canal架構原理

• canal架構設計

  

  說明：

  • server代表一個canal運行實例，對應於一個jvm
  • instance對應於一個數據隊列 （1個server對應1..n個instance)

  instance模塊：

  • eventParser (數據源接入，模擬slave協議和master進行交互，協議解析)
  • eventSink (Parser和Store鏈接器，進行數據過濾，加工，分發的工作)
  • eventStore (數據存儲)
  • metaManager (增量訂閱&消費信息管理器)

  EventParser

  

  整個parser過程大致可分為幾部：

  1. Connection獲取上一次解析成功的位置（如果第一次啟動，則獲取初始制定的位置或者是當前數據庫的binlog位點）
  2. Connection建立連接，發生BINLOG_DUMP命令
  3. Mysql開始推送Binary Log
  4. 接收到的Binary Log通過Binlog parser進行協議解析，補充一些特定信息
  5. 傳遞給EventSink模塊進行數據存儲，是一個阻塞操作，直到存儲成功
  6. 存儲成功后，定時記錄Binary Log位置

  EventSink設計

  

  說明：

  • 數據過濾：支持通配符的過濾模式，表名，字段內容等
  • 數據路由/分發：解決1:n (1個parser對應多個store的模式)
  • 數據歸並：解決n:1 (多個parser對應1個store)
  • 數據加工：在進入store之前進行額外的處理，比如join

  1 數據1:n業務 ：

  為了合理的利用數據庫資源， 一般常見的業務都是按照schema進行隔離，然后在mysql上層或者dao這一層面上，進行一個數據源路由，屏蔽數據庫物理位置對開發的影響，阿里系主要是通過cobar/tddl來解決數據源路由問題。 所以，一般一個數據庫實例上，會部署多個schema，每個schema會有由1個或者多個業務方關注。

  2 數據n:1業務：

  同樣，當一個業務的數據規模達到一定的量級后，必然會涉及到水平拆分和垂直拆分的問題，針對這些拆分的數據需要處理時，就需要鏈接多個store進行處理，消費的位點就會變成多份，而且數據消費的進度無法得到盡可能有序的保證。 所以，在一定業務場景下，需要將拆分后的增量數據進行歸並處理，比如按照時間戳/全局id進行排序歸並.

  EventStore設計

  目前實現了Memory內存、本地file存儲以及持久化到zookeeper以保障數據集群共享。
  Memory內存的RingBuffer設計：

  

  定義了3個cursor

  • Put : Sink模塊進行數據存儲的最后一次寫入位置
  • Get : 數據訂閱獲取的最后一次提取位置
  • Ack : 數據消費成功的最后一次消費位置

  借鑒Disruptor的RingBuffer的實現，將RingBuffer拉直來看：

  

  實現說明：

  • Put/Get/Ack cursor用於遞增，采用long型存儲
  • buffer的get操作，通過取余或者與操作。(與操作： cusor & (size – 1) , size需要為2的指數，效率比較高)

  Instance設計

  

  instance代表了一個實際運行的數據隊列，包括了EventPaser,EventSink,EventStore等組件。
  抽象了CanalInstanceGenerator，主要是考慮配置的管理方式：

  1. manager方式： 和你自己的內部web console/manager系統進行對接。(alibaba內部使用方式)

  2. spring方式：基於spring xml + properties進行定義，構建spring配置.

  • spring/memory-instance.xml 所有的組件(parser , sink , store)都選擇了內存版模式，記錄位點的都選擇了memory模式，重啟后又會回到初始位點進行解析。特點：速度最快，依賴最少
  • spring/file-instance.xml 所有的組件(parser , sink , store)都選擇了基於file持久化模式，注意，不支持HA機制.支持單機持久化
  • spring/default-instance.xml 所有的組件(parser , sink , store)都選擇了持久化模式，目前持久化的方式主要是寫入zookeeper，保證數據集群共享. 支持HA
  • spring/group-instance.xml 主要針對需要進行多庫合並時，可以將多個物理instance合並為一個邏輯instance，提供客戶端訪問。場景：分庫業務。 比如產品數據拆分了4個庫，每個庫會有一個instance，如果不用group，業務上要消費數據時，需要啟動4個客戶端，分別鏈接4個instance實例。使用group后，可以在canal server上合並為一個邏輯instance，只需要啟動1個客戶端，鏈接這個邏輯instance即可.

  Server設計

  

  server代表了一個canal的運行實例，為了方便組件化使用，特意抽象了Embeded(嵌入式) / Netty(網絡訪問)的兩種實現：

  • Embeded : 對latency和可用性都有比較高的要求，自己又能hold住分布式的相關技術(比如failover)
  • Netty : 基於netty封裝了一層網絡協議，由canal server保證其可用性，采用的pull模型，當然latency會稍微打點折扣，不過這個也視情況而定。

  增量訂閱/消費設計

  

  具體的協議格式，可參見：CanalProtocol.proto
  get/ack/rollback協議介紹：

  • Message getWithoutAck(int batchSize)，允許指定batchSize，一次可以獲取多條，每次返回的對象為Message，包含的內容為：
  • a. batch id 唯一標識
  • b. entries 具體的數據對象，對應的數據對象格式：EntryProtocol.proto
  • void rollback(long batchId)，顧命思議，回滾上次的get請求，重新獲取數據。基於get獲取的batchId進行提交，避免誤操作
  • void ack(long batchId)，顧命思議，確認已經消費成功，通知server刪除數據。基於get獲取的batchId進行提交，避免誤操作
  • canal的get/ack/rollback協議和常規的jms協議有所不同，允許get/ack異步處理，比如可以連續調用get多次，后續異步按順序提交ack/rollback，項目中稱之為流式api.
  • 流式api設計的好處：
  • get/ack異步化，減少因ack帶來的網絡延遲和操作成本 (99%的狀態都是處於正常狀態，異常的rollback屬於個別情況，沒必要為個別的case犧牲整個性能)
  • get獲取數據后，業務消費存在瓶頸或者需要多進程/多線程消費時，可以不停的輪詢get數據，不停的往后發送任務，提高並行化. (作者在實際業務中的一個case：業務數據消費需要跨中美網絡，所以一次操作基本在200ms以上，為了減少延遲，所以需要實施並行化)

  流式api設計：

  

  • 每次get操作都會在meta中產生一個mark，mark標記會遞增，保證運行過程中mark的唯一性
  • 每次的get操作，都會在上一次的mark操作記錄的cursor繼續往后取，如果mark不存在，則在last ack cursor繼續往后取
  • 進行ack時，需要按照mark的順序進行數序ack，不能跳躍ack. ack會刪除當前的mark標記，並將對應的mark位置更新為last ack cusor
  • 一旦出現異常情況，客戶端可發起rollback情況，重新置位：刪除所有的mark, 清理get請求位置，下次請求會從last ack cursor繼續往后取

  數據格式

  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 [binlog position]         executeTime [發生的變更]         schemaName         tableName         eventType [insert/update/delete類型]     entryType   [事務頭BEGIN/事務尾END/數據ROWDATA]     storeValue  [byte數據,可展開，對應的類型為RowChange]    RowChange     isDdl       [是否是ddl變更操作，比如create table/drop table]     sql     [具體的ddl sql]     rowDatas    [具體insert/update/delete的變更數據，可為多條，1個binlog event事件可對應多條變更，比如批處理]         beforeColumns [Column類型的數組]         afterColumns [Column類型的數組]      Column     index           sqlType     [jdbc type]     name        [column name]     isKey       [是否為主鍵]     updated     [是否發生過變更]     isNull      [值是否為null]     value       [具體的內容，注意為文本]

  canal-message example:

  比如數據庫中的表：

  1 2 3 4 5 6 7 8 9

  mysql> select * from person; +----+------+------+------+ | id | name | age  | sex  | +----+------+------+------+ |  1 | zzh  |   10 | m    | |  3 | zzh3 |   12 | f    | |  4 | zzh4 |    5 | m    | +----+------+------+------+ 3 rows in set (0.00 sec)

  更新一條數據（update person set age=15 where id=4）：

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

  **************************************************** * Batch Id: [2] ,count : [3] , memsize : [165] , Time : 2016-09-07 15:54:18 * Start : [mysql-bin.000003:6354:1473234846000(2016-09-07 15:54:06)] * End : [mysql-bin.000003:6550:1473234846000(2016-09-07 15:54:06)] ****************************************************   ================> binlog[mysql-bin.000003:6354] , executeTime : 1473234846000 , delay : 12225ms  BEGIN ----> Thread id: 67 ----------------> binlog[mysql-bin.000003:6486] , name[canal_test,person] , eventType : UPDATE , executeTime :1473234846000 , delay : 12225ms id : 4    type=int(11) name : zzh4    type=varchar(100) age : 15    type=int(11)    update=true sex : m    type=char(1) ----------------  END ----> transaction id: 308 ================> binlog[mysql-bin.000003:6550] , executeTime : 1473234846000 , delay : 12240ms

  HA機制設計

  canal的HA分為兩部分，canal server和canal client分別有對應的ha實現：

  • canal server: 為了減少對mysql dump的請求，不同server上的instance要求同一時間只能有一個處於running，其他的處於standby狀態.
  • canal client: 為了保證有序性，一份instance同一時間只能由一個canal client進行get/ack/rollback操作，否則客戶端接收無法保證有序。

  整個HA機制的控制主要是依賴了zookeeper的幾個特性，watcher和EPHEMERAL節點(和session生命周期綁定)，可以看下我之前zookeeper的相關文章。

  Canal Server:

  

  大致步驟：

  1. canal server要啟動某個canal instance時都先向zookeeper進行一次嘗試啟動判斷 (實現：創建EPHEMERAL節點，誰創建成功就允許誰啟動)
  2. 創建zookeeper節點成功后，對應的canal server就啟動對應的canal instance，沒有創建成功的canal instance就會處於standby狀態
  3. 一旦zookeeper發現canal server A創建的節點消失后，立即通知其他的canal server再次進行步驟1的操作，重新選出一個canal server啟動instance.
  4. canal client每次進行connect時，會首先向zookeeper詢問當前是誰啟動了canal instance，然后和其建立鏈接，一旦鏈接不可用，會重新嘗試connect.
  5. Canal Client的方式和canal server方式類似，也是利用zokeeper的搶占EPHEMERAL節點的方式進行控制.

  HA配置架構圖（舉例）如下所示：

  

  canal其他鏈接方式

  canal還有幾種連接方式：

  1. 單連

  

  2. 兩個client+兩個instance+1個mysql

  當mysql變動時，兩個client都能獲取到變動

  

  3. 一個server+兩個instance+兩個mysql+兩個client

  

  4. instance的standby配置

  

  整體架構

  從整體架構上來說canal是這種架構的（canal中沒有包含一個運維的console web來對接，但要運用於分布式環境中肯定需要一個Manager來管理）：

  

  一個總體的manager system對應於n個Canal Server（物理上來說是一台服務器）, 那么一個Canal Server對應於n個Canal Instance(destinations). 大體上是三層結構，第二層也需要Manager統籌運維管理。

  那么隨着Docker技術的興起，是否可以試一下下面的架構呢？

  

  • 一個docker中跑一個instance服務，相當於略去server這一層的概念。
  • Manager System中配置一個instance,直接調取一個docker發布這個instance,其中包括向這個instance發送配置信息，啟動instance服務.
  • instance在運行過程中，定時刷新binlog filename+ binlog position的信息至zk。
  • 如果一個instance出現故障，instance本身報錯或者zk感知此node消失，則根據相應的信息，比如上一步保存的binlog filename+binlog position重新開啟一個docker服務，當然這里可以適當的加一些重試機制。
  • 當要更新時，類似AB test, 先關閉一個docker,然后開啟新的已更新的替換，循序漸進的進行。
  • 當涉及到分表分庫時，多個物理表對應於一個邏輯表，可以將結果存於一個公共的模塊（比如MQ），或者單獨存取也可以，具體情況具體分析
  • 存儲可以參考canal的多樣化：內存，文件，zk，或者加入至MQ中
  • docker由此之外的工具管理，比如kubernetes
  • 也可以進一步添加HA的功能，兩個docker對應一個mysql，互為主備，類似Canal的HA架構。如果時效性不是貼別強的場景，考慮到成本，此功能可以不采用。

  總結

  這里總結了一下Canal的一些點，僅供參考：

  1. 原理：模擬mysql slave的交互協議，偽裝自己為mysql slave，向mysql master發送dump協議；mysql master收到dump請求，開始推送binary log給slave(也就是canal)；解析binary log對象(原始為byte流)
  2. 重復消費問題：在消費端解決。
  3. 采用開源的open-replicator來解析binlog
  4. canal需要維護EventStore，可以存取在Memory, File, zk
  5. canal需要維護客戶端的狀態，同一時刻一個instance只能有一個消費端消費
  6. 數據傳輸格式：protobuff
  7. 支持binlog format 類型:statement, row, mixed. 多次附加功能只能在row下使用，比如otter
  8. binlog position可以支持保存在內存，文件，zk中
  9. instance啟動方式：rpc/http; 內嵌
  10. 有ACK機制
  11. 無告警，無監控，這兩個功能都需要對接外部系統
  12. 方便快速部署。