canal和otter的高可靠性分析

一般来说，我们对于数据库最主要的要求就是：数据不丢。不管是主从复制，还是使用类似otter+canal这样的数据库同步方案，我们最基本的需求是，在数据不丢失的前提下，尽可能的保证系统的高可用，也就是在某个节点挂掉，或者数据库发生主从切换等情况下，我们的数据同步系统依然能够发挥它的作用–数据同步。本文讨论的场景是数据库发生主从切换，本文将从源码的角度，来看看otter和canal是如何保证高可用和高可靠的。

一、EventParser

通过阅读文档和源码，我们可以知道，对于一个canal server，基础的框架包括以下几个部分：MetaManager、EventParser、EventSink和EventStore。其中EventParser的作用就是发送dump命令，从mysql数据库获取binlog文件。发送dump命令，可以指定时间戳或者position，从指定的时间或者位置开始dump。我们来看看过程：

首先是CanalServer启动。otter默认使用的是内置版的canal server，所以我们主要看CanalServerWithEmbedded这个类。来看下他的启动过程：

public void start(final String destination) {
        final CanalInstance canalInstance = canalInstances.get(destination);
        if (!canalInstance.isStart()) {
            try {
                MDC.put("destination", destination);
                canalInstance.start();//启动实例
                logger.info("start CanalInstances[{}] successfully", destination);
            } finally {
                MDC.remove("destination");
            }
        }
    }

我们看下实例启动那一行，跟到AbstractCanalInstance类中

public void start() {
        super.start();
        if (!metaManager.isStart()) {
            metaManager.start();//源数据管理启动
        }

        if (!alarmHandler.isStart()) {
            alarmHandler.start();//报警处理器启动
        }

        if (!eventStore.isStart()) {
            eventStore.start();//数据存储器启动
        }

        if (!eventSink.isStart()) {
            eventSink.start();//数据过滤器启动
        }

        if (!eventParser.isStart()) {//数据解析器启动
            beforeStartEventParser(eventParser);
            eventParser.start();
            afterStartEventParser(eventParser);
        }
        logger.info("start successful....");
    }

我们主要看下eventParser.start()方法里面的内容。我们主要关注的是EventParser使如何在主从切换的条件下，进行dump节点的确定的。我们跟踪到AbstractEventParser类中的start()方法，重点看下

// 4. 获取最后的位置信息
EntryPosition position = findStartPosition(erosaConnection);

这块有两个实现，但是canal目前使用的是MysqlEventParser，也就是基于Mysql的Binlog文件来进行数据同步。我们看下代码：

protected EntryPosition findStartPosition(ErosaConnection connection) throws IOException {
    EntryPosition startPosition = findStartPositionInternal(connection);
    if (needTransactionPosition.get()) {
        logger.warn("prepare to find last position : {}", startPosition.toString());
        Long preTransactionStartPosition = findTransactionBeginPosition(connection, startPosition);
        if (!preTransactionStartPosition.equals(startPosition.getPosition())) {
            logger.warn("find new start Transaction Position , old : {} , new : {}",
                    startPosition.getPosition(),
                    preTransactionStartPosition);
            startPosition.setPosition(preTransactionStartPosition);
        }
        needTransactionPosition.compareAndSet(true, false);
    }
    return startPosition;
}

对于第一行findStartPositionInternal(connection)，我们重点关注的情况是数据库连接地址发生变化，也就是进行了主从切换的情况。

boolean case2 = (standbyInfo == null || standbyInfo.getAddress() == null)
                && logPosition.getPostion().getServerId() != null
                && !logPosition.getPostion().getServerId().equals(findServerId(mysqlConnection));
if (case2) {
    long timestamp = logPosition.getPostion().getTimestamp();
    long newStartTimestamp = timestamp - fallbackIntervalInSeconds * 1000;
    logger.warn("prepare to find start position by last position {}:{}:{}", new Object[]{"", "",
                logPosition.getPostion().getTimestamp()});
    EntryPosition findPosition = findByStartTimeStamp(mysqlConnection, newStartTimestamp);
    // 重新置为一下
    dumpErrorCount = 0;
    return findPosition;
}

我们分析下case2这个条件，其实就是表示的就是配置了主从切换，而且发生了serverId变化的情况，在这种情况下，首先需要获取到事件发生的时间戳，然后将这个事件发生的时间减去60s，也就是向前推一分钟之后，在新的binlog文件中根据新的时间戳来找到当时对应的事件。

这块根据时间戳来寻找事件的过程比较简单，首先根据binglog-index文件找到所有的binlog文件名，然后遍历binlog文件的头，找到binlog文件的写入时间，与新的时间戳进行对比，定位到binlog文件。定位到文件后，直接根据时间戳来进行遍历，找到新的时间戳之前发生的那个事务起始位置。

/**
 * 根据给定的时间戳，在指定的binlog中找到最接近于该时间戳(必须是小于时间戳)的一个事务起始位置。
 * 针对最后一个binlog会给定endPosition，避免无尽的查询
 */
private EntryPosition findAsPerTimestampInSpecificLogFile(MysqlConnection mysqlConnection,
                                                              final Long startTimestamp,
                                                              final EntryPosition endPosition,
                                                              final String searchBinlogFile) {

    final LogPosition logPosition = new LogPosition();
    try {
        mysqlConnection.reconnect();
        // 开始遍历文件
        mysqlConnection.seek(searchBinlogFile, 4L, new SinkFunction() {

            private LogPosition lastPosition;

            public boolean sink(LogEvent event) {
                EntryPosition entryPosition = null;
                try {
                    CanalEntry.Entry entry = parseAndProfilingIfNecessary(event);
                    if (entry == null) {
                        return true;
                    }

                    String logfilename = entry.getHeader().getLogfileName();
                    Long logfileoffset = entry.getHeader().getLogfileOffset();
                    Long logposTimestamp = entry.getHeader().getExecuteTime();

                    if (CanalEntry.EntryType.TRANSACTIONBEGIN.equals(entry.getEntryType())
                            || CanalEntry.EntryType.TRANSACTIONEND.equals(entry.getEntryType())) {
                        logger.debug("compare exit condition:{},{},{}, startTimestamp={}...", new Object[]{
                                logfilename, logfileoffset, logposTimestamp, startTimestamp});
                        // 事务头和尾寻找第一条记录时间戳，如果最小的一条记录都不满足条件，可直接退出
                        if (logposTimestamp >= startTimestamp) {
                            return false;
                        }
                    }

                    if (StringUtils.equals(endPosition.getJournalName(), logfilename)
                            && endPosition.getPosition() <= (logfileoffset="" +="" event.geteventlen()))="" {="" return="" false;="" }="" 记录一下上一个事务结束的位置，即下一个事务的position="" position="current" data.length，代表该事务的下一条offest，避免多余的事务重复="" if="" (canalentry.entrytype.transactionend.equals(entry.getentrytype()))="" entryposition="new" entryposition(logfilename,="" logfileoffset="" event.geteventlen(),="" logpostimestamp);="" logger.debug("set="" {}="" to="" be="" pending="" start="" before="" finding="" another="" proper="" one...",="" entryposition);="" logposition.setpostion(entryposition);="" else="" (canalentry.entrytype.transactionbegin.equals(entry.getentrytype()))="" 当前事务开始位点="" logfileoffset,="" lastposition="buildLastPosition(entry);" catch="" (throwable="" e)="" processsinkerror(e,="" lastposition,="" searchbinlogfile,="" 4l);="" running;="" });="" (ioexception="" logger.error("error="" ##="" findaspertimestampinspecificlogfile="" has="" an="" error",="" e);="" (logposition.getpostion()="" !="null)" logposition.getpostion();="" null;="" }
  

这块的逻辑如下：

发送 dump 命令，起始位置为 4L ，也就是跳过了 binlog 的第一个标志事件。 canal 收到 binlog ，开始进行对 binlog 文件进行解析。 主要我们看的是事务开始和事务提交的事件，判断事务开始或结束的时间，是否小于我们要找的时间戳，如果大于等于，直接遍历下一个事件。 传入了一个 endPosition ，防止无限扫描。 虽说是从头开始扫描的，但是要想跳出遍历，需要满足一定的条件。在跳出遍历之前，最后一次设置的 logPosition 才是我们要招的 logPosition 。 如果是一个事务提交的事件，我们要找的 position 就是这个事件的 position + event . length 。如果是事务开始， position 就是当前事件的 position 。其他的事件都忽略。

至此，我们已经找到了我们想要的binlog文件名和对应的事务开始position，我们继续下面的步骤即可。

二、EventStore

这块内容的主要思想如下：

维护一个类似于 Disruptor 的 RingBuffer ，同时维护三个序列， put / get / ack 。 EventSink 之后的数据，调用 put 接口，将数据放入环形队列中。 Canal client 获取数据，调用 get 方法。 异步调用 ack 方法，清除 ack 之前的数据。 值得注意的是，这块 get 和 ack 采用了流式 API 的模式， get 和 ack 异步进行，可以先 get ，然后异步调用 ack 。 ack 是有序的，不允许跳跃式的提交。

三、Binlog的Row模式

至此，我们基本上知道了canal是如何在发生数据库主从切换时保证高可用和高可靠的，我们可能还有疑惑：为什么要回退60s，来解析binlog，这样不会导致数据重复吗？还有一些自增的update语句（不具备幂等性），不会产生数据错误吗？要想回答这些问题，就需要我们了解Binlog的Row模式了。

Mysql Binlog的Row模式记录的，是数据库中每一行的数据变化，而不仅仅是sql语句。比如我们对数据库中的多行，使用一条sql语句进行了修改。在这种情况下，如果Binlog模式为Statement，只会记录一条sql语句。而Row模式下，会对每一行的数据变化进行记录，以及变化前后每个字段的值。这也就是为什么Row模式的binlog文件如此之大的原因。

对于一些不具备幂等性的sql语句，采用Row语句进行Binlog解析时，也是可以通过重复执行，来保证我们数据的最终一致性的。这也就解释了，为什么要回退60s来进行Binlog位点定位、解析的问题。考虑到Mysql主从的数据复制的延迟性（60s，一般来说的延迟没有这么久），我们可以在主节点挂掉的情况下，回退60s到从节点上继续进行binlog的解析。

当然，也需要考虑一些极端的情况，也就是主从复制确实超过了60s的延迟，在这种情况下，就需要otter登场了。基本思路是：反查数据库同步 (以数据库最新版本同步，解决交替性，比如设置一致性反查数据库延迟阀值为60秒，即当同步过程中发现数据延迟超过了60秒，就会基于PK反查一次数据库，拿到当前最新值进行同步，减少交替性的问题)。

https://www.colabug.com/1737993.html