canal 快速上手

什么是canal

阿里巴巴B2B公司,因为业务的特性,卖家主要集中在国内,买家主要集中在国外,所以衍生出了杭州和美国异地机房的需求,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。

canal是用java开发的基于数据库增量日志解析,提供增量数据订阅&消费的中间件。目前,canal主要支持了MySQL的binlog解析,解析完成后才利用canal client 用来处理获得的相关数据。(数据库同步需要阿里的otter中间件,基于canal)。

使用场景

1)原始场景: 阿里otter中间件的一部分

otter是阿里用于进行异地数据库之间的同步框架,canal是其中一部分。

img

2) 常见场景1:更新缓存

img

3) 场景2:抓取业务数据新增变化表,用于制作拉链表。

4) 场景3:抓取业务表的新增变化数据,用于制作实时统计。

canal的工作原理

img

复制过程分成三步:

1)Master主库将改变记录写到二进制日志(binary log)中;

2)Slave从库向MySQL Master发送dump协议,将Master主库的binary log events拷贝到它的中继日志(relay log);

3)Slave从库读取并重做中继日志中的事件,将改变的数据同步到自己的数据库。

canal的工作原理很简单,就是把自己伪装成slave,假装从master复制数据。

img

MySQL的binlog

什么是binlog

MySQL的二进制日志可以说是MySQL最重要的日志了,它记录了所有的DDL和DML(除了数据查询语句)语句,以事件形式记录,还包含语句所执行的消耗的时间,MySQL的二进制日志是事务安全型的。

一般来说开启二进制日志大概会有1%的性能损耗 。二进制有两个最重要的使用场景:

其一:MySQL Replication在Master端开启binlog,Mster把它的二进制日志传递给slaves来达到master-slave数据一致的目的。

其二:自然就是数据恢复了,通过使用mysqlbinlog工具来使恢复数据。

二进制日志包括两类文件:二进制日志索引文件(文件名后缀为.index)用于记录所有的二进制文件,二进制日志文件(文件名后缀为.00000*)记录数据库所有的DDL和DML(除了数据查询语句)语句事件。

binlog的开启

在mysql的配置文件(Linux: /etc/my.cnf , Windows: \my.ini)下,修改配置

在[mysqld] 区块

设置/添加

这个表示binlog日志的前缀是mysql-bin,以后生成的日志文件就是 mysql-bin.123456 的文件后面的数字按顺序生成。每次mysql重启或者到达单个文件大小的阈值时,新生一个文件,按顺序编号。

binlog的分类设置

mysql binlog的格式,那就是有三种,分别是STATEMENT,MIXED,ROW。

在配置文件中可以选择配置

区别:

1)statement

  • 语句级,binlog会记录每次一执行写操作的语句。
  • 相对row模式节省空间,但是可能产生不一致性,比如update tt set create_date=now()
  • 如果用binlog日志进行恢复,由于执行时间不同可能产生的数据就不同。
  • 优点:节省空间
  • 缺点:有可能造成数据不一致。

2)row

  • 行级,binlog会记录每次操作后每行记录的变化。
  • 优点:保持数据的绝对一致性。因为不管sql是什么,引用了什么函数,他只记录执行后的效果。
  • 缺点:占用较大空间。

3)mixed

  • statement的升级版,一定程度上解决了,因为一些情况而造成的statement模式不一致问题
  • 在某些情况下譬如:
  • 当函数中包含 UUID() 时;
  • 包含 AUTO_INCREMENT 字段的表被更新时;
  • 执行 INSERT DELAYED 语句时;
  • 用 UDF 时;
  • 会按照 ROW的方式进行处理
  • 优点:节省空间,同时兼顾了一定的一致性。
  • 缺点:还有些极个别情况依旧会造成不一致,另外statement和mixed对于需要对binlog的监控的情况都不方便。