使用 Canal 实现 MYSQL 数据的实时变更抓取与同步

今天,给大家介绍一个生产实践更多的实时变更抓取模块canal。https://github.com/alibaba/canal
实际上,该项目目前已经发布到1.1.5-alpha版本,不仅仅支持数据变更抓取,还支持数据同步、admin配置管理,已经非常完善。

简介

Canal是阿里巴巴的一个开源项目,它同样实现了Mysql变更抓取(Binlog解析),并提供了订阅功能。应该是阿里云DTS(Data Transfer Service)的开源版本。

提供的功能

Canal与DTS提供的功能基本相似:
1)基于Mysql的Slave协议实时dump binlog流,解析为事件发送给订阅方;

事件格式为(省略一些域后的伪码):

Eevnt {
    Header {
        logfileName     [binlog文件名]
        logfileOffset   [binlog position]
        executeTime     [binlog里记录变更发生的时间戳]
        schemaName      [数据库实例]
        tableName       [表名]
        eventType       [insert/update/delete类型]
    }
    entryType           [事务头BEGIN/事务尾END/数据ROWDATA]
    storeValue          [byte数据,可展开,对应的类型为RowChange]
    isDdl               [是否是ddl变更操作,比如create table/drop table]
    sql                 [具体的ddl sql]
    rowDatas            [具体insert/update/delete的变更数据,可为多条,1个binlog event事件可对应多条变更,比如批处理]
    beforeColumns       [Column类型的数组]
    afterColumns        [Column类型的数组]
}
Column {
    index       [column序号]
    sqlType     [jdbc type]
    name        [column name]
    isKey       [是否为主键]
    updated     [是否发生过变更]
    isNull      [值是否为null]
    value       [具体的值]
}

2)单Canal instance,单DTS数据订阅通道均只支持订阅一个RDS,提供给一个消费者;

3)客户端成功消费消息后需要进行Ack,以确保一致性,服务端则会维护客户端目前的消费位点。

架构浅析

DTS为商业产品,无法获得源码与设计文档,鉴于Canal和DTS提供的功能极为相似,这里分析Canal的架构作为该类产品的代表。
Canal是一个Standalone的Nettty应用(也支持用户采用embedded模式嵌入到自己的服务中),它的整体结构如下:

server:代表一个canal运行实例,对应一个jvm

instance:对应于一个数据队列,一个instance订阅单个Mysql并支撑单个消费者,一个server内可运行多个instance

eventParser:数据源接入,模拟slave协议和master进行交互,协议解析

eventSink:Parser和Store链接器,进行数据过滤,加工,分发的工作

eventStore:数据存储模块

metaManager:客户端消费位点管理模块

EventParser
EventParser模块的类图设计如下
每个EventParser都会关联两个内部组件:CanalLogPositionManager , CanalHAController
1、CanalLogPositionManager:记录binlog最后一次解析成功位置信息,主要是描述下一次canal启动的位点
2、CanalHAController:支持Mysql主备,判断当前该连哪个mysql(基于Heartbeat实现,主库失去心跳则连备库)
EventParser根据HAController获知连到哪里,通过LogPositionManager获知从哪个位点开始解析,之后便通过Mysql Slave协议拉取binlog进行解析,推入EventSink
EventSink
目前只提供了一个带有实际作用的实现:GroupEventSink
GroupEventSink用于将多个instance上的数据进行归并,常用于分库后的多数据源归并。
EventStore
EventStore的类图如下
官方提供的实现类是MemoryEventStoreWIthBuffer,内部采用的是一个RingBuffer:

Put : Sink模块进行数据存储的最后一次写入位置

Get : 数据订阅获取的最后一次提取位置

Ack : 数据消费成功的最后一次消费位置

这些位点信息通过MetaManager进行管理。这也解释了为什么一个canal instance只能支撑一个消费者:EventStore的RingBuffer只为一个消费者维护信息。

客户端使用

数据格式已经在前文给出,Canal和DTS客户端均采取:拉取事件 -> 消费 -> 消费成功后ACK。这样的消费模式,并支持消费不成功时进行rollback,重新消费该数据。

下面是一段简单的客户端调用实例(略去异常处理):

// 创建CanalConnector, 连接到localhost:11111
CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress(AddressUtils.getHostIp(),11111), destination, "", "");
connector.connect();    // 连接
connector.subscribe();  // 开始订阅binlog
// 开始循环拉取
while (running) {
    Message message = connector.getWithoutAck(1024); // 获取指定数量的数据
    long batchId = message.getId();
    for (Entry entry : message.getEntries()){
        // 对每条消息进行处理
    }
    connector.ack(batchId); // ack
}

DTS的客户端代码也类似(当然SDK提供的方法名和类名全都不一样),可以看到得益于Client的高度封装,相当易用。

总结分析

优点:
1、Canal和DTS分别作为国内社区较为知名的开源/商业Mysql增量订阅解决方案,在稳定性与正确性上已有较大范围的验证。我们在搭建RDS数据同步通道的工作中便使用了Canal,在对主库一个月左右时间的订阅期间,表现稳定。
2、Standalone的一体化解决方案,无外部服务依赖,运维更简单,在某种程度上也意味着更稳定。
3、开箱即用,节约开发与定制成本。
4、有良好的管理控制平台与监控系统(如果你已经有promethus监控,可以秒接canal监控)
5、支持多种数据库的同步
缺点:
1、单instance/订阅通道只支持订阅单个数据库,并只能支持单客户端消费。每当我们需要新增一个消费端->MySQL的订阅:对于Canal而言,就要给MySQL接一个“Slave”,可能会对主库有一定影响。
2、消息的Schema很弱,所有消息的Schema均相同,客户端需要提前知道各个表消息的Schema与各字段的上下文才能正确消费。

总结

总体而言,canal作为一个被广泛验证和使用的数据订阅与同步组件,是符合我们绝大部分的使用场景的。且得益于活跃的社区,目前还支持了admin控制台与不同类型目标数据库的导入,是值得我们深入学习并用于生产环境的。

~阅读全文~人机检测~

关注下方微信公众号“Java精选”(w_z90110),回复关键词领取资料:如Mysql、Hadoop、Dubbo、Spring Boot等,免费领取视频教程、资料文档和项目源码。

Java精选专注程序员推送一些Java开发知识,包括基础知识、各大流行框架(Mybatis、Spring、Spring Boot等)、大数据技术(Storm、Hadoop、MapReduce、Spark等)、数据库(Mysql、Oracle、NoSQL等)、算法与数据结构、面试专题、面试技巧经验、职业规划以及优质开源项目等。其中一部分由小编总结整理,另一部分来源于网络上优质资源,希望对大家的学习和工作有所帮助。

评论

分享:

支付宝

微信