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

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,通常的做法却说我 分页查询源端的表,有如果通过 jdbc的batch 法律法律依据插入到目标表,这种 地方时要注意的是,分页查询时,一定要按照主键id来排序分页,出理 重复插入。

2)、基于数据文件导出和导入的全量同步,这种 同步法律法律依据一般只适用于同种数据库之间的同步,是因为是不同的数据库,这种 法律法律依据是因为会处于难题图片。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期什么都数据同步完整篇 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,触发器暗含 insert,modify,delete 并是不是类型的操作,数据库的触发器分Before和After并是不是情况汇报,并是不是是在insert,modify,delete 并是不是类型的操作处于却说我触发(比如记录日志操作,一般是Before),并是不是是在insert,modify,delete 并是不是类型的操作却说我触发。

B、 创建增量表,增量表中的字段和原表中的字段完整篇 一样,有如果时要多一个多 操作类型字段(分表代表insert,modify,delete 并是不是类型的操作),有如果时要一个多 唯一自增ID,代表数据原表中数据操作的顺序,这种 自增id非常重要,不然数据同步就会错乱。

C、 原表中冒出insert,modify,delete 并是不是类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、出理 增量表中的数据,出理 时,一定是按照自增id的顺序来出理 ,这种 速率单位会非常低,那末律法律依据做批量操作,不然数据会错乱。  那末人是因为会说,是完整篇 都是还时要把insert操作合并在一并,modify合并在一并,delete操作合并在一并,有如果批量出理 ,我给的答案是不行,是因为数据的增完整篇 是有顺序的,合并后,就那末顺序了,同十根数据的增完整篇 顺序一旦错了,那数据同步就肯定错了。

市面上什么都数据etl数据交换产品完整篇 都是基于这种 思想来做的。

E、 这种 思想使用kettle 很容易就还时要实现,笔者从前在另一方的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/73150673.html

4)、基于时间戳的增量同步

A、首先当当当我们 时要一张临时temp表,用来存取每次读取的待同步的数据,也却说我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、当当当我们 还时要创建一个多 时间戳配置表,用于存放每次读取的出理 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,有如果就知道了查询原表时的如果刚结束时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,有如果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,有如果更新到时间戳配置表中。缓存表的作用却说我使用sql获取每次读取到的数据的最大的时间戳,当然那先 完整篇 都是完整篇 基于sql一句话在kettle中来配置,才时要从前的一张临时表。

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

当当当我们 都知道什么都数据库都支持了主从自动同步,尤其是mysql,还时要支持多主多从的模式。那末当当当我们 是完整篇 都是还时要利用这种 思想呢,答案当然是肯定的,mysql的主从同步的过程是从前的。

  A、master将改变记录到二进制日志(binary log)中(那先 记录叫做二进制日志事件,binary log events,还时要通过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,将改变反映它另一方的数据。

阿里巴巴开源的canal就完美的使用这种 法律法律依据,canal 伪装了一个多 Slave 去喝Master进行同步。

A、 canal模拟mysql slave的交互协议,伪装另一方为mysql slave,向mysql master发送dump协议

B、 mysql master收到dump请求,如果刚结束推送binary log给slave(也却说我canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,不怎么设计了 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版本却说我, 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时要开启binlog,有如果binlog-format时要为row,还时要在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,有如果 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 = 127.0.0.1:31506

#设置一个多 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("那末消息,休眠5秒");
                try {
                    Thread.sleep(11500);
                } 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("一些操作类型不做出理

");
                            }

                        }

                    } 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

 

当当当我们 有并是不是法律法律依据还时要实现,

A、 使用spark任务,通过HQl读取数据,有如果再通过hbase的Api插入到hbase中。

有如果这种 做法,速率单位很低,有如果大批量的数据一并插入Hbase,对Hbase的性能影响很大。

在大数据量的情况汇报下,使用BulkLoad还时要快速导入,BulkLoad主却说我借用了hbase的存储设计思想,是因为hbase本质是存储在hdfs上的一个多 文件夹,有如果底层是以一个多 个的Hfile处于的。HFile的形式处于。Hfile的路径格式一般是从前的:

/hbase/data/default(默认是这种 ,是因为hbase的表那末指定命名空间一句话,是因为指定了,这种 却说我命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理却说我按照HFile格式存储数据到HDFS上,生成Hfile还时要使用hadoop的MapReduce来实现。是因为完整篇 都是hive中的数据,比如内部的数据,那末当当当我们 还时要将内部的数据生成文件,有如果上传到hdfs中,组装RowKey,有如果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。

 

当然当当当我们 也还时要不却说我生成hfile,还时要使用spark任务直接从hive中读取数据转加上RDD,有如果使用HbaseContext的自动生成Hfile文件,每项关键代码如下:

…
//将DataFrame转换bulkload时要的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

这是一个多 支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过内部文件加载的法律法律依据,这种 工具笔者那末亲自去用过,完整篇 的介绍还时要参考: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生态中的一个多 工具,专门用于内部数据导入进入到hdfs中,内部数据导出时,支持什么都常见的关系型数据库,也是在大数据中常用的一个多 数据导出导入的交换工具。

 

Sqoop从内部导入数据的流程图如下:

Sqoop将hdfs中的数据导出的流程如下:

本质完整篇 都是用了大数据的数据分布式出理 来快速的导入和导出数据。

4)、HBase中建表,有如果Hive中建一个多 内部表,从前当Hive中写入数据后,HBase中也会一并更新,有如果时要注意

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

当当当我们 还时要在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用这种 命令,当当当我们 还时要创建一张叫bokeyuan的表,有如果后面 一个多 列族zhangyongqing,hbase创建表时,还时要不不指定字段,有如果时要指定表名以及列族

当当当我们 还时要使用的hbase的put命令插入一些数据

put 'bokeyuan','001','zhangyongqing:name','robot'

put 'bokeyuan','001','zhangyongqing:age','20'

put 'bokeyuan','002','zhangyongqing:name','spring'

put 'bokeyuan','002','zhangyongqing:age','18'

还时要通过hbase的scan 全表扫描的法律法律依据查看当当当我们 插入的数据

scan ' bokeyuan'

当当当我们 继续创建一张hive内部表

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");

内部表创建好了后,当当当我们 还时要使用HQL一句话来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是一个多 开源项目,为捕获数据更改(change data capture,CDC)提供了一个多 低延迟的流式出理 平台。我就安装有如果配置Debezium去监控你的数据库,有如果你的应用就还时要消费对数据库的每一个多 行级别(row-level)的更改。只能已提交的更改才是可见的,什么都你的应用不不担心事务(transaction)是因为更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了一个多 统一的模型,什么都你的应用不不担心每并是不是数据库管理系统的复杂化化性。另外,是因为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,有如果,你的应用还时要随时停止再重启,而不不错过它停止运行时处于的事件,保证了所有的事件都能被正确地、完整篇 处于理掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是一个多 开源的项目。

 

  从前监控数据库,有如果在数据变动的却说我获得通知实在老却说一件很复杂化的事情。关系型数据库的触发器还时要做到,有如果只对特定的数据库有效,有如果通常只能更新数据库内的情况汇报(无法和内部的进程通信)。一些数据库提供了监控数据变动的API是因为框架,有如果那末一个多 标准,每项数据库的实现法律法律依据完整篇 都是不同的,有如果时要小量特定的知识和理解特定的代码都都还还可以运用。确保以相同的顺序查看和出理 所有更改,一并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先 复杂化的工作。一些模块是通用的,有如果都都都还还可以适用多种数据库管理系统,但在功能和性能方面仍有一些限制。另一些模块是为特定的数据库管理系统定制的,什么都当当当我们 通常还时要更多地利用数据库系统并是不是的内部来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是一个多 捕获数据更改(CDC)平台,有如果利用Kafka和Kafka Connect实现了另一方的持久性、可靠性和容错性。每一个多 部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控一个多 上游数据库服务器,捕获所有的数据库更改,有如果记录到一个多 是因为多个Kafka topic(通常一个多 数据库表对应一个多 kafka topic)。Kafka确保所有那先 数据更改事件都都都都还还可以多副本有如果总体上有序(Kafka只能保证一个多 topic的单个分区内有序),从前,更多的客户端还时要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(是因为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,还时要把对数据库的压力降到1)。另外,客户端还时要随时停止消费,有如果重启,从上次停止消费的地方接着消费。每个客户端还时要自行决定当当当我们 是是是不是时要exactly-once是因为at-least-once消息交付语义保证,有如果所有的数据库是因为表的更改事件是按照上游数据库处于的顺序被交付的。

       对于不时要是因为不你都还还可以这种 容错级别、性能、可扩展性、可靠性的应用,当当当我们 还时要使用内嵌的Debezium connector引擎来直接在应用内部运行connector。这种 应用仍时要消费数据库更改事件,但更希望connector直接传递给它,而完整篇 都是持久化到Kafka里。

更完整篇 的介绍还时要参考: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也是还时要实现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,任何数据源却说我和DataX连接上即还时要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,当当当我们 称之为Job,DataX接受到一个多 Job却说我,将启动一个多 进程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,每一个多 Task完整篇 都是负责一每项数据的同步工作。
  3. 切分多个Task却说我,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)。每一个多 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. 每一个多 Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的进程来完成任务同步工作。
  5. DataX作业运行起来却说我, Job监控并等待歌曲多个TaskGroup模块任务完成,等待歌曲所有TaskGroup任务完成后Job成功退出。有如果,异常退出,进程退出值非0

DataX调度流程:

举例来说,用户提交了一个多 DataX作业,有如果配置了20个并发,目的是将一个多 1150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1150个Task。
  2. 根据20个并发,DataX计算共时要分配一个多 TaskGroup。
  3. 一个多 TaskGroup平分切分好的1150个Task,每一个多 TaskGroup负责以一个并发共计运行2一个Task。

优势:

  • 每项插件完整篇 都是另一方的数据转换策略,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,包括作业并是不是情况汇报、数据流量、数据速率单位、执行进度等。
  • 是因为各种是因为是因为传输报错的脏数据,DataX还时要实现精确的过滤、识别、整理、展示,为用户提不要 种脏数据出理 模式;
  • 精确的速率单位控制
  • 健壮的容错机制,包括进程内部重试、进程级别重试;

从插件视角看框架

  • Job:是DataX用来描述从一个多 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,在同一个多 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Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,类似Yarn中的TAskTacker。

    总之,Job拆分为Task,分别在框架提供的容器中执行,插件只时要实现Job和Task两每项逻辑。

    物理执行有并是不是运行模式:

  • Standalone:单进程运行,那末内部依赖;
  • Local:单进程运行,统计信息,错误信息汇报到集中存储;
  • Distrubuted:分布式多进程运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同一个多 进程内的却说我却说我单机模式,在不同进程执行却说我分布式模式。

是因为时要开发插件,还时要看zhege这种 插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持情况汇报:

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
无内部化数据存储 TxtFile 读 、写
  FTP 读 、写
  HDFS 读 、写
  Elasticsearch  
时间序列数据库 OpenTSDB  
  TSDB  

OGG 一般主要用于Oracle数据库。即Oracle GoldenGate是Oracle的同步工具 ,还时要实现一个多 Oracle数据库之间的数据的同步,也还时要实现Oracle数据同步到Kafka,相关的配置操作还时要参考如下:

https://blog.csdn.net/dkl12/article/details/150447154

https://www.jianshu.com/p/446ed2f267fa

http://blog.itpub.net/15412087/viewspace-2154644/

Databus是一个多 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法律法律依据,将数据库变更实时、可靠的从数据库拉取出来,业务还时要通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的,每台服务器每秒还时要出理 数千次数据吞吐变更事件,一并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整理:

  • 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、层厚可用:Databus能扩展到支持数千消费者和事务数据来源,一并保持层厚可用性。
  • 事务按序提交:Databus能保持来源数据库中的事务完整篇 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。一并,消费者使用Databus中的服务器端过滤功能,还时要只获取另一方时要的特定数据。
  • 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。当消费者时要产生数据的完整篇 拷贝时(比如新的搜索索引),它不不对数据库产生任何额外负担,就还时要达成目的。当消费者的数据大大落后于来源数据库时,也还时要使用该功能。
    • 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. 是因为落后Relay不要 ,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,有如果切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端还时要出理 整个Databus数据流,是因为还时要成为消费者集群的一每项,其中每个消费者只出理 一每项流数据
    • 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。
    • 更多还时要参考 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(据说内部版本支持oracle)

Databus目前支持的数据源更多

业务开发

业务只时要实现事件出理 接口

事件出理 外,时要出理 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还时要一并服务多个client

一个多 server instance只能服务一个多 client

(受限于server端保存拉取位点)

Databus服务模式更灵活

client

client还时要拉取多个relay的变更,

访问的relay还时要指定拉取一些表一些分片的变更

client只能从一个多 server拉取变更,

有如果只能是拉取全量的变更

可扩展性

client还时要线性扩展,出理 能力都都还还可以线性扩展

(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出理 一每项数据,

某个client挂掉,一些client自动接管对应分片数据

主备client模式,主client消费,

是因为主client挂掉,备client可自动接管

Databus实时热备方案更心智心智性性性心智成熟是什么是什么的一句话期

relay/server ha

多个relay可连接到同一个多 数据库,

client还时要配置多个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恢复会是因为server瞬时从数据库拉取小量变更

Databus并是不是的故障对数据库影响几乎为0

系统情况汇报监控

进程通过http接口将运行情况汇报暴露给内部

暂无

Databus进程可监控性更好

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项目更心智心智性性性心智成熟是什么是什么的一句话期,当然学习成本也更大