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:1

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,通常的做法只是 分页查询源端的表,或者 通过 jdbc的batch 法律方式插入到目标表,这些 地方需用注意的是,分页查询时,一定要按照主键id来排序分页,处里重复插入。

2)、基于数据文件导出和导入的全量同步,这些 同步法律方式一般只适用于同种数据库之间的同步,可能性是不同的数据库,这些 法律方式可能性会所处间题图片。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期或多或少或多或少数据同步全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 并全是类型的操作,数据库的触发器分Before和After并全是情况报告,并全是是在insert,modify,delete 并全是类型的操作所处事先 触发(比如记录日志操作,一般是Before),并全是是在insert,modify,delete 并全是类型的操作事先 触发。

B、 创建增量表,增量表中的字段和原表中的字段完整版一样,或者 需用多5个 操作类型字段(分表代表insert,modify,delete 并全是类型的操作),或者 需用5个 唯一自增ID,代表数据原表中数据操作的顺序,这些 自增id非常重要,不然数据同步就会错乱。

C、 原表中出現insert,modify,delete 并全是类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、处里增量表中的数据,处里时,一定是按照自增id的顺序来处里,这些 带宽会非常低,这样律方式做批量操作,不然数据会错乱。  另一个人可能性会说,是全是才能把insert操作合并在同時 ,modify合并在同時 ,delete操作合并在同時 ,或者 批量处里,我给的答案是不行,可能性数据的增完整版是有顺序的,合并后,就这样顺序了,同三根数据的增完整版顺序一旦错了,那数据同步就肯定错了。

市面上或多或少或多或少数据etl数据交换产品全是基于这些 思想来做的。

E、 这些 思想使用kettle 很容易就才能实现,笔者原来在本人的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/73300673.html

4)、基于时间戳的增量同步

A、首先我们歌词 都需用一张临时temp表,用来存取每次读取的待同步的数据,也只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、我们歌词 都还需用创建5个 时间戳配置表,用于存放每次读取的处里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,或者 就知道了查询原表时的开始英文时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,或者 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,或者 更新到时间戳配置表中。缓存表的作用只是使用sql获取每次读取到的数据的最大的时间戳,当然这些 全是完整版基于sql语录在kettle中来配置,才需用原来的一张临时表。

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

我们歌词 都都知道或多或少或多或少数据库都支持了主从自动同步,尤其是mysql,才能支持多主多从的模式。这样我们歌词 都是全是才能利用这些 思想呢,答案当然是肯定的,mysql的主从同步的过程是原来的。

  A、master将改变记录到二进制日志(binary log)中(这些 记录叫做二进制日志事件,binary log events,才能通过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,将改变反映它本人的数据。

阿里巴巴开源的canal就完美的使用这些 法律方式,canal 伪装了5个 Slave 去喝Master进行同步。

A、 canal模拟mysql slave的交互协议,伪装本人为mysql slave,向mysql master发送dump协议

B、 mysql master收到dump请求,开始英文推送binary log给slave(也只是canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,有点儿设计了 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版本事先 , 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需用开启binlog,或者 binlog-format需用为row,才能在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,或者  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 = 127.0.0.1:33006

#设置5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("这样消息,休眠5秒");
                try {
                    Thread.sleep(300000);
                } 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("或多或少操作类型不做处里");
                            }

                        }

                    } 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

 

我们歌词 都有并全是法律方式才能实现,

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

或者 这些 做法,带宽很低,或者 大批量的数据同時 插入Hbase,对Hbase的性能影响很大。

在大数据量的情况报告下,使用BulkLoad才能快速导入,BulkLoad主只是借用了hbase的存储设计思想,可能性hbase本质是存储在hdfs上的5个 文件夹,或者 底层是以5个 个的Hfile所处的。HFile的形式所处。Hfile的路径格式一般是原来的:

/hbase/data/default(默认是这些 ,可能性hbase的表这样指定命名空间语录,可能性指定了,这些 只是命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理只是按照HFile格式存储数据到HDFS上,生成Hfile才能使用hadoop的MapReduce来实现。可能性全是hive中的数据,比如内外部的数据,这样我们歌词 都才能将内外部的数据生成文件,或者 上传到hdfs中,组装RowKey,或者 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。

 

当然我们歌词 都才才能不事先 生成hfile,才能使用spark任务直接从hive中读取数据转加进RDD,或者 使用HbaseContext的自动生成Hfile文件,帕累托图关键代码如下:

…
//将DataFrame转换bulkload需用的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5个 支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过内外部文件加载的法律方式,这些 工具笔者这样亲自去用过,完整版的介绍才能参考: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5个 工具,专门用于内外部数据导入进入到hdfs中,内外部数据导出时,支持或多或少或多或少常见的关系型数据库,也是在大数据中常用的5个 数据导出导入的交换工具。

 

Sqoop从内外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:

本质全是用了大数据的数据分布式处里来快速的导入和导出数据。

4)、HBase中建表,或者 Hive中建5个 内外部表,原来当Hive中写入数据后,HBase中也会同時 更新,或者 需用注意

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

我们歌词 都才能在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用这些 命令,我们歌词 都才能创建一张叫bokeyuan的表,或者 上端有5个 列族zhangyongqing,hbase创建表时,才能不想指定字段,或者 需用指定表名以及列族

我们歌词 都才能使用的hbase的put命令插入或多或少数据

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

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

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

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

才能通过hbase的scan 全表扫描的法律方式查看我们歌词 都插入的数据

scan ' bokeyuan'

我们歌词 都继续创建一张hive内外部表

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");

内外部表创建好了后,我们歌词 都才能使用HQL语录来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是5个 开源项目,为捕获数据更改(change data capture,CDC)提供了5个 低延迟的流式处里平台。或者 你安装或者 配置Debezium去监控你的数据库,或者 你的应用就才能消费对数据库的每5个 行级别(row-level)的更改。必须已提交的更改才是可见的,或多或少或多或少你的应用不想担心事务(transaction)可能性更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了5个 统一的模型,或多或少或多或少你的应用不想担心每并全是数据库管理系统的复杂性性性。另外,可能性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,或者 ,你的应用才能随时停止再重启,而不想错过它停止运行时所处的事件,保证了所有的事件都能被正确地、完整版所处里掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是5个 开源的项目。

 

  原来监控数据库,或者 在数据变动的事先 获得通知真是5个劲是一件很复杂性的事情。关系型数据库的触发器才能做到,或者 只对特定的数据库有效,或者 通常必须更新数据库内的情况报告(无法和内外部的线程通信)。或多或少数据库提供了监控数据变动的API可能性框架,或者 这样5个 标准,帕累托图数据库的实现法律方式全是不同的,或者 需用血块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处里所有更改,同時 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这些 复杂性的工作。或多或少模块是通用的,或者 才能适用多种数据库管理系统,但在功能和性能方面仍有或多或少限制。另或多或少模块是为特定的数据库管理系统定制的,或多或少或多或少我们歌词 都通常才能更多地利用数据库系统并全是的特征来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是5个 捕获数据更改(CDC)平台,或者 利用Kafka和Kafka Connect实现了本人的持久性、可靠性和容错性。每5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5个 上游数据库服务器,捕获所有的数据库更改,或者 记录到5个 可能性多个Kafka topic(通常5个 数据库表对应5个 kafka topic)。Kafka确保所有这些 数据更改事件都才能多副本或者 总体上有序(Kafka必须保证5个 topic的单个分区内有序),原来,更多的客户端才能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(可能性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,才能把对数据库的压力降到1)。另外,客户端才能随时停止消费,或者 重启,从上次停止消费的地方接着消费。每个客户端才能自行决定我们歌词 都算不算需用exactly-once可能性at-least-once消息交付语义保证,或者 所有的数据库可能性表的更改事件是按照上游数据库所处的顺序被交付的。

       对于不需用可能性不我应该 这些 容错级别、性能、可扩展性、可靠性的应用,我们歌词 都才能使用内嵌的Debezium connector引擎来直接在应用内内外部运行connector。这些 应用仍需用消费数据库更改事件,但更希望connector直接传递给它,而全是持久化到Kafka里。

更完整版的介绍才能参考: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也是才能实现MySQL到Kafka的消息上端件,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,任何数据源假如有一天和DataX连接上即才能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,我们歌词 都称之为Job,DataX接受到5个 Job事先 ,将启动5个 线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5个 Task时会负责一帕累托图数据的同步工作。
  3. 切分多个Task事先 ,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5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5个 Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的线程来完成任务同步工作。
  5. DataX作业运行起来事先 , Job监控并在等待多个TaskGroup模块任务完成,在等待所有TaskGroup任务完成后Job成功退出。或者 ,异常退出,线程退出值非0

DataX调度流程:

举例来说,用户提交了5个 DataX作业,或者 配置了20个并发,目的是将5个 3000张分表的mysql数据同步到odps上端。 DataX的调度决策思路是:

  1. DataXJob根据分库分表切分成了3000个Task。
  2. 根据20个并发,DataX计算共需用分配5个 TaskGroup。
  3. 5个 TaskGroup平分切分好的3000个Task,每5个 TaskGroup负责以5个并发共计运行25个Task。

优势:

  • 帕累托图插件全是本人的数据转换策略,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,包括作业并全是情况报告、数据流量、数据带宽、执行进度等。
  • 可能性各种是因为是因为传输报错的脏数据,DataX才能实现精确的过滤、识别、分类整理、展示,为用户提太大种脏数据处里模式;
  • 精确的带宽控制
  • 健壮的容错机制,包括线程内内外部重试、线程级别重试;

从插件视角看框架

  • Job:是DataX用来描述从5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5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、前置语录和后置语录等工作的工作单元。这些Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,这些Yarn中的TAskTacker。

    总之,Job拆分为Task,分别在框架提供的容器中执行,插件只需用实现Job和Task两帕累托图逻辑。

    物理执行有并全是运行模式:

  • Standalone:单线程运行,这样内外部依赖;
  • Local:单线程运行,统计信息,错误信息汇报到集中存储;
  • Distrubuted:分布式线程运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同5个 线程内的事先 只是单机模式,在不同线程执行只是分布式模式。

可能性需用开发插件,才能看zhege这些 插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持情况报告:

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
无特征化数据存储 TxtFile 读 、写
  FTP 读 、写
  HDFS 读 、写
  Elasticsearch  
时间序列数据库 OpenTSDB  
  TSDB  

Databus是5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法律方式,将数据库变更实时、可靠的从数据库拉取出来,业务才能通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的,每台服务器每秒才能处里数千次数据吞吐变更事件,同時 还支持无限回溯能力和充裕的变更订阅功能。

github:https://github.com/linkedin/databus

databus分类整理:

  • 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,同時 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版性,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。同時 ,消费者使用Databus中的服务器端过滤功能,才能只获取本人需用的特定数据。
  • 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。当消费者需用产生数据的完整版拷贝时(比如新的搜索索引),它不想对数据库产生任何额外负担,就才能达成目的。当消费者的数据大大落后于来源数据库时,才才能使用该功能。
    • 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. 可能性落后Relay太大,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,或者 切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端才能处里整个Databus数据流,可能性才能成为消费者集群的一帕累托图,其中每个消费者只处里一帕累托图流数据
    • 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。
    • 更多才能参考 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(据说内内外部版本支持oracle)

      Databus目前支持的数据源更多

      业务开发

      业务只需用实现事件处里接口

      事件处里外,需用处里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才能同時 服务多个client

      5个 server instance必须服务5个 client

      (受限于server端保存拉取位点)

      Databus服务模式更灵活

      client

      client才能拉取多个relay的变更,

      访问的relay才能指定拉取或多或少表或多或少分片的变更

      client必须从5个 server拉取变更,

      或者 必须是拉取全量的变更

      可扩展性

      client才能线性扩展,处后能 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处里一帕累托图数据,

      某个client挂掉,或多或少client自动接管对应分片数据

      主备client模式,主client消费,

      可能性主client挂掉,备client可自动接管

      Databus实时热备方案更性心智心智成熟是什么期图片 图片 的语录图片

      relay/server ha

      多个relay可连接到同5个 数据库,

      client才能配置多个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瞬时从数据库拉取血块变更

      Databus并全是的故障对数据库影响几乎为0

      系统情况报告监控

      线程通过http接口将运行情况报告暴露给内外部

      暂无

      Databus线程可监控性更好

      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项目更性心智心智成熟是什么期图片 图片 的语录图片 ,当然学习成本也更大