getIndexOfSubtask());return new MySqlSourceReader<>(        elementsQueue,        splitReaderSupplier,        new MySqlRecordEmitter<>(deserializationSchema),        readerConfiguration,        readerContext);}
复制代码
  1. 将创建的 MySqlSourceReader 以事件的形式传递给 SourceCoordinator 进行注册。SourceCoordinator 接收到注册事件后,将 reader 地址及索引进行保存。

SourceCoordinator#handleReaderRegistrationEvent// note: SourceCoordinator 处理Reader 注册事件private void handleReaderRegistrationEvent(ReaderRegistrationEvent event) {    context.registerSourceReader(new ReaderInfo(event.subtaskId(), event.location()));    enumerator.addReader(event.subtaskId());}
复制代码
  1. MySqlSourceReader 启动后会向 MySqlSourceEnumerator 发送请求分片事件,从而收集分配的切片数据。

  2. SourceOperator 初始化完毕后,调用 emitNext 由 SourceReaderBase 从 elementsQueue 获取数据集合并下发给 MySqlRecordEmitter。接口调用示意图:


3. MySqlSourceEnumerator 处理分片请求

MySqlSourceReader 启动时会向 MySqlSourceEnumerator 发送请求 RequestSplitEvent 事件,根据返回的切片范围读取区间数据。MySqlSourceEnumerator 全量读取阶段分片请求处理逻辑,最终返回一个 MySqlSnapshotSplit。

  1. 处理切片请求事件,为请求的 Reader 分配切片,通过发送 AddSplitEvent 时间传递 MySqlSplit (全量阶段 MySqlSnapshotSplit、增量阶段 MySqlBinlogSplit)。

MySqlSourceEnumerator#handleSplitRequestpublic void handleSplitRequest(int subtaskId, @Nullable String requesterHostname) {    if (!context.registeredReaders().containsKey(subtaskId)) {        // reader failed between sending the request and now. skip this request.        return;    }    // note:  将reader所属的subtaskId存储到TreeSet, 在处理binlog split时优先分配个task-0    readersAwaitingSplit.add(subtaskId);    assignSplits();}// note: 分配切片private void assignSplits() {    final Iterator<Integer> awaitingReader = readersAwaitingSplit.iterator();    while (awaitingReader.hasNext()) {        int nextAwaiting = awaitingReader.next();        // if the reader that requested another split has failed in the meantime, remove        // it from the list of waiting readers        if (!context.registeredReaders().containsKey(nextAwaiting)) {            awaitingReader.remove();            continue;        }        //note: 由 MySqlSplitAssigner 分配切片        Optional<MySqlSplit> split = splitAssigner.getNext();        if (split.isPresent()) {            final MySqlSplit mySqlSplit = split.get();            //  note: 发送AddSplitEvent, 为 Reader 返回切片信息            context.assignSplit(mySqlSplit, nextAwaiting);            awaitingReader.remove();            LOG.info("Assign split {} to subtask {}", mySqlSplit, nextAwaiting);        } else {            // there is no available splits by now, skip assigning            break;        }    }}
复制代码
  1. MySqlHybridSplitAssigner 处理全量切片、增量切片的逻辑。

    任务刚启动时,remainingTables 不为空,noMoreSplits 返回值为 false,创建 SnapshotSplit。

    全量阶段分片读取完成后,noMoreSplits 返回值为 true, 创建 BinlogSplit。

MySqlHybridSplitAssigner#getNext@Overridepublic Optional<MySqlSplit> getNext() {    if (snapshotSplitAssigner.noMoreSplits()) {        // binlog split assigning        if (isBinlogSplitAssigned) {            // no more splits for the assigner            return Optional.empty();        } else if (snapshotSplitAssigner.isFinished()) {            // we need to wait snapshot-assigner to be finished before            // assigning the binlog split. Otherwise, records emitted from binlog split            // might be out-of-order in terms of same primary key with snapshot splits.            isBinlogSplitAssigned = true;            //note: snapshot split 切片完成后,创建BinlogSplit。            return Optional.of(createBinlogSplit());        } else {            // binlog split is not ready by now            return Optional.empty();        }    } else {        // note: 由MySqlSnapshotSplitAssigner 创建 SnapshotSplit        // snapshot assigner still have remaining splits, assign split from it        return snapshotSplitAssigner.getNext();    }}
复制代码
  1. MySqlSnapshotSplitAssigner 处理全量切片逻辑,通过 ChunkSplitter 生成切片,并存储到 Iterator 中。

@Overridepublic Optional<MySqlSplit> getNext() {    if (!remainingSplits.isEmpty()) {        // return remaining splits firstly        Iterator<MySqlSnapshotSplit> iterator = remainingSplits.iterator();        MySqlSnapshotSplit split = iterator.next();        iterator.remove();                //note: 已分配的切片存储到 assignedSplits 集合        assignedSplits.put(split.splitId(), split);        return Optional.of(split);    } else {        // note: 初始化阶段 remainingTables 存储了要读取的表名        TableId nextTable = remainingTables.pollFirst();        if (nextTable != null) {            // split the given table into chunks (snapshot splits)            //  note: 初始化阶段创建了 ChunkSplitter,调用generateSplits 进行切片划分            Collection<MySqlSnapshotSplit> splits = chunkSplitter.generateSplits(nextTable);            //  note: 保留所有切片信息            remainingSplits.addAll(splits);            //  note: 已经完成分片的 Table            alreadyProcessedTables.add(nextTable);            //  note: 递归调用该该方法            return getNext();        } else {            return Optional.empty();        }    }}
复制代码

4. ChunkSplitter 将表划分为均匀分布 or 不均匀分布切片的逻辑。读取的表必须包含物理主键。

public Collection<MySqlSnapshotSplit> generateSplits(TableId tableId) {    Table schema = mySqlSchema.getTableSchema(tableId).getTable();    List<Column> primaryKeys = schema.primaryKeyColumns();    // note: 必须有主键    if (primaryKeys.isEmpty()) {        throw new ValidationException(                String.format(                        "Incremental snapshot for tables requires primary key,"                                + " but table %s doesn't have primary key.",                        tableId));    }    // use first field in primary key as the split key    Column splitColumn = primaryKeys.get(0);    final List<ChunkRange> chunks;    try {         // note: 按主键列将数据划分成多个切片        chunks = splitTableIntoChunks(tableId, splitColumn);    } catch (SQLException e) {        throw new FlinkRuntimeException("Failed to split chunks for table " + tableId, e);    }    //note: 主键数据类型转换、ChunkRange 包装成MySqlSnapshotSplit。    // convert chunks into splits    List<MySqlSnapshotSplit> splits = new ArrayList<>();    RowType splitType = splitType(splitColumn);     for (int i = 0; i < chunks.size(); i++) {        ChunkRange chunk = chunks.get(i);        MySqlSnapshotSplit split =                createSnapshotSplit(                        tableId, i, splitType, chunk.getChunkStart(), chunk.getChunkEnd());        splits.add(split);    }    return splits;}
复制代码
  1. splitTableIntoChunks 根据物理主键划分切片。

private List<ChunkRange> splitTableIntoChunks(TableId tableId, Column splitColumn)        throws SQLException {    final String splitColumnName = splitColumn.name();    //  select min, max    final Object[] minMaxOfSplitColumn = queryMinMax(jdbc, tableId, splitColumnName);    final Object min = minMaxOfSplitColumn[0];    final Object max = minMaxOfSplitColumn[1];    if (min == null || max == null || min.equals(max)) {        // empty table, or only one row, return full table scan as a chunk        return Collections.singletonList(ChunkRange.all());    }    final List<ChunkRange> chunks;    if (splitColumnEvenlyDistributed(splitColumn)) {        // use evenly-sized chunks which is much efficient        // note: 按主键均匀划分        chunks = splitEvenlySizedChunks(min, max);    } else {        // note: 按主键非均匀划分        // use unevenly-sized chunks which will request many queries and is not efficient.        chunks = splitUnevenlySizedChunks(tableId, splitColumnName, min, max);    }    return chunks;}/** Checks whether split column is evenly distributed across its range. */private static boolean splitColumnEvenlyDistributed(Column splitColumn) {    // only column is auto-incremental are recognized as evenly distributed.    // TODO: we may use MAX,MIN,COUNT to calculate the distribution in the future.    if (splitColumn.isAutoIncremented()) {        DataType flinkType = MySqlTypeUtils.fromDbzColumn(splitColumn);        LogicalTypeRoot typeRoot = flinkType.getLogicalType().getTypeRoot();        // currently, we only support split column with type BIGINT, INT, DECIMAL        return typeRoot == LogicalTypeRoot.BIGINT                || typeRoot == LogicalTypeRoot.INTEGER                || typeRoot == LogicalTypeRoot.DECIMAL;    } else {        return false;    }}/** *  根据拆分列的最小值和最大值将表拆分为大小均匀的块,并以 {@link #chunkSize} 步长滚动块。 * Split table into evenly sized chunks based on the numeric min and max value of split column, * and tumble chunks in {@link #chunkSize} step size. */private List<ChunkRange> splitEvenlySizedChunks(Object min, Object max) {    if (ObjectUtils.compare(ObjectUtils.plus(min, chunkSize), max) > 0) {        // there is no more than one chunk, return full table as a chunk        return Collections.singletonList(ChunkRange.all());    }    final List<ChunkRange> splits = new ArrayList<>();    Object chunkStart = null;    Object chunkEnd = ObjectUtils.plus(min, chunkSize);    //  chunkEnd <= max    while (ObjectUtils.compare(chunkEnd, max) <= 0) {        splits.add(ChunkRange.of(chunkStart, chunkEnd));        chunkStart = chunkEnd;        chunkEnd = ObjectUtils.plus(chunkEnd, chunkSize);    }    // add the ending split    splits.add(ChunkRange.of(chunkStart, null));    return splits;}/**   通过连续计算下一个块最大值,将表拆分为大小不均匀的块。 * Split table into unevenly sized chunks by continuously calculating next chunk max value. */private List<ChunkRange> splitUnevenlySizedChunks(        TableId tableId, String splitColumnName, Object min, Object max) throws SQLException {    final List<ChunkRange> splits = new ArrayList<>();    Object chunkStart = null;    Object chunkEnd = nextChunkEnd(min, tableId, splitColumnName, max);    int count = 0;    while (chunkEnd != null && ObjectUtils.compare(chunkEnd, max) <= 0) {        // we start from [null, min + chunk_size) and avoid [null, min)        splits.add(ChunkRange.of(chunkStart, chunkEnd));        // may sleep a while to avoid DDOS on MySQL server        maySleep(count++);        chunkStart = chunkEnd;        chunkEnd = nextChunkEnd(chunkEnd, tableId, splitColumnName, max);    }    // add the ending split    splits.add(ChunkRange.of(chunkStart, null));    return splits;}private Object nextChunkEnd(        Object previousChunkEnd, TableId tableId, String splitColumnName, Object max)        throws SQLException {    // chunk end might be null when max values are removed    Object chunkEnd =            queryNextChunkMax(jdbc, tableId, splitColumnName, chunkSize, previousChunkEnd);    if (Objects.equals(previousChunkEnd, chunkEnd)) {        // we don't allow equal chunk start and end,        // should query the next one larger than chunkEnd        chunkEnd = queryMin(jdbc, tableId, splitColumnName, chunkEnd);    }    if (ObjectUtils.compare(chunkEnd, max) >= 0) {        return null;    } else {        return chunkEnd;    }}
复制代码

4. MySqlSourceReader 处理切片分配请求

MySqlSourceReader 接收到切片分配请求后,会为先创建一个 SplitFetcher 线程,向 taskQueue 添加、执行 AddSplitsTask 任务用来处理添加分片任务,接着执行 FetchTask 使用 Debezium API 进行读取数据,读取的数据存储到 elementsQueue 中,SourceReaderBase 会从该队列中获取数据,并下发给 MySqlRecordEmitter。

  1. 处理切片分配事件时,创建 SplitFetcher 向 taskQueue 添加 AddSplitsTask。

SingleThreadFetcherManager#addSplitspublic void addSplits(List<SplitT> splitsToAdd) {    SplitFetcher<E, SplitT> fetcher = getRunningFetcher();    if (fetcher == null) {        fetcher = createSplitFetcher();        // Add the splits to the fetchers.        fetcher.addSplits(splitsToAdd);        startFetcher(fetcher);    } else {        fetcher.addSplits(splitsToAdd);    }}// 创建 SplitFetcherprotected synchronized SplitFetcher<E, SplitT> createSplitFetcher() {    if (closed) {        throw new IllegalStateException("The split fetcher manager has closed.");    }    // Create SplitReader.    SplitReader<E, SplitT> splitReader = splitReaderFactory.get();    int fetcherId = fetcherIdGenerator.getAndIncrement();    SplitFetcher<E, SplitT> splitFetcher =            new SplitFetcher<>(                    fetcherId,                    elementsQueue,                    splitReader,                    errorHandler,                    () -> {                        fetchers.remove(fetcherId);                        elementsQueue.notifyAvailable();                    });    fetchers.put(fetcherId, splitFetcher);    return splitFetcher;}public void addSplits(List<SplitT> splitsToAdd) {    enqueueTask(new AddSplitsTask<>(splitReader, splitsToAdd, assignedSplits));    wakeUp(true);}
复制代码
  1. 执行 SplitFetcher 线程,首次执行 AddSplitsTask 线程添加分片,以后执行 FetchTask 线程拉取数据。

SplitFetcher#runOncevoid runOnce() {    try {        if (shouldRunFetchTask()) {            runningTask = fetchTask;        } else {            runningTask = taskQueue.take();        }                if (!wakeUp.get() && runningTask.run()) {            LOG.debug("Finished running task {}", runningTask);            runningTask = null;            checkAndSetIdle();        }    } catch (Exception e) {        throw new RuntimeException(                String.format(                        "SplitFetcher thread %d received unexpected exception while polling the records",                        id),                e);    }    maybeEnqueueTask(runningTask);    synchronized (wakeUp) {        // Set the running task to null. It is necessary for the shutdown method to avoid        // unnecessarily interrupt the running task.        runningTask = null;        // Set the wakeUp flag to false.        wakeUp.set(false);        LOG.debug("Cleaned wakeup flag.");    }}
复制代码
  1. AddSplitsTask 调用 MySqlSplitReader 的 handleSplitsChanges 方法,向切片队列中添加已分配的切片信息。在下一次 fetch() 调用时,从队列中获取切片并读取切片数据。

AddSplitsTask#runpublic boolean run() {    for (SplitT s : splitsToAdd) {        assignedSplits.put(s.splitId(), s);    }    splitReader.handleSplitsChanges(new SplitsAddition<>(splitsToAdd));    return true;}MySqlSplitReader#handleSplitsChangespublic void handleSplitsChanges(SplitsChange<MySqlSplit> splitsChanges) {    if (!(splitsChanges instanceof SplitsAddition)) {        throw new UnsupportedOperationException(                String.format(                        "The SplitChange type of %s is not supported.",                        splitsChanges.getClass()));    }    //note: 添加切片 到队列。    splits.addAll(splitsChanges.splits());}
复制代码
  1. MySqlSplitReader 执行 fetch(),由 DebeziumReader 读取数据到事件队列,在对数据修正后以 MySqlRecords 格式返回。

MySqlSplitReader#fetch@Overridepublic RecordsWithSplitIds<SourceRecord> fetch() throws IOException {    // note: 创建Reader 并读取数据    checkSplitOrStartNext();    Iterator<SourceRecord> dataIt = null;    try {        // note:  对读取的数据进行修正        dataIt = currentReader.pollSplitRecords();    } catch (InterruptedException e) {        LOG.warn("fetch data failed.", e);        throw new IOException(e);    }    //  note: 返回的数据被封装为 MySqlRecords 进行传输    return dataIt == null            ? finishedSnapshotSplit()               : MySqlRecords.forRecords(currentSplitId, dataIt);}private void checkSplitOrStartNext() throws IOException {    // the binlog reader should keep alive    if (currentReader instanceof BinlogSplitReader) {        return;    }    if (canAssignNextSplit()) {        // note:  从切片队列读取MySqlSplit        final MySqlSplit nextSplit = splits.poll();        if (nextSplit == null) {            throw new IOException("Cannot fetch from another split - no split remaining");        }        currentSplitId = nextSplit.splitId();        // note:  区分全量切片读取还是增量切片读取        if (nextSplit.isSnapshotSplit()) {            if (currentReader == null) {                final MySqlConnection jdbcConnection = getConnection(config);                final BinaryLogClient binaryLogClient = getBinaryClient(config);                final StatefulTaskContext statefulTaskContext =                        new StatefulTaskContext(config, binaryLogClient, jdbcConnection);                // note: 创建SnapshotSplitReader,使用Debezium Api读取分配数据及区间Binlog值                currentReader = new SnapshotSplitReader(statefulTaskContext, subtaskId);            }        } else {            // point from snapshot split to binlog split            if (currentReader != null) {                LOG.info("It's turn to read binlog split, close current snapshot reader");                currentReader.close();            }            final MySqlConnection jdbcConnection = getConnection(config);            final BinaryLogClient binaryLogClient = getBinaryClient(config);            final StatefulTaskContext statefulTaskContext =                    new StatefulTaskContext(config, binaryLogClient, jdbcConnection);            LOG.info("Create binlog reader");            // note: 创建BinlogSplitReader,使用Debezium API进行增量读取            currentReader = new BinlogSplitReader(statefulTaskContext, subtaskId);        }        // note: 执行Reader进行数据读取        currentReader.submitSplit(nextSplit);    }}
复制代码

5. DebeziumReader 数据处理

DebeziumReader 包含全量切片读取、增量切片读取两个阶段,数据读取后存储到 ChangeEventQueue,执行 pollSplitRecords 时对数据进行修正。

  1. SnapshotSplitReader 全量切片读取。全量阶段的数据读取通过执行 Select 语句查询出切片范围内的表数据,在写入队列前后执行 SHOW MASTER STATUS 时,写入当前偏移量。

public void submitSplit(MySqlSplit mySqlSplit) {    ......    executor.submit(            () -> {                try {                    currentTaskRunning = true;                    // note: 数据读取,在数据前后插入Binlog当前偏移量                    // 1. execute snapshot read task。                     final SnapshotSplitChangeEventSourceContextImpl sourceContext =                            new SnapshotSplitChangeEventSourceContextImpl();                    SnapshotResult snapshotResult =                            splitSnapshotReadTask.execute(sourceContext);                    //  note: 为增量读取做准备,包含了起始偏移量                    final MySqlBinlogSplit appendBinlogSplit = createBinlogSplit(sourceContext);                    final MySqlOffsetContext mySqlOffsetContext =                            statefulTaskContext.getOffsetContext();                    mySqlOffsetContext.setBinlogStartPoint(                            appendBinlogSplit.getStartingOffset().getFilename(),                            appendBinlogSplit.getStartingOffset().getPosition());                    //  note: 从起始偏移量开始读取                               // 2. execute binlog read task                    if (snapshotResult.isCompletedOrSkipped()) {                        // we should only capture events for the current table,                        Configuration dezConf =                                statefulTaskContext                                        .getDezConf()                                        .edit()                                        .with(                                                "table.whitelist",                                                currentSnapshotSplit.getTableId())                                        .build();                        // task to read binlog for current split                        MySqlBinlogSplitReadTask splitBinlogReadTask =                                new MySqlBinlogSplitReadTask(                                        new MySqlConnectorConfig(dezConf),                                        mySqlOffsetContext,                                        statefulTaskContext.getConnection(),                                        statefulTaskContext.getDispatcher(),                                        statefulTaskContext.getErrorHandler(),                                        StatefulTaskContext.getClock(),                                        statefulTaskContext.getTaskContext(),                                        (MySqlStreamingChangeEventSourceMetrics)                                                statefulTaskContext                                                        .getStreamingChangeEventSourceMetrics(),                                        statefulTaskContext                                                .getTopicSelector()                                                .getPrimaryTopic(),                                        appendBinlogSplit);                        splitBinlogReadTask.execute(                                new SnapshotBinlogSplitChangeEventSourceContextImpl());                    } else {                        readException =                                new IllegalStateException(                                        String.format(                                                "Read snapshot for mysql split %s fail",                                                currentSnapshotSplit));                    }                } catch (Exception e) {                    currentTaskRunning = false;                    LOG.error(                            String.format(                                    "Execute snapshot read task for mysql split %s fail",                                    currentSnapshotSplit),                            e);                    readException = e;                }            });}
复制代码
  1. SnapshotSplitReader 增量切片读取。增量阶段切片读取重点是判断 BinlogSplitReadTask 什么时候停止,在读取到分片阶段的结束时的偏移量即终止。

MySqlBinlogSplitReadTask#handleEventprotected void handleEvent(Event event) {  // note: 事件下发 队列    super.handleEvent(event);    // note: 全量读取阶段需要终止Binlog读取    // check do we need to stop for read binlog for snapshot split.    if (isBoundedRead()) {        final BinlogOffset currentBinlogOffset =                new BinlogOffset(                        offsetContext.getOffset().get(BINLOG_FILENAME_OFFSET_KEY).toString(),                        Long.parseLong(                                offsetContext                                        .getOffset()                                        .get(BINLOG_POSITION_OFFSET_KEY)                                        .toString()));        // note: currentBinlogOffset > HW 停止读取        // reach the high watermark, the binlog reader should finished        if (currentBinlogOffset.isAtOrBefore(binlogSplit.getEndingOffset())) {            // send binlog end event            try {                signalEventDispatcher.dispatchWatermarkEvent(                        binlogSplit,                        currentBinlogOffset,                        SignalEventDispatcher.WatermarkKind.BINLOG_END);            } catch (InterruptedException e) {                logger.error("Send signal event error.", e);                errorHandler.setProducerThrowable(                        new DebeziumException("Error processing binlog signal event", e));            }            //  终止binlog读取            // tell reader the binlog task finished            ((SnapshotBinlogSplitChangeEventSourceContextImpl) context).finished();        }    }}
复制代码


  1. SnapshotSplitReader 执行 pollSplitRecords 时对队列中的原始数据进行修正。 具体处理逻辑查看 RecordUtils#normalizedSplitRecords。

public Iterator<SourceRecord> pollSplitRecords() throws InterruptedException {    if (hasNextElement.get()) {        // data input: [low watermark event][snapshot events][high watermark event][binlogevents][binlog-end event]        // data output: [low watermark event][normalized events][high watermark event]        boolean reachBinlogEnd = false;        final List<SourceRecord> sourceRecords = new ArrayList<>();        while (!reachBinlogEnd) {            // note: 处理队列中写入的 DataChangeEvent 事件            List<DataChangeEvent> batch = queue.poll();            for (DataChangeEvent event : batch) {                sourceRecords.add(event.getRecord());                if (RecordUtils.isEndWatermarkEvent(event.getRecord())) {                    reachBinlogEnd = true;                    break;                }            }        }        // snapshot split return its data once        hasNextElement.set(false);        //  ************   修正数据  ***********        return normalizedSplitRecords(currentSnapshotSplit, sourceRecords, nameAdjuster)                .iterator();    }    // the data has been polled, no more data    reachEnd.compareAndSet(false, true);    return null;}
复制代码
  1. BinlogSplitReader 数据读取。读取逻辑比较简单,重点是起始偏移量的设置,起始偏移量为所有切片的 HW。

  2. BinlogSplitReader 执行 pollSplitRecords 时对队列中的原始数据进行修正,保障数据一致性。 增量阶段的 Binlog 读取是无界的,数据会全部下发到事件队列,BinlogSplitReader 通过 shouldEmit() 判断数据是否下发。

BinlogSplitReader#pollSplitRecordspublic Iterator<SourceRecord> pollSplitRecords() throws InterruptedException {    checkReadException();    final List<SourceRecord> sourceRecords = new ArrayList<>();    if (currentTaskRunning) {        List<DataChangeEvent> batch = queue.poll();        for (DataChangeEvent event : batch) {            if (shouldEmit(event.getRecord())) {                sourceRecords.add(event.getRecord());            }        }    }    return sourceRecords.iterator();}
复制代码

事件下发条件:

  1. 新收到的 event post 大于 maxwm;

  2. 当前 data 值所属某个 snapshot spilt & 偏移量大于 HWM,下发数据。

/** * * Returns the record should emit or not. * * <p>The watermark signal algorithm is the binlog split reader only sends the binlog event that * belongs to its finished snapshot splits. For each snapshot split, the binlog event is valid * since the offset is after its high watermark. * * <pre> E.g: the data input is : *    snapshot-split-0 info : [0,    1024) highWatermark0 *    snapshot-split-1 info : [1024, 2048) highWatermark1 *  the data output is: *  only the binlog event belong to [0,    1024) and offset is after highWatermark0 should send, *  only the binlog event belong to [1024, 2048) and offset is after highWatermark1 should send. * </pre> */private boolean shouldEmit(SourceRecord sourceRecord) {    if (isDataChangeRecord(sourceRecord)) {        TableId tableId = getTableId(sourceRecord);        BinlogOffset position = getBinlogPosition(sourceRecord);        // aligned, all snapshot splits of the table has reached max highWatermark               // note:  新收到的event post 大于 maxwm ,直接下发        if (position.isAtOrBefore(maxSplitHighWatermarkMap.get(tableId))) {            return true;        }        Object[] key =                getSplitKey(                        currentBinlogSplit.getSplitKeyType(),                        sourceRecord,                        statefulTaskContext.getSchemaNameAdjuster());        for (FinishedSnapshotSplitInfo splitInfo : finishedSplitsInfo.get(tableId)) {            /**             *  note: 当前 data值所属某个snapshot spilt &  偏移量大于 HWM,下发数据             */            if (RecordUtils.splitKeyRangeContains(                            key, splitInfo.getSplitStart(), splitInfo.getSplitEnd())                    && position.isAtOrBefore(splitInfo.getHighWatermark())) {                return true;            }        }        // not in the monitored splits scope, do not emit        return false;    }    // always send the schema change event and signal event    // we need record them to state of Flink    return true;}
复制代码

6. MySqlRecordEmitter 数据下发

SourceReaderBase 从队列中获取切片读取的 DataChangeEvent 数据集合,将数据类型由 Debezium 的 DataChangeEvent 转换为 Flink 的 RowData 类型。

  1. SourceReaderBase 处理切片数据流程。

org.apache.flink.connector.base.source.reader.SourceReaderBase#pollNextpublic InputStatus pollNext(ReaderOutput<T> output) throws Exception {    // make sure we have a fetch we are working on, or move to the next    RecordsWithSplitIds<E> recordsWithSplitId = this.currentFetch;    if (recordsWithSplitId == null) {        recordsWithSplitId = getNextFetch(output);        if (recordsWithSplitId == null) {            return trace(finishedOrAvailableLater());        }    }    // we need to loop here, because we may have to go across splits    while (true) {        // Process one record.        // note:  通过MySqlRecords从迭代器中读取单条数据        final E record = recordsWithSplitId.nextRecordFromSplit();        if (record != null) {            // emit the record.            recordEmitter.emitRecord(record, currentSplitOutput, currentSplitContext.state);            LOG.trace("Emitted record: {}", record);            // We always emit MORE_AVAILABLE here, even though we do not strictly know whether            // more is available. If nothing more is available, the next invocation will find            // this out and return the correct status.            // That means we emit the occasional 'false positive' for availability, but this            // saves us doing checks for every record. Ultimately, this is cheaper.            return trace(InputStatus.MORE_AVAILABLE);        } else if (!moveToNextSplit(recordsWithSplitId, output)) {            // The fetch is done and we just discovered that and have not emitted anything, yet.            // We need to move to the next fetch. As a shortcut, we call pollNext() here again,            // rather than emitting nothing and waiting for the caller to call us again.            return pollNext(output);        }        // else fall through the loop    }}private RecordsWithSplitIds<E> getNextFetch(final ReaderOutput<T> output) {    splitFetcherManager.checkErrors();    LOG.trace("Getting next source data batch from queue");    // note: 从elementsQueue 获取数据    final RecordsWithSplitIds<E> recordsWithSplitId = elementsQueue.poll();    if (recordsWithSplitId == null || !moveToNextSplit(recordsWithSplitId, output)) {        return null;    }    currentFetch = recordsWithSplitId;    return recordsWithSplitId;}
复制代码

2. MySqlRecords 返回单条数据集合。

com.ververica.cdc.connectors.mysql.source.split.MySqlRecords#nextRecordFromSplitpublic SourceRecord nextRecordFromSplit() {    final Iterator<SourceRecord> recordsForSplit = this.recordsForCurrentSplit;    if (recordsForSplit != null) {        if (recordsForSplit.hasNext()) {            return recordsForSplit.next();        } else {            return null;        }    } else {        throw new IllegalStateException();    }}
复制代码
  1. MySqlRecordEmitter 通过 RowDataDebeziumDeserializeSchema 将数据转换为 Rowdata。

com.ververica.cdc.connectors.mysql.source.reader.MySqlRecordEmitter#emitRecordpublic void emitRecord(SourceRecord element, SourceOutput<T> output, MySqlSplitState splitState)    throws Exception {if (isWatermarkEvent(element)) {    BinlogOffset watermark = getWatermark(element);    if (isHighWatermarkEvent(element) && splitState.isSnapshotSplitState()) {        splitState.asSnapshotSplitState().setHighWatermark(watermark);    }} else if (isSchemaChangeEvent(element) && splitState.isBinlogSplitState()) {    HistoryRecord historyRecord = getHistoryRecord(element);    Array tableChanges =            historyRecord.document().getArray(HistoryRecord.Fields.TABLE_CHANGES);    TableChanges changes = TABLE_CHANGE_SERIALIZER.deserialize(tableChanges, true);    for (TableChanges.TableChange tableChange : changes) {        splitState.asBinlogSplitState().recordSchema(tableChange.getId(), tableChange);    }} else if (isDataChangeRecord(element)) {    //  note: 数据的处理    if (splitState.isBinlogSplitState()) {        BinlogOffset position = getBinlogPosition(element);        splitState.asBinlogSplitState().setStartingOffset(position);    }    debeziumDeserializationSchema.deserialize(            element,            new Collector<T>() {                @Override                public void collect(final T t) {                    output.collect(t);                }                @Override                public void close() {                    // do nothing                }            });} else {    // unknown element    LOG.info("Meet unknown element {}, just skip.", element);}}
复制代码

RowDataDebeziumDeserializeSchema 序列化过程。

com.ververica.cdc.debezium.table.RowDataDebeziumDeserializeSchema#deserializepublic void deserialize(SourceRecord record, Collector<RowData> out) throws Exception {    Envelope.Operation op = Envelope.operationFor(record);    Struct value = (Struct) record.value();    Schema valueSchema = record.valueSchema();    if (op == Envelope.Operation.CREATE || op == Envelope.Operation.READ) {        GenericRowData insert = extractAfterRow(value, valueSchema);        validator.validate(insert, RowKind.INSERT);        insert.setRowKind(RowKind.INSERT);        out.collect(insert);    } else if (op == Envelope.Operation.DELETE) {        GenericRowData delete = extractBeforeRow(value, valueSchema);        validator.validate(delete, RowKind.DELETE);        delete.setRowKind(RowKind.DELETE);        out.collect(delete);    } else {        GenericRowData before = extractBeforeRow(value, valueSchema);        validator.validate(before, RowKind.UPDATE_BEFORE);        before.setRowKind(RowKind.UPDATE_BEFORE);        out.collect(before);        GenericRowData after = extractAfterRow(value, valueSchema);        validator.validate(after, RowKind.UPDATE_AFTER);        after.setRowKind(RowKind.UPDATE_AFTER);        out.collect(after);    }}
复制代码

7. MySqlSourceReader 汇报切片读取完成事件

MySqlSourceReader 处理完一个全量切片后,会向 MySqlSourceEnumerator 发送已完成的切片信息,包含切片 ID、HighWatermar ,然后继续发送切片请求。

com.ververica.cdc.connectors.mysql.source.reader.MySqlSourceReader#onSplitFinishedprotected void onSplitFinished(Map<String, MySqlSplitState> finishedSplitIds) {for (MySqlSplitState mySqlSplitState : finishedSplitIds.values()) {    MySqlSplit mySqlSplit = mySqlSplitState.toMySqlSplit();    finishedUnackedSplits.put(mySqlSplit.splitId(), mySqlSplit.asSnapshotSplit());}/** *   note: 发送切片完成事件 */reportFinishedSnapshotSplitsIfNeed();//  上一个spilt处理完成后继续发送切片请求context.sendSplitRequest();}private void reportFinishedSnapshotSplitsIfNeed() {    if (!finishedUnackedSplits.isEmpty()) {        final Map<String, BinlogOffset> finishedOffsets = new HashMap<>();        for (MySqlSnapshotSplit split : finishedUnackedSplits.values()) {            // note: 发送切片ID,及最大偏移量            finishedOffsets.put(split.splitId(), split.getHighWatermark());        }        FinishedSnapshotSplitsReportEvent reportEvent =                new FinishedSnapshotSplitsReportEvent(finishedOffsets);        context.sendSourceEventToCoordinator(reportEvent);        LOG.debug(                "The subtask {} reports offsets of finished snapshot splits {}.",                subtaskId,                finishedOffsets);    }}
复制代码

8. MySqlSourceEnumerator 分配增量切片

全量阶段所有分片读取完毕后,MySqlHybridSplitAssigner 会创建 BinlogSplit 进行后续增量读取,在创建 BinlogSplit 会从全部已完成的全量切片中筛选最小 BinlogOffset。注意:2.0.0 分支 createBinlogSplit 最小偏移量总是从 0 开始,最新 master 分支已经修复这个 BUG。

private MySqlBinlogSplit createBinlogSplit() {    final List<MySqlSnapshotSplit> assignedSnapshotSplit =            snapshotSplitAssigner.getAssignedSplits().values().stream()                    .sorted(Comparator.comparing(MySqlSplit::splitId))                    .collect(Collectors.toList());    Map<String, BinlogOffset> splitFinishedOffsets =            snapshotSplitAssigner.getSplitFinishedOffsets();    final List<FinishedSnapshotSplitInfo> finishedSnapshotSplitInfos = new ArrayList<>();    final Map<TableId, TableChanges.TableChange> tableSchemas = new HashMap<>();    BinlogOffset minBinlogOffset = null;    // note: 从所有assignedSnapshotSplit中筛选最小偏移量    for (MySqlSnapshotSplit split : assignedSnapshotSplit) {        // find the min binlog offset        BinlogOffset binlogOffset = splitFinishedOffsets.get(split.splitId());        if (minBinlogOffset == null || binlogOffset.compareTo(minBinlogOffset) < 0) {            minBinlogOffset = binlogOffset;        }        finishedSnapshotSplitInfos.add(                new FinishedSnapshotSplitInfo(                        split.getTableId(),                        split.splitId(),                        split.getSplitStart(),                        split.getSplitEnd(),                        binlogOffset));        tableSchemas.putAll(split.getTableSchemas());    }    final MySqlSnapshotSplit lastSnapshotSplit =            assignedSnapshotSplit.get(assignedSnapshotSplit.size() - 1).asSnapshotSplit();        return new MySqlBinlogSplit(            BINLOG_SPLIT_ID,            lastSnapshotSplit.getSplitKeyType(),            minBinlogOffset == null ? BinlogOffset.INITIAL_OFFSET : minBinlogOffset,            BinlogOffset.NO_STOPPING_OFFSET,            finishedSnapshotSplitInfos,            tableSchemas);}
复制代码



更多 Flink 相关技术问题,可扫码加入社区钉钉交流群;

第一时间获取最新技术文章和社区动态,请关注公众号~


用户头像

Apache Flink

关注

Apache Flink 中文社区 2020.04.29 加入

官方微信号:Ververica2019 微信公众号:Apache Flink 微信视频号:ApacheFlink Apache Flink 学习网站:https://flink-learning.org.cn/ Apache Flink 官方帐号,Flink PMC 维护

评论

发布
暂无评论
Apache Flink CDC 批流融合技术原理分析