Canal相关理解

转载：http://www.importnew.com/25189.html

概述

canal是阿里巴巴旗下的一款开源项目，纯Java开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了MySQL（也支持mariaDB）。

起源：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。

基于日志增量订阅&消费支持的业务：

数据库镜像

数据库实时备份

多级索引(卖家和买家各自分库索引)

searchbuild

业务cache刷新

价格变化等重要业务消息

工作原理

mysql主备复制实现：

从上层来看，复制分成三步：

master将改变记录到二进制日志(binarylog)中（这些记录叫做二进制日志事件，binarylogevents，可以通过showbinlogevents进行查看）；

slave将master的binarylogevents拷贝到它的中继日志(relaylog)；

slave重做中继日志中的事件，将改变反映它自己的数据。

canal的工作原理

原理相对比较简单：

canal模拟mysqlslave的交互协议，伪装自己为mysqlslave，向mysqlmaster发送dump协议

mysqlmaster收到dump请求，开始推送binarylog给slave(也就是canal)

canal解析binarylog对象(原始为byte流)

架构设计

个人理解，数据增量订阅与消费应当有如下几个点：

增量订阅和消费模块应当包括binlog日志抓取，binlog日志解析，事件分发过滤（EventSink），存储（EventStore）等主要模块。

如果需要确保HA可以采用Zookeeper保存各个子模块的状态，让整个增量订阅和消费模块实现无状态化，当然作为consumer(客户端)的状态也可以保存在zk之中。

整体上通过一个ManagerSystem进行集中管理，分配资源。

可以参考下图：

canal架构设计

说明：

server代表一个canal运行实例，对应于一个jvm

instance对应于一个数据队列（1个server对应1..n个instance)

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(Parser和Store链接器，进行数据过滤，加工，分发的工作)

eventStore(数据存储)

metaManager(增量订阅&消费信息管理器)

EventParser

整个parser过程大致可分为几部：

Connection获取上一次解析成功的位置（如果第一次启动，则获取初始制定的位置或者是当前数据库的binlog位点）

Connection建立连接，发生BINLOG_DUMP命令

Mysql开始推送BinaryLog

接收到的BinaryLog通过Binlogparser进行协议解析，补充一些特定信息

传递给EventSink模块进行数据存储，是一个阻塞操作，直到存储成功

存储成功后，定时记录BinaryLog位置

EventSink设计

说明：

数据过滤：支持通配符的过滤模式，表名，字段内容等

数据路由/分发：解决1:n(1个parser对应多个store的模式)

数据归并：解决n:1(多个parser对应1个store)

数据加工：在进入store之前进行额外的处理，比如join

1数据1:n业务：

为了合理的利用数据库资源，一般常见的业务都是按照schema进行隔离，然后在mysql上层或者dao这一层面上，进行一个数据源路由，屏蔽数据库物理位置对开发的影响，阿里系主要是通过cobar/tddl来解决数据源路由问题。所以，一般一个数据库实例上，会部署多个schema，每个schema会有由1个或者多个业务方关注。

2数据n:1业务：

同样，当一个业务的数据规模达到一定的量级后，必然会涉及到水平拆分和垂直拆分的问题，针对这些拆分的数据需要处理时，就需要链接多个store进行处理，消费的位点就会变成多份，而且数据消费的进度无法得到尽可能有序的保证。所以，在一定业务场景下，需要将拆分后的增量数据进行归并处理，比如按照时间戳/全局id进行排序归并.

EventStore设计

目前实现了Memory内存、本地file存储以及持久化到zookeeper以保障数据集群共享。

Memory内存的RingBuffer设计：

定义了3个cursor

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

借鉴Disruptor的RingBuffer的实现，将RingBuffer拉直来看：

实现说明：

Put/Get/Ackcursor用于递增，采用long型存储

buffer的get操作，通过取余或者与操作。(与操作：cusor&(size–1),size需要为2的指数，效率比较高)

Instance设计

instance代表了一个实际运行的数据队列，包括了EventPaser,EventSink,EventStore等组件。

抽象了CanalInstanceGenerator，主要是考虑配置的管理方式：

1.manager方式：和你自己的内部webconsole/manager系统进行对接。(alibaba内部使用方式)

2.spring方式：基于springxml+properties进行定义，构建spring配置.

spring/memory-instance.xml所有的组件(parser,sink,store)都选择了内存版模式，记录位点的都选择了memory模式，重启后又会回到初始位点进行解析。特点：速度最快，依赖最少

spring/file-instance.xml所有的组件(parser,sink,store)都选择了基于file持久化模式，注意，不支持HA机制.支持单机持久化

spring/default-instance.xml所有的组件(parser,sink,store)都选择了持久化模式，目前持久化的方式主要是写入zookeeper，保证数据集群共享.支持HA

spring/group-instance.xml主要针对需要进行多库合并时，可以将多个物理instance合并为一个逻辑instance，提供客户端访问。场景：分库业务。比如产品数据拆分了4个库，每个库会有一个instance，如果不用group，业务上要消费数据时，需要启动4个客户端，分别链接4个instance实例。使用group后，可以在canalserver上合并为一个逻辑instance，只需要启动1个客户端，链接这个逻辑instance即可.

Server设计

server代表了一个canal的运行实例，为了方便组件化使用，特意抽象了Embeded(嵌入式)/Netty(网络访问)的两种实现：

Embeded:对latency和可用性都有比较高的要求，自己又能hold住分布式的相关技术(比如failover)

Netty:基于netty封装了一层网络协议，由canalserver保证其可用性，采用的pull模型，当然latency会稍微打点折扣，不过这个也视情况而定。

增量订阅/消费设计

具体的协议格式，可参见：CanalProtocol.proto

get/ack/rollback协议介绍：

MessagegetWithoutAck(intbatchSize)，允许指定batchSize，一次可以获取多条，每次返回的对象为Message，包含的内容为：

a.batchid唯一标识

b.entries具体的数据对象，对应的数据对象格式：EntryProtocol.proto

voidrollback(longbatchId)，顾命思议，回滚上次的get请求，重新获取数据。基于get获取的batchId进行提交，避免误操作

voidack(longbatchId)，顾命思议，确认已经消费成功，通知server删除数据。基于get获取的batchId进行提交，避免误操作

canal的get/ack/rollback协议和常规的jms协议有所不同，允许get/ack异步处理，比如可以连续调用get多次，后续异步按顺序提交ack/rollback，项目中称之为流式api.

流式api设计的好处：

get/ack异步化，减少因ack带来的网络延迟和操作成本(99%的状态都是处于正常状态，异常的rollback属于个别情况，没必要为个别的case牺牲整个性能)

get获取数据后，业务消费存在瓶颈或者需要多进程/多线程消费时，可以不停的轮询get数据，不停的往后发送任务，提高并行化.(作者在实际业务中的一个case：业务数据消费需要跨中美网络，所以一次操作基本在200ms以上，为了减少延迟，所以需要实施并行化)

流式api设计：

每次get操作都会在meta中产生一个mark，mark标记会递增，保证运行过程中mark的唯一性

每次的get操作，都会在上一次的mark操作记录的cursor继续往后取，如果mark不存在，则在lastackcursor继续往后取

进行ack时，需要按照mark的顺序进行数序ack，不能跳跃ack.ack会删除当前的mark标记，并将对应的mark位置更新为lastackcusor

一旦出现异常情况，客户端可发起rollback情况，重新置位：删除所有的mark,清理get请求位置，下次请求会从lastackcursor继续往后取

数据格式

canal采用protobuff:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

Entry

Header

logfileName[binlog文件名]

logfileOffset[binlogposition]

executeTime[发生的变更]

schemaName

tableName

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]

RowChange

isDdl[是否是ddl变更操作，比如createtable/droptable]

sql[具体的ddlsql]

rowDatas[具体insert/update/delete的变更数据，可为多条，1个binlogevent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

sqlType[jdbctype]

name[columnname]

isKey[是否为主键]

updated[是否发生过变更]

isNull[值是否为null]

value[具体的内容，注意为文本]

canal-messageexample:

比如数据库中的表：

1

2

3

4

5

6

7

8

9

mysql>select*fromperson;

+----+------+------+------+

|id|name|age|sex|

+----+------+------+------+

|1|zzh|10|m|

|3|zzh3|12|f|

|4|zzh4|5|m|

+----+------+------+------+

3rowsinset(0.00sec)

更新一条数据（updatepersonsetage=15whereid=4）：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

****************************************************

*BatchId:[2],count:[3],memsize:[165],Time:2016-09-0715:54:18

*Start:[mysql-bin.000003:6354:1473234846000(2016-09-0715:54:06)]

*End:[mysql-bin.000003:6550:1473234846000(2016-09-0715:54:06)]

****************************************************

================>binlog[mysql-bin.000003:6354],executeTime:1473234846000,delay:12225ms

BEGIN---->Threadid:67

---------------->binlog[mysql-bin.000003:6486],name[canal_test,person],eventType:UPDATE,executeTime:1473234846000,delay:12225ms

id:4type=int(11)

name:zzh4type=varchar(100)

age:15type=int(11)update=true

sex:mtype=char(1)

----------------

END---->transactionid:308

================>binlog[mysql-bin.000003:6550],executeTime:1473234846000,delay:12240ms

HA机制设计

canal的HA分为两部分，canalserver和canalclient分别有对应的ha实现：

canalserver:为了减少对mysqldump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.

canalclient:为了保证有序性，一份instance同一时间只能由一个canalclient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。

CanalServer:

大致步骤：

canalserver要启动某个canalinstance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canalserver就启动对应的canalinstance，没有创建成功的canalinstance就会处于standby状态

一旦zookeeper发现canalserverA创建的节点消失后，立即通知其他的canalserver再次进行步骤1的操作，重新选出一个canalserver启动instance.

canalclient每次进行connect时，会首先向zookeeper询问当前是谁启动了canalinstance，然后和其建立链接，一旦链接不可用，会重新尝试connect.

CanalClient的方式和canalserver方式类似，也是利用zokeeper的抢占EPHEMERAL节点的方式进行控制.

HA配置架构图（举例）如下所示：

canal其他链接方式

canal还有几种连接方式：

1.单连

2.两个client+两个instance+1个mysql

当mysql变动时，两个client都能获取到变动

3.一个server+两个instance+两个mysql+两个client

4.instance的standby配置

整体架构

从整体架构上来说canal是这种架构的（canal中没有包含一个运维的consoleweb来对接，但要运用于分布式环境中肯定需要一个Manager来管理）：

一个总体的managersystem对应于n个CanalServer（物理上来说是一台服务器）,那么一个CanalServer对应于n个CanalInstance(destinations).大体上是三层结构，第二层也需要Manager统筹运维管理。

那么随着Docker技术的兴起，是否可以试一下下面的架构呢？

一个docker中跑一个instance服务，相当于略去server这一层的概念。

ManagerSystem中配置一个instance,直接调取一个docker发布这个instance,其中包括向这个instance发送配置信息，启动instance服务.

instance在运行过程中，定时刷新binlogfilename+binlogposition的信息至zk。

如果一个instance出现故障，instance本身报错或者zk感知此node消失，则根据相应的信息，比如上一步保存的binlogfilename+binlogposition重新开启一个docker服务，当然这里可以适当的加一些重试机制。

当要更新时，类似ABtest,先关闭一个docker,然后开启新的已更新的替换，循序渐进的进行。

当涉及到分表分库时，多个物理表对应于一个逻辑表，可以将结果存于一个公共的模块（比如MQ），或者单独存取也可以，具体情况具体分析

存储可以参考canal的多样化：内存，文件，zk，或者加入至MQ中

docker由此之外的工具管理，比如kubernetes

也可以进一步添加HA的功能，两个docker对应一个mysql，互为主备，类似Canal的HA架构。如果时效性不是贴别强的场景，考虑到成本，此功能可以不采用。

总结

这里总结了一下Canal的一些点，仅供参考：

原理：模拟mysqlslave的交互协议，伪装自己为mysqlslave，向mysqlmaster发送dump协议；mysqlmaster收到dump请求，开始推送binarylog给slave(也就是canal)；解析binarylog对象(原始为byte流)

重复消费问题：在消费端解决。

采用开源的open-replicator来解析binlog

canal需要维护EventStore，可以存取在Memory,File,zk

canal需要维护客户端的状态，同一时刻一个instance只能有一个消费端消费

数据传输格式：protobuff

支持binlogformat类型:statement,row,mixed.多次附加功能只能在row下使用，比如otter

binlogposition可以支持保存在内存，文件，zk中

instance启动方式：rpc/http;内嵌

有ACK机制

无告警，无监控，这两个功能都需要对接外部系统

方便快速部署。