sql server 2008的数据导入dts_数据实时变更抓取与同步canal

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

• 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

• 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。

来源：

https://www.toutiao.com/i6831327080966259212/

“IT大咖说”欢迎广大技术人员投稿，投稿邮箱：aliang@itdks.com

来都来了，走啥走，留个言呗~

 IT大咖说  |  关于版权 

由“IT大咖说(ID：itdakashuo)”原创的文章，转载时请注明作者、出处及微信公众号。投稿、约稿、转载请加微信：ITDKS10(备注：投稿)，茉莉小姐姐会及时与您联系！

感谢您对IT大咖说的热心支持！

相关推荐

推荐文章

• 轻松搭建MySQL主从复制、读写分离(双机热备)

• 阿里云云计算实战训练营来啦！

• 3年渣渣前端的面试分享

• 看看函数名和注释，AI自动生成代码，程序员：这不真实，我要失业

• 前端生产方式：过去 10 年回顾和未来 10 年展望

• Docker安全之TLS加密通讯解析与配置验证