背景

    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mysql5.x和oracle部分版本的日志解析

    基于日志增量订阅&消费支持的业务:

    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

    项目介绍

    名称:canal [kə’næl]

    译意: 水道/管道/沟渠

    语言: 纯java开发

    定位: 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

    关键词: mysql binlog parser / real-time / queue&topic

    工作原理

    mysql主备复制实现

    简介 - 图1
    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。

    canal的工作原理:

    简介 - 图2

    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

    简介 - 图3

    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)

    知识科普

    MySQL 的 Binary Log 介绍

    简单点说:

    • mysql的binlog是多文件存储,定位一个LogEvent需要通过binlog filename + binlog position,进行定位
    • mysql的binlog数据格式,按照生成的方式,主要分为:statement-based、row-based、mixed。
      1. mysql> show variables like binlog_format’;
      2. +———————-+———-+
      3. | Variable_name | Value |
      4. +———————-+———-+
      5. | binlog_format | ROW |
      6. +———————-+———-+
      7. 1 row in set (0.00 sec)

    目前canal支持所有模式的增量订阅(但配合同步时,因为statement只有sql,没有数据,无法获取原始的变更日志,所以一般建议为ROW模式)

    EventParser设计

    大致过程:

    简介 - 图4

    整个parser过程大致可分为几步:

    1. Connection获取上一次解析成功的位置 (如果第一次启动,则获取初始指定的位置或者是当前数据库的binlog位点)
    2. Connection建立链接,发送BINLOG_DUMP指令
      // 0. write command number
      // 1. write 4 bytes bin-log position to start at
      // 2. write 2 bytes bin-log flags
      // 3. write 4 bytes server id of the slave
      // 4. write bin-log file name
    3. Mysql开始推送Binaly Log
    4. 接收到的Binaly Log的通过Binlog parser进行协议解析,补充一些特定信息
      // 补充字段名字,字段类型,主键信息,unsigned类型处理
    5. 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
    6. 存储成功后,定时记录Binaly Log位置

    mysql的Binlay Log网络协议:

    简介 - 图5

    说明:

    EventSink设计

    简介 - 图6

    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

    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

    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

    • 1. 目前仅实现了Memory内存模式,后续计划增加本地file存储,mixed混合模式
    • 2. 借鉴了Disruptor的RingBuffer的实现思路

    RingBuffer设计:

    简介 - 图7

    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:
    简介 - 图8

    实现说明:

    • Put/Get/Ack cursor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


    简介 - 图9

    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:

    • manager方式: 和你自己的内部web console/manager系统进行对接。(目前主要是公司内部使用)
    • spring方式:基于spring xml + properties进行定义,构建spring配置.

    Server设计


    简介 - 图10

    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canal server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。(阿里系的notify和metaq,典型的push/pull模型,目前也逐步的在向pull模型靠拢,push在数据量大的时候会有一些问题)

    增量订阅/消费设计

    简介 - 图11

    具体的协议格式,可参见:CanalProtocol.proto

    get/ack/rollback协议介绍:

    • Message getWithoutAck(int batchSize),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. batch id 唯一标识
      b. entries 具体的数据对象,对应的数据对象格式:EntryProtocol.proto
    • void rollback(long batchId),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
    • void ack(long batchId),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:

    简介 - 图12

    • 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last ack cursor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last ack cusor
    • 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last ack cursor继续往后取

    数据对象格式:EntryProtocol.proto

    1. Entry
    2. Header
    3. logfileName [binlog文件名]
    4. logfileOffset [binlog position]
    5. executeTime [binlog里记录变更发生的时间戳]
    6. schemaName [数据库实例]
    7. tableName [表名]
    8. eventType [insert/update/delete类型]
    9. entryType [事务头BEGIN/事务尾END/数据ROWDATA]
    10. storeValue [byte数据,可展开,对应的类型为RowChange]
    11.  
    12. RowChange
    13. isDdl [是否是ddl变更操作,比如create table/drop table]
    14. sql [具体的ddl sql]
    15. rowDatas [具体insert/update/delete的变更数据,可为多条,1binlog event事件可对应多条变更,比如批处理]
    16. beforeColumns [Column类型的数组]
    17. afterColumns [Column类型的数组]
    18.  
    19. Column
    20. index [column序号]
    21. sqlType [jdbc type]
    22. name [column name]
    23. isKey [是否为主键]
    24. updated [是否发生过变更]
    25. isNull [值是否为null]
    26. value [具体的内容,注意为文本]

    说明:

    • 可以提供数据库变更前和变更后的字段内容,针对binlog中没有的name,isKey等信息进行补全
    • 可以提供ddl的变更语句

    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:

    简介 - 图13
    大致步骤:

    1. 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)
    2. 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
    3. 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.
    4. 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zookeeper的抢占EPHEMERAL节点的方式进行控制.