大数据技术之Canal入门篇

大数据技术之Canal入门篇

文章目录

  • 大数据技术之Canal入门篇
    • 写在前面
    • 第 1 章 Canal 入门
      • 1.1 什么是 Canal
      • 1.2 MySQL 的Binlog
        • 1.2.1 什么是 Binlog
        • 1.2.2 Binlog 的分类
      • 1.3 Canal 的工作原理
        • 1.3.1 MySQL 主从复制过程
        • 1.3.2 Canal 的工作原理
      • 1.4 使用场景
    • 第 2 章 MySQL 的准备
      • 2.1 创建数据库
      • 2.2 创建数据表
      • 2.3 修改配置文件开启Binlog
      • 2.4 重启 MySQL 使配置生效
      • 2.5 测试 Binlog 是否开启
        • 2.6 赋权限
    • 第 3 章 Canal 的下载和安装
      • 3.1 下载并解压 Jar 包
      • 3.2 修改 canal.properties 的配置
      • 3.3 修改instance.properties
    • 案例测试Error说明
    • 官方文档参考


写在前面

  • Canal版本:Canal-1.1.2

官网:https://github.com/alibaba/canal/

官方文档:https://github.com/alibaba/canal/wiki

第 1 章 Canal 入门

1.1 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,所以衍生出了同步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 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)。

1.2 MySQL 的Binlog

1.2.1 什么是 Binlog

MySQL 的二进制日志可以说 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,Master 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 MySQL Binlog 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。

1.2.2 Binlog 的分类

MySQL Binlog 的格式有三种,分别是 STATEMENT,MIXED,ROW。在配置文件中可以选择配置 binlog_format= statement|mixed|row。三种格式的区别:

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,默认还是 statement,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

优缺点:

  • 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。

综合上面对比,Canal 想做监控分析,选择row 格式比较合适。

1.3 Canal 的工作原理

1.3.1 MySQL 主从复制过程

  • Master 主库将改变记录,写到二进制日志(Binary Log)中;
  • 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);
  • 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。

大数据技术之Canal入门篇_第1张图片

1.3.2 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。

1.4 使用场景

  • 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。

大数据技术之Canal入门篇_第2张图片

  • 常见场景 1:更新缓存

大数据技术之Canal入门篇_第3张图片

  • 常见场景 2:抓取业务表的新增变化数据,用于制作实时统计(我们就是这种场景)

第 2 章 MySQL 的准备

2.1 创建数据库

大数据技术之Canal入门篇_第4张图片

2.2 创建数据表

CREATE TABLE user_info(
`id` VARCHAR(255),
`name` VARCHAR(255),
`sex` VARCHAR(255)
);

2.3 修改配置文件开启Binlog

[zhangsan@node01 module]$ sudo vim /etc/my.cnf 
server-id=1  #配置mysql replaction需要定义,不能和canal的slaveId重复  
log-bin=mysql-bin 
binlog_format=row 
binlog-do-db=gmall-2021

注意:binlog-do-db 根据自己的情况进行修改,指定具体要同步的数据库,如果不配置则表示所有数据库均开启Binlog

2.4 重启 MySQL 使配置生效

sudo systemctl restart mysqld	

到/var/lib/mysql 目录下查看初始文件大小:154

[zhangsan@node01 lib]$ pwd
/var/lib
[zhangsan@node01  lib]$ sudo ls -l mysql
总用量 474152
-rw-r-----. 1 mysql mysql	56 8 月	7 2020 auto.cnf
drwxr-x---. 2 mysql mysql	4096 9 月  25 2020 azkaban
-rw-------. 1 mysql mysql	1680 8 月	7 2020 ca-key.pem
-rw-r--r--. 1 mysql mysql	1112 8 月	7 2020 ca.pem
drwxr-x--- 2 mysql mysql	4096 8 月  18 16:56 cdc_test
-rw-r--r--. 1 mysql mysql	1112 8 月	7 2020 client-cert.pem
-rw-------. 1 mysql mysql	1676 8 月	7 2020 client-key.pem
drwxr-x---. 2 mysql mysql	4096 9 月  25 2020 gmall_report
-rw-r----- 1 mysql mysql	1085 12 月  1 09:12 ib_buffer_pool
-rw-r-----. 1 mysql mysql 79691776 12 月 13 08:45 ibdata1
-rw-r-----. 1 mysql mysql 50331648 12 月 13 08:45 ib_logfile0
-rw-r-----. 1 mysql mysql 50331648 12 月 13 08:45 ib_logfile1
-rw-r----- 1 mysql mysql 12582912 12 月 13 08:45 ibtmp1
drwxr-x--- 2 mysql mysql	4096 9 月  22 15:30 maxwell
drwxr-x---. 2 mysql mysql	4096 8 月  12 2020 metastore
drwxr-x---. 2 mysql mysql	4096 9 月  22 15:43 mysql
-rw-r-----. 1 mysql mysql	154 12 月 13 08:45 mysql-bin.000001
-rw-r----- 1 mysql mysql	19 12 月 13 08:45 mysql-bin.index
srwxrwxrwx 1 mysql mysql	0 12 月 13 08:45 mysql.sock
-rw------- 1 mysql mysql	5 12 月 13 08:45 mysql.sock.lock
drwxr-x---. 2 mysql mysql	4096 8 月	7 2020 performance_schema
-rw-------. 1 mysql mysql	1680 8 月	7 2020 private_key.pem
-rw-r--r--.	1	mysql	mysql	452 8 月	7 2020 public_key.pem
-rw-r--r--.	1	mysql	mysql	1112 8 月	7 2020 server-cert.pem
-rw	--.	1	mysql	mysql	1680 8 月	7 2020 server-key.pem
drwxr-x---.	2	mysql	mysql	12288 8 月	7 2020 sys
drwxr-x--- 2 mysql mysql	4096 2 月	2 2021 test
[zhangsan@node01 lib]$

可以看到,mysql-bin.000001文件大小为154

2.5 测试 Binlog 是否开启

  • 插入数据
INSERT INTO user_info VALUES('1001','zhangsan','male');	
  • 再次到/var/lib/mysql 目录下,查看index 文件的大小
-rw	--.	1	mysql	mysql	1680 8 月	7 2020 ca-key.pem
-rw-r--r--.	1	mysql	mysql	1112 8 月	7 2020 ca.pem
drwxr-x---	2	mysql	mysql	4096 8 月  18 16:56 cdc_test
-rw-r--r--.	1	mysql	mysql	1112 8 月	7 2020 client-cert.pem
-rw	--.	1	mysql	mysql	1676 8 月	7 2020 client-key.pem
drwxr-x---.	2	mysql	mysql	4096 9 月  25 2020 gmall_report
-rw-r-----	1	mysql	mysql	1085 12 月  1 09:12 ib_buffer_pool
-rw-r-----.	1	mysql	mysql	79691776 12 月 13 08:45 ibdata1
-rw-r-----.	1	mysql	mysql	50331648 12 月 13 08:45 ib_logfile0
-rw-r-----.	1	mysql	mysql	50331648 12 月 13 08:45 ib_logfile1
-rw-r-----	1	mysql	mysql	12582912 12 月 13 08:45 ibtmp1
drwxr-x---	2	mysql	mysql	4096 9 月  22 15:30 maxwell
drwxr-x---.	2	mysql	mysql	4096 8 月  12 2020 metastore
drwxr-x---.	2	mysql	mysql	4096 9 月  22 15:43 mysql
-rw-r-----.	1	mysql	mysql	452 12 月 13 08:45 mysql-bin.000001
-rw-r-----	1	mysql	mysql	19 12 月 13 08:45 mysql-bin.index
srwxrwxrwx	1	mysql	mysql	0 12 月 13 08:45 mysql.sock
-rw-------	1	mysql	mysql	5 12 月 13 08:45 mysql.sock.lock
drwxr-x---.	2	mysql	mysql	4096 8 月	7 2020 performance_schema
-rw	--.	1	mysql	mysql	1680 8 月	7 2020 private_key.pem
-rw-r--r--.	1	mysql	mysql	452 8 月	7 2020 public_key.pem
-rw-r--r--.	1	mysql	mysql	1112 8 月	7 2020 server-cert.pem
-rw	--.	1	mysql	mysql	1680 8 月	7 2020 server-key.pem
drwxr-x---.	2	mysql	mysql	12288 8 月	7 2020 sys
drwxr-x--- 2 mysql mysql	4096 2 月	2 2021 test
[zhangsan@node01 lib]$

可以看到,mysql-bin.000001文件大小变大了(452)

2.6 赋权限

在 MySQL 中执行:修改MySQL密码长度;赋予canal用户select权限

mysql> set global validate_password_length=4; 
mysql> set global validate_password_policy=0;
mysql> GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO
'canal'@'%' IDENTIFIED BY 'canal' ;

查看mysql库下的user表

在这里插入图片描述

第 3 章 Canal 的下载和安装

3.1 下载并解压 Jar 包

https://github.com/alibaba/canal/releases

下载完之后 将canal.deployer-1.1.2.tar.gz 拷贝到/opt/sortware目录下,然后解压到/opt/module/canal-1.1.2 包下

注意:canal 解压后是分散的,我们在指定解压目录的时候需要将canal 指定上

3.2 修改 canal.properties 的配置

[zhangsan@node01 conf]$ pwd
/opt/module/canal/conf
[zhangsan@node01 conf]$ vim canal.properties #################################################
#########	common argument	############# #################################################
canal.id = 1 canal.ip = canal.port = 11111
canal.metrics.pull.port = 11112 canal.zkServers =
# flush data to zk canal.zookeeper.flush.period = 1000 canal.withoutNetty = false
# tcp, kafka, RocketMQ canal.serverMode = tcp
# flush meta cursor/parse position to file

说明:这个文件是 canal 的基本通用配置,canal 端口号默认就是 11111,修改 canal 的输出 model,默认 tcp,改为输出到kafka

多实例配置如果创建多个实例,通过前面 canal 架构,我们可以知道,一个 canal 服务中可以有多个instance,conf/下的每一个 example 即是一个实例,每个实例下面都有独立的配置文件。默认只有一个实例 example,如果需要多个实例处理不同的 MySQL 数据的话,直接拷贝出多个 example,并对其重新命名,命名和配置文件中指定的名称一致,然后修改 canal.properties 中的 canal.destinations=实例 1,实例 2,实例 3。

#################################################
#########	destinations	############# #################################################
canal.destinations = example

3.3 修改instance.properties

我们这里只读取一个 MySQL 数据,所以只有一个实例,这个实例的配置文件在conf/example 目录下

[zhangsan@node01 example]$ pwd
/opt/module/canal/conf/example
[zhangsan@node01 example]$ vim instance.properties

  • 配置 MySQL 服务器地址

Note:canal.instance.mysql.slaveId的值不能跟/etc/my.cnf的server-id值一样;因为canal相当于一个从节点,主从复制时,server-id就不能一样。

#################################################
## mysql serverId , v1.0.26+ will autoGen 
canal.instance.mysql.slaveId=20

# enable gtid use true/false 
canal.instance.gtidon=false

# position info 
canal.instance.master.address=node01:3306
  • 配置连接 MySQL 的用户名和密码,默认就是我们前面授权的canal
# username/password	
canal.instance.dbUsername=canal 
canal.instance.dbPassword=canal 

canal.instance.connectionCharset = UTF-8 
canal.instance.defaultDatabaseName =test 
# enable druid Decrypt database password 
canal.instance.enableDruid=false

案例测试Error说明

报错信息:查看日志,在canal安装目录下的logs/canal/canal.log,前提是canal.properties的配置项canal.destinations = example 没有更改,如果是更改为【test_xxx】,则日志位于canal安装目录下的logs/test_xxx/test_xxx.log

[zhangsan@node01 canal]$ cat canal.log
2023-01-07 15:10:56.713 [main] INFO  com.alibaba.otter.canal.deployer.CanalLauncher - ## set default uncaught exception handler
2023-01-07 15:10:56.759 [main] INFO  com.alibaba.otter.canal.deployer.CanalLauncher - ## load canal configurations
2023-01-07 15:10:56.771 [main] INFO  com.alibaba.otter.canal.deployer.CanalStarter - ## start the canal server.
2023-01-07 15:10:56.851 [main] INFO  com.alibaba.otter.canal.deployer.CanalController - ## start the canal server[192.102.153.10(192.102.153.10):11111]
2023-01-07 15:10:58.627 [main] INFO  com.alibaba.otter.canal.deployer.CanalStarter - ## the canal server is running now ......
2023-01-07 15:10:58.822 [canal-instance-scan-0] INFO  com.alibaba.otter.canal.deployer.CanalController - auto notify start doris-load successful.
2023-01-07 15:15:34.251 [New I/O server worker #1-1] ERROR c.a.otter.canal.server.netty.handler.SessionHandler - something goes wrong with channel:[id: 0x71dc2f6d, /192.102.153.1:57500 => /192.102.153.10:11111], exception=java.io.IOException: Connection reset by peer
        at sun.nio.ch.FileDispatcherImpl.read0(Native Method)
        at sun.nio.ch.SocketDispatcher.read(SocketDispatcher.java:39)
        at sun.nio.ch.IOUtil.readIntoNativeBuffer(IOUtil.java:223)
        at sun.nio.ch.IOUtil.read(IOUtil.java:192)
        at sun.nio.ch.SocketChannelImpl.read(SocketChannelImpl.java:380)
        at org.jboss.netty.channel.socket.nio.NioWorker.read(NioWorker.java:322)
        at org.jboss.netty.channel.socket.nio.NioWorker.processSelectedKeys(NioWorker.java:281)
        at org.jboss.netty.channel.socket.nio.NioWorker.run(NioWorker.java:201)
        at org.jboss.netty.util.internal.IoWorkerRunnable.run(IoWorkerRunnable.java:46)
        at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
        at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)

关于这个error,我查找了一些资料,但是都没有帮助

https://github.com/alibaba/canal/issues/3585

同时也遇到过下面的error

https://github.com/alibaba/canal/issues/640

实时监控MySQL数据不成功

原因:因为一开始解压canal的时候,没有先创建一个安装目录,直接将canal解压了,导致canal的目录分散了,然后就将分散的目录都移动到新建的目录canal-1.1.5下

解决方法:

直接删除掉canal-1.1.5目录即可,重新解压安装canal

官方文档参考

  • AdminGuide

https://github.com/alibaba/canal/wiki/AdminGuide

  • ClientAPI

https://github.com/alibaba/canal/wiki/ClientAPI

  • ClientExample

https://github.com/alibaba/canal/wiki/ClientExample

结束!

你可能感兴趣的:(大数据技术栈文档,大数据,Canal)