大数据时代,数据实时同步解决方案的思考—最全的数据同步总结

  • 时间:
  • 浏览:0

1、 早期关系型数据库之间的数据同步

1)、全量同步

比如从oracle数据库中同步一张表的数据到Mysql中,通常的做法如果 分页查询源端的表,如果通过 jdbc的batch 土措施插入到目标表,这种 地方前要注意的是,分页查询时,一定要按照主键id来排序分页,外理重复插入。

2)、基于数据文件导出和导入的全量同步,这种 同步土措施一般只适用于同种数据库之间的同步,由于分析是不同的数据库,这种 土措施由于分析会处于疑问报告 。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期如果数据同步也有基于关系型数据库的触发器trigger来做的。

使用触发器实时同步数据的步骤:

A、 基于原表创触发器,触发器蕴含insert,modify,delete 有本身类型的操作,数据库的触发器分Before和After有本身清况 ,有本身是在insert,modify,delete 有本身类型的操作处于前一天触发(比如记录日志操作,一般是Before),有本身是在insert,modify,delete 有本身类型的操作前一天触发。

B、 创建增量表,增量表中的字段和原表中的字段删改一样,如果前要多这麼 操作类型字段(分表代表insert,modify,delete 有本身类型的操作),如果前要这麼 唯一自增ID,代表数据原表中数据操作的顺序,这种 自增id非常重要,不然数据同步就会错乱。

C、 原表中老要 老要 出现insert,modify,delete 有本身类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、外理增量表中的数据,外理时,一定是按照自增id的顺序来外理,这种 速率单位会非常低,没土措施做批量操作,不然数据会错乱。  他们由于分析会说,是也有都可不还都可不里能把insert操作合并在并肩,modify合并在并肩,delete操作合并在并肩,如果批量外理,我给的答案是不行,由于分析数据的增删改是有顺序的,合并后,就这麼顺序了,同根小数据的增删改顺序一旦错了,那数据同步就肯定错了。

市面上如果数据etl数据交换产品也有基于这种 思想来做的。

E、 这种 思想使用kettle 很容易就都可不还都可不里能实现,笔者这麼 在此人 的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/7350673.html

4)、基于时间戳的增量同步

A、首先他们前要一张临时temp表,用来存取每次读取的待同步的数据,也如果把每次从原表中根据时间戳读取到数据先插入到临时表中,每次在插入前,先清空临时表的数据

B、他们还前要创建这麼 时间戳配置表,用于存放每次读取的外理完的数据的最后的时间戳。

C、每次从原表中读取数据时,先查询时间戳配置表,如果就知道了查询原表时的结速英文了了时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,如果再将临时表中的数据插入到目标表中。

E、从缓存表中读取出数据的最大时间戳,如果更新到时间戳配置表中。缓存表的作用如果使用sql获取每次读取到的数据的最大的时间戳,当然哪几个也有删改基于sql励志的话 在kettle中来配置,才前要这麼 的一张临时表。

2、    大数据时代下的数据同步

1)、基于数据库日志(比如mysql的binlog)的同步

他们都知道如果数据库都支持了主从自动同步,尤其是mysql,都可不还都可不里能支持多主多从的模式。这麼他们是也有都可不还都可不里能利用这种 思想呢,答案当然是肯定的,mysql的主从同步的过程是这麼 的。

  A、master将改变记录到二进制日志(binary log)中(哪几个记录叫做二进制日志事件,binary log events,都可不还都可不里能通过show binlog events进行查看);

  B、slave将master的binary log events拷贝到它的中继日志(relay log);

  C、slave重做中继日志中的事件,将改变反映它此人 的数据。

阿里巴巴开源的canal就完美的使用这种 土措施,canal 伪装了这麼 Slave 去喝Master进行同步。

A、 canal模拟mysql slave的交互协议,伪装此人 为mysql slave,向mysql master发送dump协议

B、 mysql master收到dump请求,结速英文了了推送binary log给slave(也如果canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,特别设计了 client-server 模式,交互协议使用 protobuf 3.0 , client 端可采用不同语言实现不同的消费逻辑。

canal java 客户端: https://github.com/alibaba/canal/wiki/ClientExample

canal c# 客户端: https://github.com/dotnetcore/CanalSharp

canal go客户端: https://github.com/CanalClient/canal-go

canal php客户端: https://github.com/xingwenge/canal-php、

github的地址:https://github.com/alibaba/canal/

另外canal 1.1.1版本前一天, 默认支持将canal server接收到的binlog数据直接投递到MQ   https://github.com/alibaba/canal/wiki/Canal-Kafka-RocketMQ-QuickStart

D、在使用canal时,mysql前要开启binlog,如果binlog-format前要为row,都可不还都可不里能在mysql的my.cnf文件中增加如下配置

log-bin=E:/mysql5.5/bin_log/mysql-bin.log

binlog-format=ROW

server-id=123、

E、 部署canal的服务端,配置canal.properties文件,如果 启动 bin/startup.sh 或bin/startup.bat

#设置要监听的mysql服务器的地址和端口

canal.instance.master.address = 127.0.0.1:3506

#设置这麼 可访问mysql的用户名和密码并具有相应的权限,本示例用户名、密码都为canal

canal.instance.dbUsername = canal

canal.instance.dbPassword = canal

#连接的数据库

canal.instance.defaultDatabaseName =test

#订阅实例中所有的数据库和表

canal.instance.filter.regex = .*\\..*

#连接canal的端口

canal.port= 11111

#监听到的数据变更发送的队列

canal.destinations= example

F、 客户端开发,在maven中引入canal的依赖

   <dependency>
         <groupId>com.alibaba.otter</groupId>
          <artifactId>canal.client</artifactId>
          <version>1.0.21</version>
      </dependency>

代码示例:

package com.example;

import com.alibaba.otter.canal.client.CanalConnector;
import com.alibaba.otter.canal.client.CanalConnectors;
import com.alibaba.otter.canal.common.utils.AddressUtils;
import com.alibaba.otter.canal.protocol.CanalEntry;
import com.alibaba.otter.canal.protocol.Message;
import com.google.protobuf.InvalidProtocolBufferException;

import java.net.InetSocketAddress;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

 
public class CanalClientExample {

    public static void main(String[] args) {
        while (true) {
            //连接canal
            CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress(AddressUtils.getHostIp(), 11111), "example", "canal", "canal");
            connector.connect();
            //订阅 监控的 数据库.表
            connector.subscribe("demo_db.user_tab");
            //一次取10条
            Message msg = connector.getWithoutAck(10);

            long batchId = msg.getId();
            int size = msg.getEntries().size();
            if (batchId < 0 || size == 0) {
                System.out.println("这麼消息,休眠5秒");
                try {
                    Thread.sleep(500);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            } else {
                //
                CanalEntry.RowChange row = null;
                for (CanalEntry.Entry entry : msg.getEntries()) {
                    try {
                        row = CanalEntry.RowChange.parseFrom(entry.getStoreValue());
                        List<CanalEntry.RowData> rowDatasList = row.getRowDatasList();
                        for (CanalEntry.RowData rowdata : rowDatasList) {
                            List<CanalEntry.Column> afterColumnsList = rowdata.getAfterColumnsList();
                            Map<String, Object> dataMap = transforListToMap(afterColumnsList);
                            if (row.getEventType() == CanalEntry.EventType.INSERT) {
                                //具体业务操作
                                System.out.println(dataMap);
                            } else if (row.getEventType() == CanalEntry.EventType.UPDATE) {
                                //具体业务操作
                                System.out.println(dataMap);
                            } else if (row.getEventType() == CanalEntry.EventType.DELETE) {
                                List<CanalEntry.Column> beforeColumnsList = rowdata.getBeforeColumnsList();
                                for (CanalEntry.Column column : beforeColumnsList) {
                                    if ("id".equals(column.getName())) {
                                        //具体业务操作
                                        System.out.println("删除的id:" + column.getValue());
                                    }
                                }
                            } else {
                                System.out.println("许多操作类型不做外理");
                            }

                        }

                    } catch (InvalidProtocolBufferException e) {
                        e.printStackTrace();
                    }
                }
                //确认消息
                connector.ack(batchId);
            }


        }
    }

    public static Map<String, Object> transforListToMap(List<CanalEntry.Column> afterColumnsList) {
        Map map = new HashMap();
        if (afterColumnsList != null && afterColumnsList.size() > 0) {
            for (CanalEntry.Column column : afterColumnsList) {
                map.put(column.getName(), column.getValue());
            }
        }
        return map;
    }


}

2)、基于BulkLoad的数据同步,比如从hive同步数据到hbase

 

他们有有本身土措施都可不还都可不里能实现,

A、 使用spark任务,通过HQl读取数据,如果再通过hbase的Api插入到hbase中。

如果这种 做法,速率单位很低,如果大批量的数据并肩插入Hbase,对Hbase的性能影响很大。

在大数据量的清况 下,使用BulkLoad都可不还都可不里能快速导入,BulkLoad主如果借用了hbase的存储设计思想,由于分析hbase本质是存储在hdfs上的这麼 文件夹,如果底层是以这麼 个的Hfile处于的。HFile的形式处于。Hfile的路径格式一般是这麼 的:

/hbase/data/default(默认是这种 ,由于分析hbase的表这麼指定命名空间励志的话 ,由于分析指定了,这种 如果命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理如果按照HFile格式存储数据到HDFS上,生成Hfile都可不还都可不里能使用hadoop的MapReduce来实现。由于分析也有hive中的数据,比如内部内部结构的数据,这麼他们都可不还都可不里能将内部内部结构的数据生成文件,如果上传到hdfs中,组装RowKey,如果将封装后的数据在回写到HDFS上,以HFile的形式存储到HDFS指定的目录中。

 

当然他们都可不还都可不里里能不前一天生成hfile,都可不还都可不里能使用spark任务直接从hive中读取数据转加上RDD,如果使用HbaseContext的自动生成Hfile文件,每项关键代码如下:

…
//将DataFrame转换bulkload前要的RDD格式
    val rddnew = datahiveDF.rdd.map(row => {
      val rowKey = row.getAs[String](rowKeyField)
 
      fields.map(field => {
        val fieldValue = row.getAs[String](field)
        (Bytes.toBytes(rowKey), Array((Bytes.toBytes("info"), Bytes.toBytes(field), Bytes.toBytes(fieldValue))))
      })
    }).flatMap(array => {
      (array)
    })
…
//使用HBaseContext的bulkload生成HFile文件
    hbaseContext.bulkLoad[Put](rddnew.map(record => {
      val put = new Put(record._1)
      record._2.foreach((putValue) => put.addColumn(putValue._1, putValue._2, putValue._3))
      put
    }), TableName.valueOf(hBaseTempTable), (t : Put) => putForLoad(t), "/tmp/bulkload")
 
    val conn = ConnectionFactory.createConnection(hBaseConf)
    val hbTableName = TableName.valueOf(hBaseTempTable.getBytes())
    val regionLocator = new HRegionLocator(hbTableName, classOf[ClusterConnection].cast(conn))
    val realTable = conn.getTable(hbTableName)
    HFileOutputFormat2.configureIncrementalLoad(Job.getInstance(), realTable, regionLocator)
 
    // bulk load start
    val loader = new LoadIncrementalHFiles(hBaseConf)
    val admin = conn.getAdmin()
    loader.doBulkLoad(new Path("/tmp/bulkload"),admin,realTable,regionLocator)
 
    sc.stop()
  }
…
  def putForLoad(put: Put): Iterator[(KeyFamilyQualifier, Array[Byte])] = {
    val ret: mutable.MutableList[(KeyFamilyQualifier, Array[Byte])] = mutable.MutableList()
    import scala.collection.JavaConversions._
    for (cells <- put.getFamilyCellMap.entrySet().iterator()) {
      val family = cells.getKey
      for (value <- cells.getValue) {
        val kfq = new KeyFamilyQualifier(CellUtil.cloneRow(value), family, CellUtil.cloneQualifier(value))
        ret.+=((kfq, CellUtil.cloneValue(value)))
      }
    }
    ret.iterator
  }
}

…

C、pg_bulkload的使用

这是这麼 支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过内部内部结构文件加载的土措施,这种 工具笔者这麼亲自去用过,删改的介绍都可不还都可不里能参考:https://my.oschina.net/u/3317105/blog/852785   pg_bulkload项目的地址:http://pgfoundry.org/projects/pgbulkload/

3)、基于sqoop的全量导入

Sqoop 是hadoop生态中的这麼 工具,专门用于内部内部结构数据导入进入到hdfs中,内部内部结构数据导出时,支持如果常见的关系型数据库,也是在大数据中常用的这麼 数据导出导入的交换工具。

 

Sqoop从内部内部结构导入数据的流程图如下:

Sqoop将hdfs中的数据导出的流程如下:

本质也有用了大数据的数据分布式外理来快速的导入和导出数据。

4)、HBase中建表,如果Hive中建这麼 内部内部结构表,这麼 当Hive中写入数据后,HBase中也会并肩更新,如果前要注意

A、hbase中的空cell在hive中会补null

B、hive和hbase中不匹配的字段会补null

他们都可不还都可不里能在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用这种 命令,他们都可不还都可不里能创建一张叫bokeyuan的表,如果后边有这麼 列族zhangyongqing,hbase创建表时,都可不还都可不里能不需要指定字段,如果前要指定表名以及列族

他们都可不还都可不里能使用的hbase的put命令插入许多数据

put 'bokeyuan','001','zhangyongqing:name','robot'

put 'bokeyuan','001','zhangyongqing:age','20'

put 'bokeyuan','002','zhangyongqing:name','spring'

put 'bokeyuan','002','zhangyongqing:age','18'

都可不还都可不里能通过hbase的scan 全表扫描的土措施查看他们插入的数据

scan ' bokeyuan'

他们继续创建一张hive内部内部结构表

create external table bokeyuan (id int, name string, age int) 

STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' 

WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,user:name,user:age") 

TBLPROPERTIES("hbase.table.name" = " bokeyuan");

内部内部结构表创建好了后,他们都可不还都可不里能使用HQL励志的话 来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是这麼 开源项目,为捕获数据更改(change data capture,CDC)提供了这麼 低延迟的流式外理平台。你要 安装如果配置Debezium去监控你的数据库,如果你的应用就都可不还都可不里能消费对数据库的每这麼 行级别(row-level)的更改。不都可不还都可不里能已提交的更改才是可见的,如果你的应用不需要担心事务(transaction)由于分析更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了这麼 统一的模型,如果你的应用不需要担心每有本身数据库管理系统的错综僵化 性。另外,由于分析Debezium用持久化的、有副本备份的日志来记录数据库数据变化的历史,如果,你的应用都可不还都可不里能随时停止再重启,而不需要错过它停止运行时处于的事件,保证了所有的事件都能被正确地、删改处于理掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是这麼 开源的项目。

 

  这麼 监控数据库,如果在数据变动的前一天获得通知真是老要 是一件很僵化 的事情。关系型数据库的触发器都可不还都可不里能做到,如果只对特定的数据库有效,如果通常不都可不还都可不里能更新数据库内的清况 (无法和内部内部结构的守护线程池池通信)。许多数据库提供了监控数据变动的API由于分析框架,如果这麼这麼 标准,每项数据库的实现土措施也有不同的,如果前要小量特定的知识和理解特定的代码都可不还都可不里能运用。确保以相同的顺序查看和外理所有更改,并肩最小化影响数据库仍然非常具有挑战性。

       Debezium正好提供了模块为你做哪几个僵化 的工作。许多模块是通用的,随还都可不里能都都可不还都可不里能适用多种数据库管理系统,但在功能和性能方面仍有许多限制。另许多模块是为特定的数据库管理系统定制的,如果他们通常都可不还都可不里能更多地利用数据库系统有本身的价值形式来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是这麼 捕获数据更改(CDC)平台,如果利用Kafka和Kafka Connect实现了此人 的持久性、可靠性和容错性。每这麼 部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控这麼 上游数据库服务器,捕获所有的数据库更改,如果记录到这麼 由于分析多个Kafka topic(通常这麼 数据库表对应这麼 kafka topic)。Kafka确保所有哪几个数据更改事件都都都可不还都可不里能多副本如果总体上有序(Kafka不都可不还都可不里能保证这麼 topic的单个分区内有序),这麼 ,更多的客户端都可不还都可不里能独立消费同样的数据更改事件而对上游数据库系统造成的影响降到很小(由于分析N个应用都直接去监控数据库更改,对数据库的压力为N,而用debezium汇报数据库更改事件到kafka,所有的应用都去消费kafka中的消息,都可不还都可不里能把对数据库的压力降到1)。另外,客户端都可不还都可不里能随时停止消费,如果重启,从上次停止消费的地方接着消费。每个客户端都可不还都可不里能自行决定他们是否是 前要exactly-once由于分析at-least-once消息交付语义保证,如果所有的数据库由于分析表的更改事件是按照上游数据库处于的顺序被交付的。

       对于不前要由于分析不你要 这种 容错级别、性能、可扩展性、可靠性的应用,他们都可不还都可不里能使用内嵌的Debezium connector引擎来直接在应用内部内部结构运行connector。这种 应用仍前要消费数据库更改事件,但更希望connector直接传递给它,而也有持久化到Kafka里。

更删改的介绍都可不还都可不里能参考:https://www.jianshu.com/p/f86219b1ab98

bireme 的github 地址  https://github.com/HashDataInc/bireme

bireme 的介绍:https://github.com/HashDataInc/bireme/blob/master/README_zh-cn.md

另外Maxwell也是都可不还都可不里能实现MySQL到Kafka的消息后边件,消息格式采用Json:

Download:

https://github.com/zendesk/maxwell/releases/download/v1.22.5/maxwell-1.22.5.tar.gz 

Source:https://github.com/zendesk/maxwell 

datax 是阿里开源的etl 工具,实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各种异构数据源之间高效的数据同步功能,采用java+python进行开发,核心是java语言实现。

github地址:https://github.com/alibaba/DataX    

A、设计架构:

数据交换通过DataX进行中转,任何数据源而且和DataX连接上即都可不还都可不里能和已实现的任意数据源同步

B、框架

 

核心模块介绍:

  1. DataX完成单个数据同步的作业,他们称之为Job,DataX接受到这麼 Job前一天,将启动这麼 守护线程池池来完成整个作业同步过程。DataX Job模块是单个作业的中枢管理节点,承担了数据清理、子任务切分(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。
  2. DataXJob启动后,会根据不同的源端切分策略,将Job切分成多个小的Task(子任务),以便于并发执行。Task便是DataX作业的最小单元,每这麼 Task还会负责一每项数据的同步工作。
  3. 切分多个Task前一天,DataX Job会调用Scheduler模块,根据配置的并发数据量,将拆分成的Task重新组合,组装成TaskGroup(任务组)。每这麼 TaskGroup负责以一定的并发运行完毕分配好的所有Task,默认单个任务组的并发数量为5。
  4. 每这麼 Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的守护线程池池来完成任务同步工作。
  5. DataX作业运行起来前一天, Job监控并在等待多个TaskGroup模块任务完成,在等待所有TaskGroup任务完成后Job成功退出。如果,异常退出,守护线程池池退出值非0

DataX调度流程:

举例来说,用户提交了这麼 DataX作业,如果配置了20个并发,目的是将这麼 50张分表的mysql数据同步到odps后边。 DataX的调度决策思路是:

  1. DataXJob根据分库分表切分成了50个Task。
  2. 根据20个并发,DataX计算共前要分配这麼 TaskGroup。
  3. 这麼 TaskGroup平分切分好的50个Task,每这麼 TaskGroup负责以好几个 并发共计运行2好几个 Task。

优势:

  • 每项插件也有此人 的数据转换策略,放置数据失真;
  • 提供作业全链路的流量以及数据量运行时监控,包括作业有本身清况 、数据流量、数据速率单位、执行进度等。
  • 由于分析各种由于由于传输报错的脏数据,DataX都可不还都可不里能实现精确的过滤、识别、埋点、展示,为用户提太少种脏数据外理模式;
  • 精确的速率单位控制
  • 健壮的容错机制,包括守护线程池池内部内部结构重试、守护线程池池级别重试;

从插件视角看框架

  • Job:是DataX用来描述从这麼 源头到目的的同步作业,是DataX数据同步的最小业务单元;
  • Task:为最大化而把Job拆分得到最小的执行单元,进行并发执行;
  • TaskGroup:一组Task集合,在同这麼 TaskGroupContainer执行下的Task集合称为TaskGroup;
  • JobContainer:Job执行器,负责Job全局拆分、调度、前置励志的话 和后置励志的话 等工作的工作单元。累似 Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,累似 Yarn中的TAskTacker。

    总之,Job拆分为Task,分别在框架提供的容器中执行,插件只前要实现Job和Task两每项逻辑。

    物理执行有有本身运行模式:

  • Standalone:单守护线程池池运行,这麼内部内部结构依赖;
  • Local:单守护线程池池运行,统计信息,错误信息汇报到集中存储;
  • Distrubuted:分布式多守护线程池池运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同这麼 守护线程池池内的前一天如果单机模式,在不同守护线程池池执行如果分布式模式。

由于分析前要开发插件,都可不还都可不里能看zhege这种 插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持清况 :

类型数据源Reader(读)Writer(写)文档
RDBMS 关系型数据库 MySQL 读 、写
            Oracle         √         √     读 、写
  SQLServer 读 、写
  PostgreSQL 读 、写
  DRDS 读 、写
  通用RDBMS(支持所有关系型数据库) 读 、写
阿里云数仓数据存储 ODPS 读 、写
  ADS  
  OSS 读 、写
  OCS 读 、写
NoSQL数据存储 OTS 读 、写
  Hbase0.94 读 、写
  Hbase1.1 读 、写
  Phoenix4.x 读 、写
  Phoenix5.x 读 、写
  MongoDB 读 、写
  Hive 读 、写
无价值形式化数据存储 TxtFile 读 、写
  FTP 读 、写
  HDFS 读 、写
  Elasticsearch  
时间序列数据库 OpenTSDB  
  TSDB  

OGG 一般主要用于Oracle数据库。即Oracle GoldenGate是Oracle的同步工具 ,都可不还都可不里能实现这麼 Oracle数据库之间的数据的同步,都可不还都可不里里能实现Oracle数据同步到Kafka,相关的配置操作都可不还都可不里能参考如下:

https://blog.csdn.net/dkl12/article/details/50447154

https://www.jianshu.com/p/446ed2f267fa

http://blog.itpub.net/15412087/viewspace-2154644/

Databus是这麼 实时的、可靠的、支持事务的、保持一致性的数据变更抓取系统。 2011年在LinkedIn正式进入生产系统,2013年开源。

Databus通过挖掘数据库日志的土措施,将数据库变更实时、可靠的从数据库拉取出来,业务都可不还都可不里能通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的,每台服务器每秒都可不还都可不里能外理数千次数据吞吐变更事件,并肩还支持无限回溯能力和宽裕的变更订阅功能。

github:https://github.com/linkedin/databus

databus埋点:

  • 来源独立:Databus支持多种数据来源的变更抓取,包括Oracle和MySQL。
  • 可扩展、角度可用:Databus能扩展到支持数千消费者和事务数据来源,并肩保持角度可用性。
  • 事务按序提交:Databus能保持来源数据库中的事务删改性,并按照事务分组和来源的提交顺寻交付变更事件。
  • 低延迟、支持多种订阅机制:数据源变更完成后,Databus能在微秒级内将事务提交给消费者。并肩,消费者使用Databus中的服务器端过滤功能,都可不还都可不里能只获取此人 前要的特定数据。
  • 无限回溯:这是Databus最具创新性的组件之一,对消费者支持无限回溯能力。当消费者前要产生数据的删改拷贝时(比如新的搜索索引),它不需要对数据库产生任何额外负担,就都可不还都可不里能达成目的。当消费者的数据大大落后于来源数据库时,都可不还都可不里里能使用该功能。
    • Databus Relay中继的功能主要包括:
    1. 从Databus来源读取变更行,并在内存缓存内将其序列化为Databus变更事件
    2. 监听来自Databus客户端(包括Bootstrap Producer)的请求,并传输新的Databus数据变更事件
    • Databus客户端的功能主要包括:
    1. 检查Relay上新的数据变更事件,并执行特定业务逻辑的回调
    2. 由于分析落后Relay太少,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,如果切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端都可不还都可不里能外理整个Databus数据流,由于分析都可不还都可不里能成为消费者集群的一每项,其中每个消费者只外理一每项流数据
    • Databus Bootstrap Producer的功能有:
    1. 检查中继上的新数据变更事件
    2. 将变更存储在MySQL数据库中
    3. MySQL数据库供Bootstrap和客户端使用
    • Databus Bootstrap Server的主要功能,监听来自Databus客户端的请求,并返回长期回溯数据变更事件。
    • 更多都可不还都可不里能参考 databus社区wiki主页:https://github.com/linkedin/Databus/wiki
    • Databus和canal的功能对比:

支持的数据库

mysql, oracle

mysql(据说内部内部结构版本支持oracle)

Databus目前支持的数据源更多

业务开发

业务只前要实现事件外理接口

事件外理外,前要外理ack/rollback,

反序列化异常等

Databus开发接口用户友好度更高

服务模型

 relay

relay都可不还都可不里能并肩服务多个client

这麼 server instance不都可不还都可不里能服务这麼 client

(受限于server端保存拉取位点)

Databus服务模式更灵活

client

client都可不还都可不里能拉取多个relay的变更,

访问的relay都可不还都可不里能指定拉取许多表许多分片的变更

client不都可不还都可不里能从这麼 server拉取变更,

如果不都可不还都可不里能是拉取全量的变更

可扩展性

client都可不还都可不里能线性扩展,外理能力都可不还都可不里能线性扩展

(Databus可识别pk,自动做数据分片)

client无法扩展

Databus扩展性更好

可用性

client ha

client支持cluster模式,每个client外理一每项数据,

某个client挂掉,许多client自动接管对应分片数据

主备client模式,主client消费,

由于分析主client挂掉,备client可自动接管

Databus实时热备方案更心智心智性开花结果是什么是什么 图片 图片 图片 期期期的励志的话

relay/server ha

多个relay可连接到同这麼 数据库,

client都可不还都可不里能配置多个relay,relay故障启动切换

主备relay模式,relay通过zk进行failover

canal主备模式对数据库影响更小

故障对上游

数据库的影响

client故障,bootstrap会继续拉取变更,

client恢复后直接从bootstrap拉取历史变更

client故障会阻塞server拉取变更,

client恢复会由于server瞬时从数据库拉取小量变更

Databus有本身的故障对数据库影响几乎为0

系统清况 监控

守护线程池池通过http接口将运行清况 暴露给内部内部结构

暂无

Databus守护线程池池可监控性更好

开发语言

java,核心代码16w,测试代码6w

java,4.2w核心代码,6k测试代码

Databus项目更心智心智性开花结果是什么是什么 图片 图片 图片 期期期的励志的话 ,当然学习成本也更大