一、整體架構與 Demo 思路

本 Demo 裏會啓動 4 個容器：

  • observer：OceanBase CE 單機 mini 集羣；
  • oblogproxy：OceanBase 日誌代理，用於提供日誌流；
  • elasticsearch：7.6.0 版本，用來存儲 Flink 下游數據；
  • kibana：可視化 Elasticsearch 的數據。

然後步驟大致是：

  1. 用 Docker Compose 一鍵拉起環境；
  2. 在 OceanBase 裏建庫建表，插入一點訂單 / 商品示例數據；
  3. 啓動 Flink 集羣，引入 OceanBase CDC + Elasticsearch 連接器；
  4. 用 Flink SQL 建立 OceanBase 源表、ES 結果表，並做一次 訂單表 + 商品表的實時 Join；
  5. 在 Kibana 裏創建 index pattern，查看實時同步的數據；
  6. 在 OceanBase 裏再做幾條 INSERT / UPDATE / DELETE，觀察 Kibana 中的實時變化；
  7. 清理環境。

二、用 Docker Compose 啓動 OceanBase + ES + Kibana

先在一個空目錄下創建 docker-compose.yml：

version: '2.1'
services:
  observer:
    image: 'oceanbase/oceanbase-ce:4.2.1.6-106000012024042515'
    container_name: observer
    environment:
      - 'MODE=mini'
      - 'OB_SYS_PASSWORD=123456'
      - 'OB_TENANT_PASSWORD=654321'
    ports:
      - '2881:2881'
      - '2882:2882'

  oblogproxy:
    image: 'oceanbase/oblogproxy-ce:latest'
    container_name: oblogproxy
    environment:
      - 'OB_SYS_USERNAME=root'
      - 'OB_SYS_PASSWORD=123456'
    ports:
      - '2983:2983'

  elasticsearch:
    image: 'elastic/elasticsearch:7.6.0'
    container_name: elasticsearch
    environment:
      - cluster.name=docker-cluster
      - bootstrap.memory_lock=true
      - ES_JAVA_OPTS=-Xms512m -Xmx512m
      - discovery.type=single-node
    ports:
      - '9200:9200'
      - '9300:9300'
    ulimits:
      memlock:
        soft: -1
        hard: -1
      nofile:
        soft: 65536
        hard: 65536

  kibana:
    image: 'elastic/kibana:7.6.0'
    container_name: kibana
    ports:
      - '5601:5601'
    volumes:
      - '/var/run/docker.sock:/var/run/docker.sock'

啓動：

docker-compose up -d

檢查：

docker ps

瀏覽器打開：http://localhost:5601，看到 Kibana 正常啓動即可（首次加載會稍微慢一點）。

三、在 OceanBase 裏準備業務數據

1. 查詢 Root Service List

OceanBase CDC 這條鏈路裏，需要用到 rootserver-list 參數，它來自 Root Service 列表。

用 sys 租户登錄：

docker-compose exec observer \
  obclient -h127.0.0.1 -P2881 -uroot@sys -p123456

查詢 RootService 列表（記下結果，後面要填進 Flink DDL）：

SHOW PARAMETERS LIKE 'rootservice_list';

假設返回類似：

xxx.xxx.xxx.xxx:2881;yyy.yyy.yyy.yyy:2881

後面我們就在 Flink SQL 裏用這個字符串替換 ${root_service_list}。

2. 在 test 租户下建庫建表並插入數據

切到 test 租户（默認已經創建好了）：

docker-compose exec observer \
  obclient -h127.0.0.1 -P2881 -uroot@test -p654321

建庫 ob 並建兩張表：products 和 orders：

CREATE DATABASE ob;
USE ob;

CREATE TABLE products (
  id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,
  name VARCHAR(255) NOT NULL,
  description VARCHAR(512)
);
ALTER TABLE products AUTO_INCREMENT = 101;

INSERT INTO products
VALUES (default,"scooter","Small 2-wheel scooter"),
       (default,"car battery","12V car battery"),
       (default,"12-pack drill bits","12-pack of drill bits with sizes ranging from #40 to #3"),
       (default,"hammer","12oz carpenter's hammer"),
       (default,"hammer","14oz carpenter's hammer"),
       (default,"hammer","16oz carpenter's hammer"),
       (default,"rocks","box of assorted rocks"),
       (default,"jacket","water resistent black wind breaker"),
       (default,"spare tire","24 inch spare tire");

CREATE TABLE orders (
  order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,
  order_date DATETIME NOT NULL,
  customer_name VARCHAR(255) NOT NULL,
  price DECIMAL(10, 5) NOT NULL,
  product_id INTEGER NOT NULL,
  order_status BOOLEAN NOT NULL -- Whether order has been placed
) AUTO_INCREMENT = 10001;

INSERT INTO orders
VALUES (default, '2020-07-30 10:08:22', 'Jark', 50.50, 102, false),
       (default, '2020-07-30 10:11:09', 'Sally', 15.00, 105, false),
       (default, '2020-07-30 12:00:30', 'Edward', 25.25, 106, false);

到這裏，源庫數據就準備好了。

四、準備 Flink 環境與連接器 JAR

在你的 Flink 集羣節點上，把以下兩個 JAR 放進 <FLINK_HOME>/lib：

  • flink-sql-connector-elasticsearch7-3.0.1-1.17.jar
  • flink-sql-connector-oceanbase-cdc-3.0-SNAPSHOT.jar

然後啓動 Flink：

cd $FLINK_HOME
./bin/start-cluster.sh

再打開 Flink SQL CLI：

./bin/sql-client.sh

五、用 Flink SQL 打通 OceanBase → Elasticsearch

1. 基本配置

在 SQL CLI 裏先打開 checkpoint、設置時區：

-- 每 3 秒 checkpoint 一次
SET execution.checkpointing.interval = 3s;

-- 本地時區設為上海
SET table.local-time-zone = Asia/Shanghai;

2. 定義 OceanBase CDC 源表（orders）

注意：rootserver-list 要用前面 SHOW PARAMETERS 查到的值替換 ${root_service_list}。

CREATE TABLE orders (
   order_id INT,
   order_date TIMESTAMP(0),
   customer_name STRING,
   price DECIMAL(10, 5),
   product_id INT,
   order_status BOOLEAN,
   PRIMARY KEY (order_id) NOT ENFORCED
) WITH (
    'connector' = 'oceanbase-cdc',
    'scan.startup.mode' = 'initial',
    'username' = 'root@test',
    'password' = '654321',
    'tenant-name' = 'test',
    'database-name' = '^ob$',
    'table-name' = '^orders$',
    'hostname' = 'localhost',
    'port' = '2881',
    'rootserver-list' = '${root_service_list}', -- 這裏替換成真實值
    'logproxy.host' = 'localhost',
    'logproxy.port' = '2983',
    'working-mode' = 'memory'
);

幾個關鍵點：

  • scan.startup.mode = 'initial'：先跑一遍快照，再接增量日誌；
  • database-name / table-name 用的是正則匹配（這裏正則是嚴格等於 ob / orders）；
  • rootserver-list：OceanBase 集羣 RootService 列表，決定從哪兒拿元信息；
  • logproxy.host/port：指向我們 docker-compose 裏的 oblogproxy 服務。

3. 定義 OceanBase CDC 源表（products）

同理，再建一個產品表：

CREATE TABLE products (
    id INT,
    name STRING,
    description STRING,
    PRIMARY KEY (id) NOT ENFORCED
) WITH (
    'connector' = 'oceanbase-cdc',
    'scan.startup.mode' = 'initial',
    'username' = 'root@test',
    'password' = '654321',
    'tenant-name' = 'test',
    'database-name' = '^ob$',
    'table-name' = '^products$',
    'hostname' = 'localhost',
    'port' = '2881',
    'rootserver-list' = '${root_service_list}',
    'logproxy.host' = 'localhost',
    'logproxy.port' = '2983',
    'working-mode' = 'memory'
);

4. 定義 Elasticsearch 結果表 enriched_orders

我們希望在 ES 裏看到一張“寬表”：訂單 + 商品信息一起平鋪開。

CREATE TABLE enriched_orders (
   order_id INT,
   order_date TIMESTAMP(0),
   customer_name STRING,
   price DECIMAL(10, 5),
   product_id INT,
   order_status BOOLEAN,
   product_name STRING,
   product_description STRING,
   PRIMARY KEY (order_id) NOT ENFORCED
) WITH (
     'connector' = 'elasticsearch-7',
     'hosts' = 'http://localhost:9200',
     'index' = 'enriched_orders'
);

5. 啓動實時 Join 任務

最後，一條 INSERT INTO 就把整個鏈路串起來了：

INSERT INTO enriched_orders
  SELECT o.order_id,
         o.order_date,
         o.customer_name,
         o.price,
         o.product_id,
         o.order_status,
         p.name,
         p.description
  FROM orders AS o
  LEFT JOIN products AS p
    ON o.product_id = p.id;
  • Flink 從 OceanBase orders / products 表讀取快照；
  • 按 order.product_id = product.id 做流式 Join；
  • 把結果寫入 Elasticsearch 的 enriched_orders 索引；
  • 後續任何變更都會一路傳播到 ES。

六、在 Kibana 裏查看 enriched_orders 數據

打開 Kibana：

  1. 訪問：
    http://localhost:5601/app/kibana#/management/kibana/index_pattern
  2. 創建一個 index pattern：enriched_orders；
  3. 然後打開：
    http://localhost:5601/app/kibana#/discover 選擇剛創建的 index pattern，就能看到同步過來的訂單數據了（包含 product_name / product_description）。

七、在 OceanBase 中修改數據，觀察 ES 實時變化

現在我們來驗證“實時”兩個字。

仍然在 root@test 的 ob 庫下執行：

-- 1）插入一條新訂單
INSERT INTO orders
VALUES (default, '2020-07-30 15:22:00', 'Jark', 29.71, 104, false);

-- 2）更新訂單狀態
UPDATE orders
SET order_status = true
WHERE order_id = 10004;

-- 3）刪除訂單
DELETE FROM orders
WHERE order_id = 10004;

每執行完一條 SQL：

  • Flink OceanBase CDC 會從日誌中捕獲這次變更；
  • Join 邏輯會按新的數據重新計算 enriched_orders 中對應記錄；
  • Elasticsearch 索引會被更新；
  • Kibana 頁面刷新一下，你就能看到：
  • INSERT：多了一行新的 order；
  • UPDATE：這一行的 order_status 變為 true；
  • DELETE：這一行從索引中消失。

這就是典型的 數據庫 → CDC → 實時寬表 → 搜索引擎 的閉環。

八、清理環境

Demo 玩完記得收尾。

關閉 Docker 中的組件：

docker-compose down

停止 Flink 集羣：

cd $FLINK_HOME
./bin/stop-cluster.sh

九、小結與擴展方向

這個 Demo 幫你打通了一條完整的鏈路：

OceanBase（test 租户 ob 庫）
→ oblogproxy 提供日誌流
→ Flink OceanBase CDC Connector 捕獲變更
→ Flink SQL 實時 Join + 寫 Elasticsearch
→ Kibana 可視化實時數據

接下來你可以做的擴展包括：

  • 把 Demo 用到的 orders / products 換成你的業務表；
  • 在 Flink SQL 里加上更多字段清洗、過濾、聚合邏輯，做一張真正的“實時寬表”；
  • 將 Elasticsearch 換成 Doris / StarRocks / Kafka 等下游組件；
  • 把 Mini 模式的 OceanBase 換成生產集羣，把 logproxy + Flink 部署到 K8s 環境裏。