阿里数据同步中间件canal(一)基本介绍

背景

阿里巴巴 B2B 公司为解决杭州和美国双机房部署，存在跨机房同步的业务需求 ，从 2010 年开始，开始尝试数据库日志解析，获取增量变更进行同步，由此衍生出了增量订阅和消费业务，从此开启一段新纪元。

是什么

canal [kə’næl]，译意为水道/管道/沟渠
主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费

官方Wiki

https://github.com/alibaba/canal/wiki

原理

mysql主备复制

canal的原理和mysql的主备复制原理相似，先提下mysql主备复制实现原理

从上图来看，mysql主备复制分成三步：
1.master将改变记录到二进制日志(binary log)中（这些记录叫做二进制日志事件，binary log events，可以通过show binlog events进行查看）；
2.slave将master的binary log events拷贝到它的中继日志(relay log)；
3.slave重做中继日志中的事件，将改变反映它自己的数据。

mysql的binlog介绍

在MySql中常用的数据库表结构变更DDL和DML都会产生对应的操作日志，通过这个操作日志一般可以用来进行MySql故障后的数据恢复，以及MySql的主从同步使用；那么这个日志就是我们常说的MySql的binlog日志，binlog日志是一个二进制日志文件，并非是纯粹的文本文件。

canal原理

1.canal 模拟 MySQL slave 的交互协议，伪装自己为 MySQL slave ，向 MySQL master 发送 dump 协议
2.MySQL master 收到 dump 请求，开始推送 binary log 给 slave (即 canal )
3.canal 解析 binary log 对象(原始为 byte 流)

canal架构图

说明
1.server代表一个canal的运行实例，对应一个jvm
2.instance对应一个数据队列(1个server对应n个isntance)
instance模块
EventParser （数据源接入，模拟slave协议和master进行交互，协议解析）
EventSink（parse和store的连接器，进行数据过滤，加工，分发等工作）
EventStore（数据存储）

canal项目模块介绍

canal项目是基于maven构建的，将不同的功能模块划分了不同的子模块。
我们可以简单执行可执行模块deployer，也可以将模块通过maven依赖的方式，将你需要的子模块引入到你自己的项目中进行使用开发。

核心模块功能：

deployer模块：独立部署模块，用于canal-server的独立启动，包括本地配置解析、拉取远程配置、启动canal-server。
server模块：canal-server的实现逻辑，一个canal-server一般是一个jvm进程。重点关注两种canal-server的实现方式，内嵌型的canalServerEmbed和独立使用的canalServerWithNetty。新版本中新增了直接对接mq的canal-server实现。
instance模块：具体实时订阅任务是由一个个instance组成的，每个canal-server中可以同时运行多个instance。instance由parser、sink、store三个重点模块组成。
parser模块：数据源接入，模拟slave协议和master进行交互，协议解析。parser模块依赖于dbsync、driver模块。
sink模块：将parser抓取到的数据，进行过滤，加工，然后发送到store模块进行存储。核心接口为CanalEventSink。
store模块：数据存储模块，类似内存模式到消息队列，本质上是一个RingBuffer。核心接口为CanalEventStore。
meta模块：增量订阅&消费信息管理器，核心接口为CanalMetaManager，主要用于记录canal消费到的mysql binlog的位置
client模块：项目最早的消费客户端，通过将client模块引入自己的项目中，然后直接消费canal-server获取的数据。
client-adapter模块：1.1.x后新出的模块，可以独立部署为canal-server的消费服务端，是一个springboot项目。通过SPI机制，能够加载不同plugins，将消费信息投递到ES\hbase\rdb等下游。
admin模块：1.1.x新出的模块，可以独立部署为canal-server的控制台，配置canal-server、instance相关配置，非常好用。

关联模块

我们从整体到局部来看一下。
整体架构关联，包括admin模块、server模块、client-adapter模块

1）server模块是服务端核心模块，用来拉取binlog的实时变更，然后投递到客户端。
2）server可以通过配置，选择投递到MQ，或者是启动一个netty，让客户端来拉取。
3）client-adapter就是一个独立部署到服务，可以直接拉取canal-server的消息（或者拉取mq的消息），转发到对应RDS/Redis/HBase，当然，你也可以自己实现一个转发到redis的adapter
4）admin模块是管理控制台，可以调度canal-server组成一个个集群实现instance的高可用、可以更改server、instance的配置信息。
Canal-server模块局部关系，包括deployer模块、server模块、instance模块、parser模块、sink模块、store模块、meta模块、client模块。

1）deployer模块是一个启动模块，可以启动canal-server。
2）一个server是一个独立应用，是一个jvm进程，里面可以有多个instance对象。
3）instance内包括了parser、sink、store、meta
4）parser负责获取binlog变更，然后sink将parser获取的binlog变更转换为event，存入store。
5）meta是元信息管理器
6）client模块可以内嵌入你的应用，用来消费canal-server的消息事件。

与Maxwell对比

Maxwell是一个能实时读取MySQL二进制日志binlog，并生成JSON格式的消息，作为生产者发送给Kafka、RabbitMQ等中间件的应用程序。它的常见应用场景有ETL、缓存构建、收集表级别的dml指标、增量到搜索引擎、数据分区迁移、切库binlog回滚方案等。
官网：http://maxwells-daemon.io
Canal由Java开发，分为服务端和客户端，拥有众多的衍生应用，性能稳定，功能强大；Canal需要自己编写客户端来消费Canal解析到的数据。
Maxwell相对于Canal的优势是部署使用简单，基本不需要复杂的配置。它直接将数据变更输出为json字符串，不需要再编写客户端。对于缺乏基础建设，短时间内需要快速迭代的项目和公司比较合适。

canal的使用场景

数据库实时备份
业务cache刷新
数据增量处理
跨数据库的备份，例如mysql=》es，mysql=》redis，mysql=》kafka…

参考资料

https://www.jianshu.com/p/95fc321c20b2
https://cloud.tencent.com/developer/article/1728945