阿里otter应用
系统部署手册
版本号
日期
作者
备注
0.1
2016-4-29
fashchina
初始
产品说明
名称:otter ['?t?(r)]
译意: 水獭,数据搬运工
语言: 纯java开发
定位: 基于数据库增量日志解析,准实时同步到本机房或异地机房的mysql/oracle数据库. 一个分布式数据库同步系统。
工作原理
一、原理描述:
1. 基于Canal开源产品,获取数据库增量日志数据。 什么是Canal, 请点击
2. 典型管理系统架构,manager(web管理)+node(工作节点)
a. manager运行时推送同步配置到node节点
b. node节点将同步状态反馈到manager上
3. 基于zookeeper,解决分布式状态调度的,允许多node节点之间协同工作.
二、什么是canal?
otter之前开源的一个子项目,开源链接地址: HYPERLINK "/alibaba/canal" /alibaba/canal
otter能解决什么?
1. 异构库同步
a. mysql -> mysql/oracle. (目前开源版本只支持mysql增量,目标库可以是mysql或者oracle,取决于canal的功能)
2. 单机房同步 (数据库之间RTT < 1ms)
a. 数据库版本升级
b. 数据表迁移
c. 异步二级索引
3. 异地机房同步 (比如阿里巴巴国际站就是杭州和美国机房的数据库同步,RTT > 200ms,亮点)
a. 机房容灾
4. 双向同步
a. 避免回环算法 (通用的解决方案,支持大部分关系型数据库)
b. 数据一致性算法 (保证双A机房模式下,数据保证最终一致性,亮点)
5. 文件同步
a. 站点镜像 (进行数据复制的同时,复制关联的图片,比如复制产品数据,同时复制产品图片).
初步性能指标
1. 单机房同步
a. 100tps , 延迟100ms
b. 5000tps, 延迟1s
2. 中美异地机房同步
a. 100tps , 延迟2s
b. 5000tps ,延迟10s
ps. 性能指标取决于目标数据库性能,数据大小等多个因素,单机房100b大小,极限tps可以1w+
名词解释
Pipeline:从源端到目标端的整个过程描述,主要由一些同步映射过程组成。
Channel:同步通道,单向同步中一个Pipeline组成,在双向同步中有两个Pipeline组成。
DataMediaPair:根据业务表定义映射关系,比如源表和目标表,字段映射,字段组等。
DataMedia : 抽象的数据介质概念,可以理解为数据表/mq队列定义。
DataMediaSource : 抽象的数据介质源信息,补充描述DateMedia。
ColumnPair : 定义字段映射关系。
ColumnGroup : 定义字段映射组。
Node : 处理同步过程的工作节点,对应一个jvm。
otter的S/E/T/L stage阶段模型
说明:为了更好的支持系统的扩展性和灵活性,将整个同步流程抽象为Select/Extract/Transform/Load,这么4个阶段.
Select阶段: 为解决数据来源的差异性,比如接入canal获取增量数据,也可以接入其他系统获取其他数据等。
Extract/Transform/Load 阶段:类似于数据仓库的ETL模型,具体可为数据join,数据转化,数据Load的
环境准备
1. 操作系统
a. otter为纯java编写,windows/linux均可支持
b. jdk建议使用1.6.25以上的版本,稳定可靠,目前阿里巴巴使用基本为此版本
2. 整个otter同步由manager、node部分组成,需要预先进行安装,
3. otter node依赖于zookeeper进行分布式调度,需要安装一个zookeeper节点或者集群.在manager启动完成后,需要首先定义不同机房的zookeeper机器集群。
网络要求
千兆网络
环境安装
MANAGER的安装
环境准备
1. otter manager依赖于mysql进行配置信息的存储,所以需要预先安装mysql,并初始化otter manager的系统表结构
a. 安装mysql,这里略过。
b. 初始化otter manager系统表
找到安装脚本otter-manager-schema.sql,然后登入MYSQL后执行下面语句:
source otter-manager-schema.sql
source otter-manager-schema.sql
2