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:0
  • 来源:幸运快3_快3神彩_幸运快3神彩

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,通常的做法要是 分页查询源端的表,完会通过 jdbc的batch 土方式插入到目标表,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,正确处理重复插入。

2)、基于数据文件导出和导入的全量同步,你这人同步土方式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,你这人土方式不可能 会指在那此的问题报告 。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期那么来越多有数据同步都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 有这人类型的操作,数据库的触发器分Before和After有这人情况表,有这人是在insert,modify,delete 有这人类型的操作指在前一天触发(比如记录日志操作,一般是Before),有这人是在insert,modify,delete 有这人类型的操作前一天触发。

B、 创建增量表,增量表中的字段和原表中的字段完整性一样,完会需要多另另有一好几个 操作类型字段(分表代表insert,modify,delete 有这人类型的操作),完会需要另另有一好几个 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 有这人类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、正确处理增量表中的数据,正确处理时,一定是按照自增id的顺序来正确处理,你这人传输速率会非常低,没土方式做批量操作,不然数据会错乱。  许多人不可能 会说,是都是可不都可以把insert操作合并在一同,modify合并在一同,delete操作合并在一同,完会批量正确处理,我给的答案是不行,不可能 数据的增完整性是有顺序的,合并后,就那么顺序了,同根小数据的增完整性顺序一旦错了,那数据同步就肯定错了。

市面上那么来越多有数据etl数据交换产品都是基于你这人思想来做的。

E、 你这人思想使用kettle 很容易就可不都可以实现,笔者另另有有一好几个 在其他人的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/73500673.html

4)、基于时间戳的增量同步

A、首先让当当我们 需要一张临时temp表,用来存取每次读取的待同步的数据,也要是 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、让当当我们 还需要创建另另有一好几个 时间戳配置表,用于存放每次读取的正确处理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,完会就知道了查询原表时的刚始于时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,完会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,完会更新到时间戳配置表中。缓存表的作用要是 使用sql获取每次读取到的数据的最大的时间戳,当然那此都是完整性基于sql一句话在kettle中来配置,才需要另另有有一好几个 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

让当当我们 都知道那么来越多有数据库都支持了主从自动同步,尤其是mysql,可不都可以支持多主多从的模式。那么让当当我们 是都是可不都可以利用你这人思想呢,答案当然是肯定的,mysql的主从同步的过程是另另有有一好几个 的。

  A、master将改变记录到二进制日志(binary log)中(那此记录叫做二进制日志事件,binary log events,可不都可以通过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,将改变反映它其他人的数据。

阿里巴巴开源的canal就完美的使用你这人土方式,canal 伪装了另另有一好几个 Slave 去喝Master进行同步。

A、 canal模拟mysql slave的交互协议,伪装其他人为mysql slave,向mysql master发送dump协议

B、 mysql master收到dump请求,刚始于推送binary log给slave(也要是 canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,不得劲设计了 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版本前一天, 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,完会binlog-format需要为row,可不都可以在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,完会 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

#设置另另有一好几个 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("那么消息,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("其他操作类型不做正确处理");
                            }

                        }

                    } 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

 

让当当我们 有有这人土方式可不都可以实现,

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

完会你这人做法,传输速率很低,完会大批量的数据一同插入Hbase,对Hbase的性能影响很大。

在大数据量的情况表下,使用BulkLoad可不都可以快速导入,BulkLoad主要是 借用了hbase的存储设计思想,不可能 hbase本质是存储在hdfs上的另另有一好几个 文件夹,完会底层是以另另有一好几个 个的Hfile指在的。HFile的形式指在。Hfile的路径格式一般是另另有有一好几个 的:

/hbase/data/default(默认是你这人,不可能 hbase的表那么指定命名空间一句话,不可能 指定了,你这人要是 命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理要是 按照HFile格式存储数据到HDFS上,生成Hfile可不都可以使用hadoop的MapReduce来实现。不可能 都是hive中的数据,比如内部管理的数据,那么让当当我们 可不都可以将内部管理的数据生成文件,完会上传到hdfs中,组装RowKey,完会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。

 

当然让当当我们 也可不都可以不前一天生成hfile,可不都可以使用spark任务直接从hive中读取数据转加在RDD,完会使用HbaseContext的自动生成Hfile文件,次责关键代码如下:

…
//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

这是另另有一好几个 支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过内部管理文件加载的土方式,你这人工具笔者那么亲自去用过,完整性的介绍可不都可以参考: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生态中的另另有一好几个 工具,专门用于内部管理数据导入进入到hdfs中,内部管理数据导出时,支持那么来越多有常见的关系型数据库,也是在大数据中常用的另另有一好几个 数据导出导入的交换工具。

 

Sqoop从内部管理导入数据的流程图如下:

Sqoop将hdfs中的数据导出的流程如下:

本质都是用了大数据的数据分布式正确处理来快速的导入和导出数据。

4)、HBase中建表,完会Hive中建另另有一好几个 内部管理表,另另有有一好几个 当Hive中写入数据后,HBase中也会一同更新,完会需要注意

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

让当当我们 可不都可以在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用你这人命令,让当当我们 可不都可以创建一张叫bokeyuan的表,完会后面 有另另有一好几个 列族zhangyongqing,hbase创建表时,可不都可以那么多再指定字段,完会需要指定表名以及列族

让当当我们 可不都可以使用的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'

可不都可以通过hbase的scan 全表扫描的土方式查看让当当我们 插入的数据

scan ' bokeyuan'

让当当我们 继续创建一张hive内部管理表

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");

内部管理表创建好了后,让当当我们 可不都可以使用HQL一句话来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是另另有一好几个 开源项目,为捕获数据更改(change data capture,CDC)提供了另另有一好几个 低延迟的流式正确处理平台。我愿意安装完会配置Debezium去监控你的数据库,完会你的应用就可不都可以消费对数据库的每另另有一好几个 行级别(row-level)的更改。里可不都可以 已提交的更改才是可见的,那么来越多有你的应用那么多再担心事务(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另另有一好几个 统一的模型,那么来越多有你的应用那么多再担心每有这人数据库管理系统的复杂。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,完会,你的应用可不都可以随时停止再重启,而那么多再错过它停止运行时指在的事件,保证了所有的事件都能被正确地、完整性指在理掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是另另有一好几个 开源的项目。

 

  另另有有一好几个 监控数据库,完会在数据变动的前一天获得通知真是无缘无故是一件很复杂的事情。关系型数据库的触发器可不都可以做到,完会只对特定的数据库有效,完会通常里可不都可以 更新数据库内的情况表(无法和内部管理的多多tcp连接 通信)。其他数据库提供了监控数据变动的API不可能 框架,完会那么另另有一好几个 标准,次责数据库的实现土方式都是不同的,完会需要小量特定的知识和理解特定的代码才能运用。确保以相同的顺序查看和正确处理所有更改,一同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那此复杂的工作。其他模块是通用的,之里才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,那么来越多有让当当我们 通常可不都可以更多地利用数据库系统有这人的型态来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是另另有一好几个 捕获数据更改(CDC)平台,完会利用Kafka和Kafka Connect实现了其他人的持久性、可靠性和容错性。每另另有一好几个 部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控另另有一好几个 上游数据库服务器,捕获所有的数据库更改,完会记录到另另有一好几个 不可能 多个Kafka topic(通常另另有一好几个 数据库表对应另另有一好几个 kafka topic)。Kafka确保所有那此数据更改事件都才能多副本完会总体上有序(Kafka里可不都可以 保证另另有一好几个 topic的单个分区内有序),另另有有一好几个 ,更多的客户端可不都可以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,可不都可以把对数据库的压力降到1)。另外,客户端可不都可以随时停止消费,完会重启,从上次停止消费的地方接着消费。每个客户端可不都可以自行决定让当当我们 是与否需要exactly-once不可能 at-least-once消息交付语义保证,完会所有的数据库不可能 表的更改事件是按照上游数据库指在的顺序被交付的。

       对于需要不可能 不我愿意你这人容错级别、性能、可扩展性、可靠性的应用,让当当我们 可不都可以使用内嵌的Debezium connector引擎来直接在应用内部管理运行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,而都是持久化到Kafka里。

更完整性的介绍可不都可以参考: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也是可不都可以实现MySQL到Kafka的消息后面 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,任何数据源我希望和DataX连接上即可不都可以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,让当当我们 称之为Job,DataX接受到另另有一好几个 Job前一天,将启动另另有一好几个 多多tcp连接 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,每另另有一好几个 Task一定会负责一次责数据的同步工作。
  3. 切分多个Task前一天,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)。每另另有一好几个 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. 每另另有一好几个 Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的多tcp连接 来完成任务同步工作。
  5. DataX作业运行起来前一天, Job监控并听候多个TaskGroup模块任务完成,听候所有TaskGroup任务完成后Job成功退出。完会,异常退出,多多tcp连接 退出值非0

DataX调度流程:

举例来说,用户提交了另另有一好几个 DataX作业,完会配置了20个并发,目的是将另另有一好几个 5000张分表的mysql数据同步到odps后面 。 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计算共需要分配另另有一好几个 TaskGroup。
  3. 另另有一好几个 TaskGroup平分切分好的5000个Task,每另另有一好几个 TaskGroup负责以一好几个 并发共计运行2一好几个 Task。

优势:

  • 次责插件都是其他人的数据转换策略,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,包括作业有这人情况表、数据流量、数据传输速率、执行进度等。
  • 不可能 各种意味分析意味分析传输报错的脏数据,DataX可不都可以实现精确的过滤、识别、架构设计 、展示,为用户提那么来越多种脏数据正确处理模式;
  • 精确的传输速率控制
  • 健壮的容错机制,包括多tcp连接 内部管理重试、多tcp连接 级别重试;

从插件视角看框架

  • Job:是DataX用来描述从另另有一好几个 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,在同另另有一好几个 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、前置一句话和后置一句话等工作的工作单元。类似于于Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,类似于于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两次责逻辑。

    物理执行有有这人运行模式:

  • Standalone:单多多tcp连接 运行,那么内部管理依赖;
  • Local:单多多tcp连接 运行,统计信息,错误信息汇报到集中存储;
  • Distrubuted:分布式多多tcp连接 运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同另另有一好几个 多多tcp连接 内的前一天要是 单机模式,在不同多多tcp连接 执行要是 分布式模式。

不可能 需要开发插件,可不都可以看zhege你这人插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持情况表:

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
无型态化数据存储 TxtFile 读 、写
  FTP 读 、写
  HDFS 读 、写
  Elasticsearch  
时间序列数据库 OpenTSDB  
  TSDB  

Databus是另另有一好几个 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方式,将数据库变更实时、可靠的从数据库拉取出来,业务可不都可以通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的,每台服务器每秒可不都可以正确处理数千次数据吞吐变更事件,一同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架构设计 :

  • 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、厚度可用:Databus能扩展到支持数千消费者和事务数据来源,一同保持厚度可用性。
  • 事务按序提交:Databus能保持来源数据库中的事务完整性性,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。一同,消费者使用Databus中的服务器端过滤功能,可不都可以只获取其他人需要的特定数据。
  • 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性拷贝时(比如新的搜索索引),它那么多再对数据库产生任何额外负担,就可不都可以达成目的。当消费者的数据大大落后于来源数据库时,也可不都可以使用该功能。
    • 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那么来越多,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,完会切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端可不都可以正确处理整个Databus数据流,不可能 可不都可以成为消费者集群的一次责,其中每个消费者只正确处理一次责流数据
    • 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。
    • 更多可不都可以参考 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(据说内部管理版本支持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正确处理接口

      事件正确处理外,需要正确处理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可不都可以一同服务多个client

      另另有一好几个 server instance里可不都可以 服务另另有一好几个 client

      (受限于server端保存拉取位点)

      Databus服务模式更灵活

      client

      client可不都可以拉取多个relay的变更,

      访问的relay可不都可以指定拉取其他表其他分片的变更

      client里可不都可以 从另另有一好几个 server拉取变更,

      完会里可不都可以 是拉取全量的变更

      可扩展性

      client可不都可以线性扩展,正确处理能力才能线性扩展

      (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正确处理一次责数据,

      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心智心智心智心智成熟 图片 的句子是什么

      relay/server ha

      多个relay可连接到同另另有一好几个 数据库,

      client可不都可以配置多个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恢复会意味分析server瞬时从数据库拉取小量变更

      Databus有这人的故障对数据库影响几乎为0

      系统情况表监控

      多多tcp连接 通过http接口将运行情况表暴露给内部管理

      暂无

      Databus多多tcp连接 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项目更性性心智心智心智心智成熟 图片 的句子是什么,当然学习成本也更大