如何通过canal读取mysql数据_使用 Canal 实现 MYSQL 数据的实时变更抓取与同步

今天，给大家介绍一个生产实践更多的实时变更抓取模块canal。https://github.com/alibaba/canal实际上，该项目目前已经发布到1.1.5-alpha版本，不仅仅支持数据变更抓取，还支持数据同步、admin配置管理，已经非常完善。

简介Canal是阿里巴巴的一个开源项目，它同样实现了Mysql变更抓取(Binlog解析)，并提供了订阅功能。应该是阿里云DTS(Data Transfer Service)的开源版本。

提供的功能Canal与DTS提供的功能基本相似：1)基于Mysql的Slave协议实时dump binlog流，解析为事件发送给订阅方；

事件格式为(省略一些域后的伪码)：Eevnt {

Header {

logfileName     [binlog文件名]

logfileOffset   [binlog position]

executeTime     [binlog里记录变更发生的时间戳]

schemaName      [数据库实例]

tableName       [表名]

eventType       [insert/update/delete类型]

}

entryType           [事务头BEGIN/事务尾END/数据ROWDATA]

storeValue          [byte数据,可展开，对应的类型为RowChange]

isDdl               [是否是ddl变更操作，比如create table/drop table]

sql                 [具体的ddl sql]

rowDatas            [具体insert/update/delete的变更数据，可为多条，1个binlog event事件可对应多条变更，比如批处理]

beforeColumns       [Column类型的数组]

afterColumns        [Column类型的数组]

}

Column {

index       [column序号]

sqlType     [jdbc type]

name        [column name]

isKey       [是否为主键]

updated     [是否发生过变更]

isNull      [值是否为null]

value       [具体的值]

}

2)单Canal instance，单DTS数据订阅通道均只支持订阅一个RDS，提供给一个消费者；3)客户端成功消费消息后需要进行Ack，以确保一致性，服务端则会维护客户端目前的消费位点。

架构浅析DTS为商业产品，无法获得源码与设计文档，鉴于Canal和DTS提供的功能极为相似，这里分析Canal的架构作为该类产品的代表。Canal是一个Standalone的Nettty应用(也支持用户采用embedded模式嵌入到自己的服务中)，它的整体结构如下：

server：代表一个canal运行实例，对应一个jvm

instance：对应于一个数据队列，一个instance订阅单个Mysql并支撑单个消费者，一个server内可运行多个instance

eventParser：数据源接入，模拟slave协议和master进行交互，协议解析

eventSink：Parser和Store链接器，进行数据过滤，加工，分发的工作

eventStore：数据存储模块

metaManager：客户端消费位点管理模块EventParserEventParser模块的类图设计如下每个EventParser都会关联两个内部组件：CanalLogPositionManager ， CanalHAController1、CanalLogPositionManager：记录binlog最后一次解析成功位置信息，主要是描述下一次canal启动的位点2、CanalHAController：支持Mysql主备，判断当前该连哪个mysql(基于Heartbeat实现，主库失去心跳则连备库)EventParser根据HAController获知连到哪里，通过LogPositionManager获知从哪个位点开始解析，之后便通过Mysql Slave协议拉取binlog进行解析，推入EventSinkEventSink目前只提供了一个带有实际作用的实现：GroupEventSinkGroupEventSink用于将多个instance上的数据进行归并，常用于分库后的多数据源归并。EventStoreEventStore的类图如下官方提供的实现类是MemoryEventStoreWIthBuffer，内部采用的是一个RingBuffer：

Put : Sink模块进行数据存储的最后一次写入位置

Get : 数据订阅获取的最后一次提取位置

Ack : 数据消费成功的最后一次消费位置这些位点信息通过MetaManager进行管理。这也解释了为什么一个canal instance只能支撑一个消费者：EventStore的RingBuffer只为一个消费者维护信息。

客户端使用数据格式已经在前文给出，Canal和DTS客户端均采取：拉取事件 -> 消费 -> 消费成功后ACK。这样的消费模式，并支持消费不成功时进行rollback，重新消费该数据。

下面是一段简单的客户端调用实例(略去异常处理)：// 创建CanalConnector， 连接到localhost:11111

CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress(AddressUtils.getHostIp(),11111), destination, "", "");

connector.connect();    // 连接

connector.subscribe();  // 开始订阅binlog

// 开始循环拉取

while (running) {

Message message = connector.getWithoutAck(1024); // 获取指定数量的数据

long batchId = message.getId();

for (Entry entry : message.getEntries()){

// 对每条消息进行处理

}

connector.ack(batchId); // ack

}

DTS的客户端代码也类似(当然SDK提供的方法名和类名全都不一样)，可以看到得益于Client的高度封装，相当易用。

总结分析优点：1、Canal和DTS分别作为国内社区较为知名的开源/商业Mysql增量订阅解决方案，在稳定性与正确性上已有较大范围的验证。我们在搭建RDS数据同步通道的工作中便使用了Canal，在对主库一个月左右时间的订阅期间，表现稳定。2、Standalone的一体化解决方案，无外部服务依赖，运维更简单，在某种程度上也意味着更稳定。3、开箱即用，节约开发与定制成本。4、有良好的管理控制平台与监控系统(如果你已经有promethus监控，可以秒接canal监控)5、支持多种数据库的同步缺点：1、单instance/订阅通道只支持订阅单个数据库，并只能支持单客户端消费。每当我们需要新增一个消费端->MySQL的订阅：对于Canal而言，就要给MySQL接一个“Slave”，可能会对主库有一定影响。2、消息的Schema很弱，所有消息的Schema均相同，客户端需要提前知道各个表消息的Schema与各字段的上下文才能正确消费。

总结

总体而言，canal作为一个被广泛验证和使用的数据订阅与同步组件，是符合我们绝大部分的使用场景的。且得益于活跃的社区，目前还支持了admin控制台与不同类型目标数据库的导入，是值得我们深入学习并用于生产环境的。