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:1

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,通常的做法什么都 分页查询源端的表,有时候 通过 jdbc的batch 土土办法插入到目标表,你这人 地方需要注意的是,分页查询时,一定要按照主键id来排序分页,避免重复插入。

2)、基于数据文件导出和导入的全量同步,你这人 同步土土办法一般只适用于同种数据库之间的同步,不可能 是不同的数据库,你这人 土土办法不可能 会位于问題图片。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期什么都数据同步全是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,触发器蕴藏 insert,modify,delete 有本身类型的操作,数据库的触发器分Before和After有本身情况汇报,有本身是在insert,modify,delete 有本身类型的操作位于时候触发(比如记录日志操作,一般是Before),有本身是在insert,modify,delete 有本身类型的操作时候触发。

B、 创建增量表,增量表中的字段和原表中的字段完整版一样,有时候 需要多有有三个操作类型字段(分表代表insert,modify,delete 有本身类型的操作),有时候 需要有有三个唯一自增ID,代表数据原表中数据操作的顺序,你这人 自增id非常重要,不然数据同步就会错乱。

C、 原表中出现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、避免增量表中的数据,避免时,一定是按照自增id的顺序来避免,你这人 效率会非常低,没土土办法做批量操作,不然数据会错乱。  他们不可能 会说,是全是都需要把insert操作合并在一齐,modify合并在一齐,delete操作合并在一齐,有时候 批量避免,我给的答案是不行,不可能 数据的增完整版是有顺序的,合并后,就不难 顺序了,同二根数据的增完整版顺序一旦错了,那数据同步就肯定错了。

市面上什么都数据etl数据交换产品全是基于你这人 思想来做的。

E、 你这人 思想使用kettle 很容易就都需要实现,笔者原先在个人的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/73500673.html

4)、基于时间戳的增量同步

A、首先亲们需要一张临时temp表,用来存取每次读取的待同步的数据,也什么都 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、亲们还需要创建有有三个时间戳配置表,用于存放每次读取的避免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,有时候 就知道了查询原表时的时候结速了了时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,有时候 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,有时候 更新到时间戳配置表中。缓存表的作用什么都 使用sql获取每次读取到的数据的最大的时间戳,当然有有哪些全是完整版基于sql句子在kettle中来配置,才需要原先的一张临时表。

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

亲们都知道什么都数据库都支持了主从自动同步,尤其是mysql,都需要支持多主多从的模式。不难 亲们是全是都需要利用你这人 思想呢,答案当然是肯定的,mysql的主从同步的过程是原先的。

  A、master将改变记录到二进制日志(binary log)中(有有哪些记录叫做二进制日志事件,binary log events,都需要通过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,将改变反映它个人的数据。

阿里巴巴开源的canal就完美的使用你这人 土土办法,canal 伪装了有有三个Slave 去喝Master进行同步。

A、 canal模拟mysql slave的交互协议,伪装个人为mysql slave,向mysql master发送dump协议

B、 mysql master收到dump请求,时候结速了了推送binary log给slave(也什么都 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版本时候, 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需要开启binlog,有时候 binlog-format需要为row,都需要在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,有时候  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 = 127.0.0.1:35006

#设置有有三个可访问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("不难



消息,休眠5秒");
                try {
                    Thread.sleep(50000);
                } 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("其他操作类型不做避免");
                            }

                        }

                    } 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

 

亲们有有本身土土办法都需要实现,

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

有时候 你这人 做法,效率很低,有时候 大批量的数据一齐插入Hbase,对Hbase的性能影响很大。

在大数据量的情况汇报下,使用BulkLoad都需要快速导入,BulkLoad主什么都 借用了hbase的存储设计思想,不可能 hbase本质是存储在hdfs上的有有三个文件夹,有时候 底层是以有有三个个的Hfile位于的。HFile的形式位于。Hfile的路径格式一般是原先的:

/hbase/data/default(默认是你这人 ,不可能 hbase的表不难 指定命名空间句子,不可能 指定了,你这人 什么都 命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理什么都 按照HFile格式存储数据到HDFS上,生成Hfile都需要使用hadoop的MapReduce来实现。不可能 全是hive中的数据,比如结构的数据,不难 亲们都需要将结构的数据生成文件,有时候 上传到hdfs中,组装RowKey,有时候 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。

 

当然亲们也都需要不时候生成hfile,都需要使用spark任务直接从hive中读取数据转打上去RDD,有时候 使用HbaseContext的自动生成Hfile文件,每段关键代码如下:

…
//将DataFrame转换bulkload需要的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

这是有有三个支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过结构文件加载的土土办法,你这人 工具笔者不难 亲自去用过,完整版的介绍都需要参考: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生态中的有有三个工具,专门用于结构数据导入进入到hdfs中,结构数据导出时,支持什么都常见的关系型数据库,也是在大数据中常用的有有三个数据导出导入的交换工具。

 

Sqoop从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:

本质全是用了大数据的数据分布式避免来快速的导入和导出数据。

4)、HBase中建表,有时候 Hive中建有有三个结构表,原先当Hive中写入数据后,HBase中也会一齐更新,有时候 需要注意

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

亲们都需要在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用你这人 命令,亲们都需要创建一张叫bokeyuan的表,有时候 上方有有有三个列族zhangyongqing,hbase创建表时,都需要不需要指定字段,有时候 需要指定表名以及列族

亲们都需要使用的hbase的put命令插入其他数据

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

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

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

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

都需要通过hbase的scan 全表扫描的土土办法查看亲们插入的数据

scan ' bokeyuan'

亲们继续创建一张hive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");

结构表创建好了后,亲们都需要使用HQL句子来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是有有三个开源项目,为捕获数据更改(change data capture,CDC)提供了有有三个低延迟的流式避免平台。我想要安装有时候 配置Debezium去监控你的数据库,有时候 你的应用就都需要消费对数据库的每有有三个行级别(row-level)的更改。不难 已提交的更改才是可见的,什么都你的应用不需要担心事务(transaction)不可能 更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了有有三个统一的模型,什么都你的应用不需要担心每有本身数据库管理系统的错综繁杂性。另外,不可能 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,有时候 ,你的应用都需要随时停止再重启,而不需要错过它停止运行时位于的事件,保证了所有的事件都能被正确地、完整版位于理掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是有有三个开源的项目。

 

  原先监控数据库,有时候 在数据变动的时候获得通知虽然老什么都 一件很繁杂的事情。关系型数据库的触发器都需要做到,有时候 只对特定的数据库有效,有时候 通常不难 更新数据库内的情况汇报(无法和结构的应用程序通信)。其他数据库提供了监控数据变动的API不可能 框架,有时候 不难 有有三个标准,每段数据库的实现土土办法全是不同的,有时候 需要少量特定的知识和理解特定的代码并能运用。确保以相同的顺序查看和避免所有更改,一齐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有有哪些繁杂的工作。其他模块是通用的,有时候 并能适用多种数据库管理系统,但在功能和性能方面仍有其他限制。另其他模块是为特定的数据库管理系统定制的,什么都亲们通常都需要更多地利用数据库系统有本身的社会形态来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是有有三个捕获数据更改(CDC)平台,有时候 利用Kafka和Kafka Connect实现了个人的持久性、可靠性和容错性。每有有三个部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控有有三个上游数据库服务器,捕获所有的数据库更改,有时候 记录到有有三个不可能 多个Kafka topic(通常有有三个数据库表对应有有三个kafka topic)。Kafka确保所有有有哪些数据更改事件都并能多副本有时候 总体上有序(Kafka不难 保证有有三个topic的单个分区内有序),原先,更多的客户端都需要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(不可能 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,都需要把对数据库的压力降到1)。另外,客户端都需要随时停止消费,有时候 重启,从上次停止消费的地方接着消费。每个客户端都需要自行决定亲们否有 需要exactly-once不可能 at-least-once消息交付语义保证,有时候 所有的数据库不可能 表的更改事件是按照上游数据库位于的顺序被交付的。

       对于需要不可能 我想要要你这人 容错级别、性能、可扩展性、可靠性的应用,亲们都需要使用内嵌的Debezium connector引擎来直接在应用结构运行connector。你这人 应用仍需要消费数据库更改事件,但更希望connector直接传递给它,而全是持久化到Kafka里。

更完整版的介绍都需要参考: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也是都需要实现MySQL到Kafka的消息上方件,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,任何数据源有时候和DataX连接上即都需要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,亲们称之为Job,DataX接受到有有三个Job时候,将启动有有三个应用程序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,每有有三个Task全是负责一每段数据的同步工作。
  3. 切分多个Task时候,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)。每有有三个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. 每有有三个Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的应用程序来完成任务同步工作。
  5. DataX作业运行起来时候, Job监控并等待图片多个TaskGroup模块任务完成,等待图片所有TaskGroup任务完成后Job成功退出。有时候 ,异常退出,应用程序退出值非0

DataX调度流程:

举例来说,用户提交了有有三个DataX作业,有时候 配置了20个并发,目的是将有有三个5000张分表的mysql数据同步到odps上方。 DataX的调度决策思路是:

  1. DataXJob根据分库分表切分成了5000个Task。
  2. 根据20个并发,DataX计算共需要分配有有三个TaskGroup。
  3. 有有三个TaskGroup平分切分好的5000个Task,每有有三个TaskGroup负责以三个并发共计运行2三个Task。

优势:

  • 每段插件全是个人的数据转换策略,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,包括作业有本身情况汇报、数据流量、数据效率、执行进度等。
  • 不可能 各种因为因为传输报错的脏数据,DataX都需要实现精确的过滤、识别、派发、展示,为用户提不要 种脏数据避免模式;
  • 精确的效率控制
  • 健壮的容错机制,包括应用程序结构重试、应用程序级别重试;

从插件视角看框架

  • Job:是DataX用来描述从有有三个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,在同有有三个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、前置句子和后置句子等工作的工作单元。这人 Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,这人 Yarn中的TAskTacker。

    总之,Job拆分为Task,分别在框架提供的容器中执行,插件只需要实现Job和Task两每段逻辑。

    物理执行有有本身运行模式:

  • Standalone:单应用应用程序,不难 结构依赖;
  • Local:单应用应用程序,统计信息,错误信息汇报到集中存储;
  • Distrubuted:分布式应用应用程序,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同有有三个应用程序内的时候什么都 单机模式,在不同应用程序执行什么都 分布式模式。

不可能 需要开发插件,都需要看zhege你这人 插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持情况汇报:

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
无社会形态化数据存储 TxtFile 读 、写
  FTP 读 、写
  HDFS 读 、写
  Elasticsearch  
时间序列数据库 OpenTSDB  
  TSDB  

Databus是有有三个实时的、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土办法,将数据库变更实时、可靠的从数据库拉取出来,业务都需要通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的,每台服务器每秒都需要避免数千次数据吞吐变更事件,一齐还支持无限回溯能力和富于的变更订阅功能。

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

databus派发:

  • 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、高度可用:Databus能扩展到支持数千消费者和事务数据来源,一齐保持高度可用性。
  • 事务按序提交:Databus能保持来源数据库中的事务完整版性,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。一齐,消费者使用Databus中的服务器端过滤功能,都需要只获取个人需要的特定数据。
  • 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。当消费者需要产生数据的完整版拷贝时(比如新的搜索索引),它不需要对数据库产生任何额外负担,就都需要达成目的。当消费者的数据大大落后于来源数据库时,也都需要使用该功能。
    • 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. 不可能 落后Relay不要 ,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,有时候 切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端都需要避免整个Databus数据流,不可能 都需要成为消费者集群的一每段,其中每个消费者只避免一每段流数据
    • 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。
    • 更多都需要参考 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

      业务只需要实现事件避免接口

      事件避免外,需要避免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都需要一齐服务多个client

      有有三个server instance不难 服务有有三个client

      (受限于server端保存拉取位点)

      Databus服务模式更灵活

      client

      client都需要拉取多个relay的变更,

      访问的relay都需要指定拉取其他表其他分片的变更

      client不难 从有有三个server拉取变更,

      有时候 不难 是拉取全量的变更

      可扩展性

      client都需要线性扩展,避免能力并能线性扩展

      (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避免一每段数据,

      某个client挂掉,其他client自动接管对应分片数据

      主备client模式,主client消费,

      不可能 主client挂掉,备client可自动接管

      Databus实时热备方案更性性性成长期图片 图片 是什么是什么是什么 的句子期图片 是什么

      relay/server ha

      多个relay可连接到同有有三个数据库,

      client都需要配置多个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恢复会因为server瞬时从数据库拉取少量变更

      Databus有本身的故障对数据库影响几乎为0

      系统情况汇报监控

      应用程序通过http接口将运行情况汇报暴露给结构

      暂无

      Databus应用程序可监控性更好

      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项目更性性性成长期图片 图片 是什么是什么是什么 的句子期图片 是什么,当然学习成本也更大