实时计算神器：binlog

由于业务的发展，一些实时统计的需求越来越多。怎么办呢？

啰哩八嗦

但是对于有入库还有自己记录到日志的这显然是多此一举。因为MySQL本身就有帮你记录日志, 而且记录的日志比自己应用程序的要准确的多(MySQL 需要开启row模式)。

1. 解析MySQL Binlog，并获取我们想要的Event。
2. 过滤出我们关心的表。
3. 将获得的相关数据实时的保存到相关存储中(一般使用redis存数据，之后再定时刷入MySQL)。

模拟步骤：

我们这边模拟实时算订销售总额，和订单量。

1. 使用python-mysql-replication作为实时解析MySQL Binlog的日志利器(推荐使用 阿里的 canal，这里主要看公司的开发人员擅长什么而决定)。
2. 我们只关心 WriteRowsEvent (事件号 30)。
3. 我们只关心 ord_order 表产生的 WriteRowsEvent 事件。
4. 在原来统计的基础上加上本次订单的信息并保存到Redis(使用打印来代替保存到Redis)。

老套的 SQL 代码

--创建演示的 ord_order 表
CREATE TABLE ord_order(
    order_id INT NOT NULL AUTO_INCREMENT COMMENT '订单ID',
    amount INT NOT NULL DEFAULT 0 COMMENT '订单金额(分)',
    create_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
    PRIMARY KEY(order_id)
)COMMENT = '订单表';
 
-- 查看 当前日志所在位置
SHOW MASTER STATUS;
+------------------+----------+--------------+------------------+-------------------+
| File             | Position | Binlog_Do_DB | Binlog_Ignore_DB | Executed_Gtid_Set |
+------------------+----------+--------------+------------------+-------------------+
| mysql-bin.000012 |      469 |              |                  |                   |
+------------------+----------+--------------+------------------+-------------------+
 
-- 插入几笔订单
INSERT INTO ord_order(amount) VALUES
(1000),
(2000),
(3000);
 
-- 查看 当前日志所在位置
SHOW MASTER STATUS;
+------------------+----------+--------------+------------------+-------------------+
| File             | Position | Binlog_Do_DB | Binlog_Ignore_DB | Executed_Gtid_Set |
+------------------+----------+--------------+------------------+-------------------+
| mysql-bin.000012 |      712 |              |                  |                   |
+------------------+----------+--------------+------------------+-------------------+

青涩的 Python 代码

#!/usr/bin/env python
# -*- coding:utf-8 -*-
 
from pymysqlreplication import BinLogStreamReader
 
# 链接数据库的参数 因为 pymysqlreplication 底层使用的是 python-mysql
mysql_settings = {
    'host': '192.168.1.233',
    'port': 3306,
    'user': 'HH',
    'passwd': 'oracle'
}
 
# 这 pymysqlreplication 的 server_id 和从 Binlog 的什么位置开始解析
stream = BinLogStreamReader(connection_settings=mysql_settings,
                            server_id=100,
                            blocking=True,
                            log_file='mysql-bin.000012',
                            log_pos=469)
 
# 初始化订单统计数据
order_count_total = 0
order_amount_total = 0
 
# 不停的解析 获取解析的 Binlog
for binlogevent in stream:
 
    # 碰到 WriteRowsEvent 并且 表是 ord_order 则进行统计
    if binlogevent.event_type == 30 and binlogevent.table == 'ord_order':
        binlogevent.dump() # 打印事件相关信息
 
        # 同时计算出 订单数 和 金额数组, 如: [(1, 9), (1, 4)]
        stat = [(1, row['values']['amount']) for row in binlogevent.rows]
 
        # 分别获得 订单数数组如:[1, 1]。 销售额, 如: [9, 4]
        order_count, order_amount = zip(*stat)
        order_count_total += sum(order_count)
        order_amount_total += sum(order_amount)
 
        # 打印本次事件 产生的订单数和销售额
        print 'order_count:', order_count
        print 'order_amount:', order_amount
 
        # 打印总的订单数和销售额
        print 'order_count_total:', order_count_total
        print 'order_amount_total:', order_amount_total

运行代码

[root@centos7 tmp]# python test.py
=== WriteRowsEvent ===
Date: 2016-11-16T17:11:11
Log position: 681
Event size: 54
Read bytes: 12
Table: test.ord_order
Affected columns: 3
Changed rows: 3
Values:
--
('*', u'order_id', ':', 1)
('*', u'amount', ':', 1000)
('*', u'create_time', ':', datetime.datetime(2016, 11, 16, 17, 11, 11))
--
('*', u'order_id', ':', 2)
('*', u'amount', ':', 2000)
('*', u'create_time', ':', datetime.datetime(2016, 11, 16, 17, 11, 11))
--
('*', u'order_id', ':', 3)
('*', u'amount', ':', 3000)
('*', u'create_time', ':', datetime.datetime(2016, 11, 16, 17, 11, 11))
()
order_count: (1, 1, 1)
order_amount: (1000, 2000, 3000)
order_count_total: 3
order_amount_total: 6000

关键的不说, 气死你 (^_^)

ALTER TABLE ord_order
    ADD PARTITION (PARTITION p201701 VALUES IN (201701));
     
ALTER TABLE ord_order DROP PARTITION p201601;

1. MySQL 挂掉要如何处理。
2. 如何实现程序的高可用。
3. 如何记录解析的 log file 和 log pos。
4. 需不需要将解析的数据统一管理和存储。

大家可以考虑一下要如何实现上面的事情。具体如何做我就不说了。