订阅MongoDB的数据变更比解析mysql的binlog更简单

前言

我们开源了一个订阅分发mysql的binlog的项目，一直用的非常好，忽然有天开发说能不能支持MongoDB的数据订阅呢，MongoDB的使用度也挺广泛的。安排。经过简单的了解后发现MongoDB也有类似binlog的机制，最终花了两天时间把功能完成，并统一抽象集成到binlog开源项目中，使用和binlog同一套订阅分发模型管理MongoDB数据源。整个过程非常顺利，比整mysql的binlog要简单的多了。
binlog数据订阅分发项目：https://gitee.com/kekingcn/ke...

oplog简介

先来聊聊MongoDB的主备机制，和mysql的binlog类似，在MongoDB中，有一个系统库“”Local”，库里有一个集合“oplog.rs”，这个集合类似于binlog文件，里面记录了MongoDB的所有操作。从节点通过读取oplog.rs里的数据做到数据同步。

解析oplog

和订阅mysql的binlog一样（模拟一个从节点mysql）。我们的订阅服务要像从节点那样读取解析oplog.rs里的数据。解析前先看下oplog.rs的Document的数据结构

上图是一个插入的数据的日志，可见oplog的doc中共有七个字段，含义分别如下：

• ts:操作的时间戳（非常重要）
• t:term最初在主数据库上生成操作的。(含义不明)
• h：本次操作的唯一hashID
• v: 版本号
• op：操作类型,有六种类型，我们只需要关注其中的i(插入)、u(更新)、d(删除)即可
• ns：库名和集合名称，中间使用“.”连接
• o：本次操作的document内容
• o2:只有op操作类型时u更新时，才会有这个字段，代表更新的条件语句
• $set：o2获取后的文档里的属性，代表更新的字段

如上字段，完成一次oplog的解析，只需要ts、op、ns、o、o2、$set即可，其中ts非常重要，可以类比为binlog中的Position。同步mysql的数据时，通过记录消费binlog的位置，也就是Position，可以有效避免订阅服务停机后，消费记录丢失的问题。同步MongoDB时，通过记录ts的值，来记录消费的位置，可以到达和订阅binlog一样的效果。和mysql订阅不同的是，MongoDB的同步需要同步服务自己查询，而且oplog在MongoDB4.0之前的版本有大小限制，超过设置的容量后，老的数据就会被丢失，在4.0之后的版本已经解除了这个限制。

直接上代码

上面已经分析了oplog的结构以及订阅步骤，下面我们直接构建查询即可，需要注意，每次获取到的ts值，需要存储记录下来，已便重新订阅时，从上次断开的记录重新开始。下面直接看代码，重点逻辑都以注释详尽

    private BsonTimestamp queryTs;

    @Test
    public void OpLogTest() {
        MongoClient mongoClient = new MongoClient(new MongoClientURI("mongodb://admin:[email protected]:3717"));
        MongoCollection collection = mongoClient.getDatabase("local")
                .getCollection("oplog.rs");

        //如果是首次订阅，需要使用自然排序查询，获取第最后一次操作的操作时间戳。如果是续订阅直接读取记录的值赋值给queryTs即可
        FindIterable tsCursor = collection.find().sort(new BasicDBObject("$natural", -1))
                .limit(1);
        Document tsDoc = tsCursor.first();
        queryTs = (BsonTimestamp) tsDoc.get("ts");
        while (true) try {
            //构建查询语句,查询大于当前查询时间戳queryTs的记录
            BasicDBObject query = new BasicDBObject("ts", new BasicDBObject("$gt", queryTs));
            MongoCursor docCursor = collection.find(query)
                    .cursorType(CursorType.TailableAwait) //没有数据时阻塞休眠
                    .noCursorTimeout(true) //防止服务器在不活动时间（10分钟）后使空闲的游标超时。
                    .oplogReplay(true) //结合query条件，获取增量数据，这个参数比较难懂，见：https://docs.mongodb.com/manual/reference/command/find/index.html
                    .maxAwaitTime(1, TimeUnit.SECONDS) //设置此操作在服务器上的最大等待执行时间
                    .iterator();
            while (docCursor.hasNext()) {
                Document document = docCursor.next();
                //更新查询时间戳
                queryTs = (BsonTimestamp) document.get("ts");
                //TODO 在这里接收到数据后通过订阅数据路由分发

                String op = document.getString("op");
                String database = document.getString("ns");
                Document context = (Document) document.get("o");
                Document where = null;
                if (op.equals("u")) {
                    where = (Document) document.get("o2");
                    if (context != null) {
                        context = (Document) context.get("$set");
                    }
                }
                System.err.println("操作时间戳：" + queryTs.getTime());
                System.err.println("操作类  型：" + op);
                System.err.println("数据库.集合：" + database);
                System.err.println("更新条件：" + JSON.toJSONString(where));
                System.err.println("文档内容：" + JSON.toJSONString(context));
            }
        } catch (Exception e) { e.printStackTrace(); }
    }

结语

上面代码只是一个简单的测试用例，完整的应用还需要考虑ts的记录更新，事件的抽象，数据的分发等。我们已经开源的binlog订阅分发项目目前支持数据源在线管理，订阅数据（库、表）在线管理，如果能够使用同一套管理后台管理binlog和oplog的订阅在好不过。要实现和binlog统一管理模型，配置和分发方面基本不需要改动，然后从顶层数据源方面做区分实现即可。目前我们整合管理的功能都已经开发好了，关于oplog部分的代码还没提交到github上，后面会和大家相见。