初识增量数据同步组件-canal

canal 是阿里巴巴 MySQL 数据库 Binlog 的增量订阅&消费组件。
早期，阿里巴巴 B2B 公司因为存在杭州和美国双机房部署，存在跨机房同步的业务需求。不过早期的数据库同步业务，主要是基于 trigger 的方式获取增量 变更，不过从 2010 年开始，阿里系公司开始逐步的尝试基于数据库的日志解析，获取增量变更进行同步，由此衍生出了增量订阅&消费的业务，从此开 启了一段新纪元。ps. 目前内部使用的同步，已经支持 MySQL 5.x 和 Oracle 部分版本的日志解析

实现原理

1. mysql 原生主备复制实现
   
   从上层来看，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。

2. canal的工作原理
   
   原理相对比较简单：

   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(也就是canal)
   3. canal解析binary log对象(原始为byte流)

架构设计

说明：

1. server代表一个canal运行实例，对应于一个jvm
2. instance对应于一个数据队列 （1个server对应1…n个instance)
3. instance模块：
4. eventParser (数据源接入，模拟slave协议和master进行交互，协议解析)
5. eventSink (Parser和Store链接器，进行数据过滤，加工，分发的工作)
6. eventStore (数据存储)
7. metaManager (增量订阅&消费信息管理器)
8. 目前canal只能支持row模式的增量订阅(statement只有sql，没有数据，所以无法获取原始的变更日志)

系统部署

部署分为两大块，服务端和客户端；服务端负责数据采集、发送，客户端负责数据接收，数据处理

1. 部署要求
   安装部署客户端和服务端两台服务器网络必须相互打通，两台机器存在相同的mysql，且版本尽量保存一致，如果有必要，可以先做好数据同步，可根据实际情况来

2. 服务端部署

   1. 确认如下端口是否可用，如果不可用修改conf/canal.properties
      canal.port = 11111
      canal.metrics.pull.port = 11112
      canal.mq.servers = 127.0.0.1:6667
      Windows 系统启动需要确定9099端口是否可用，如果不可用修改bin/startup.bat文件9099端口配置
   2. 修改需要同步的服务端的数据库信息，配置文件在conf/example/instance.properties
      canal.instance.master.address=127.0.0.1:3306
      canal.instance.dbUsername=canal
      canal.instance.dbPassword=canal
      canal.instance.defaultDatabaseName=nsac
   3. 确认并修改以上信息后，就可以启动了，执行bin/startup.sh
      

3. 客户端部署

   1. 1.部署客户端需要搞明白两点，服务端是“谁”，数据给“谁”，找到BOOT-INF\classes\目录下的application.properties配置文件
      
      确定如上配置后启动客户端，执行start.sh即可

HA机制设计

canal的ha分为两部分，canal server和canal client分别有对应的ha实现
canal server: 为了减少对mysql dump的请求，不同server上的instance要求同一时间只能有一个处于running，其他的处于standby状态.
canal client: 为了保证有序性，一份instance同一时间只能由一个canal client进行get/ack/rollback操作，否则客户端接收无法保证有序。
整个HA机制的控制主要是依赖了zookeeper的几个特性，watcher和EPHEMERAL节点(和session生命周期绑定)，可以看下我之前zookeeper的相关文章。
Canal Server:

大致步骤：
canal server要启动某个canal instance时都先向zookeeper进行一次尝试启动判断 (实现：创建EPHEMERAL节点，谁创建成功就允许谁启动)
创建zookeeper节点成功后，对应的canal server就启动对应的canal instance，没有创建成功的canal instance就会处于standby状态
一旦zookeeper发现canal server A创建的节点消失后，立即通知其他的canal server再次进行步骤1的操作，重新选出一个canal server启动instance.
canal client每次进行connect时，会首先向zookeeper询问当前是谁启动了canal instance，然后和其建立链接，一旦链接不可用，会重新尝试connect.
Canal Client的方式和canal server方式类似，也是利用zokeeper的抢占EPHEMERAL节点的方式进行控制

以上就是canal组件的初步认识了，其实canal可以用到很多的场合：

1. 数据库镜像
2. 数据库实时备份
3. 多级索引 (卖家和买家各自分库索引)
4. search build
5. 业务cache刷新
6. 价格变化等重要业务消息

我这边用的比较多的业务就是数据库备份、数据库同步、业务cache缓存刷新、redis数据同步等
我把demo源码发布出来，可以下载参考一下
客户端源码：https://download.csdn.net/download/weixin_37727274/12584739
服务端程序：https://download.csdn.net/download/weixin_37727274/12584743