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
  • 来源:幸运快3_快3大小_幸运快3大小

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,通常的做法而是 分页查询源端的表,而是 通过 jdbc的batch 最好的最好的依据插入到目标表,两种地方需要注意的是,分页查询时,一定要按照主键id来排序分页,解决重复插入。

2)、基于数据文件导出和导入的全量同步,两种同步最好的最好的依据一般只适用于同种数据库之间的同步,而是 是不同的数据库,两种最好的最好的依据而是 会指在大什么的问题。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期什么都有有有数据同步都在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,触发器带有insert,modify,delete 两种类型的操作,数据库的触发器分Before和After两种状况,两种是在insert,modify,delete 两种类型的操作指在而是触发(比如记录日志操作,一般是Before),两种是在insert,modify,delete 两种类型的操作而是触发。

B、 创建增量表,增量表中的字段和原表中的字段删改一样,而是 需要多一有有三个小 操作类型字段(分表代表insert,modify,delete 两种类型的操作),而是 需要一有有三个小 唯一自增ID,代表数据原表中数据操作的顺序,两种自增id非常重要,不然数据同步就会错乱。

C、 原表中再次总出 insert,modify,delete 两种类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、解决增量表中的数据,解决时,一定是按照自增id的顺序来解决,两种数率会非常低,没最好的最好的依据做批量操作,不然数据会错乱。  村里人 而是 会说,是都在才能把insert操作合并在同去,modify合并在同去,delete操作合并在同去,而是 批量解决,我给的答案是不行,而是 数据的增删改是有顺序的,合并后,就如此 顺序了,同一根数据的增删改顺序一旦错了,那数据同步就肯定错了。

市面上什么都有有有数据etl数据交换产品都在基于两种思想来做的。

E、 两种思想使用kettle 很容易就才能实现,笔者从前在本人的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/7380673.html

4)、基于时间戳的增量同步

A、首先亲戚亲戚朋友需要一张临时temp表,用来存取每次读取的待同步的数据,也而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、亲戚亲戚朋友还需要创建一有有三个小 时间戳配置表,用于存放每次读取的解决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,而是 就知道了查询原表时的结束时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,而是 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,而是 更新到时间戳配置表中。缓存表的作用而是使用sql获取每次读取到的数据的最大的时间戳,当然哪几种都在删改基于sql的话在kettle中来配置,才需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

亲戚亲戚朋友都知道什么都有有有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。如此 亲戚亲戚朋友是都在才能利用两种思想呢,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(哪几种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就完美的使用两种最好的最好的依据,canal 伪装了一有有三个小 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,结束推送binary log给slave(也而是canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,有点硬设计了 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版本而是, 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,而是 binlog-format需要为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,而是  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 = 127.0.0.1:3806

#设置一有有三个小 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("如此

消息,休眠5秒");
                try {
                    Thread.sleep(8000);
                } 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("一点操作类型不做解决");
                            }

                        }

                    } 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

 

亲戚亲戚朋友有两种最好的最好的依据才能实现,

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

而是 两种做法,数率很低,而是 大批量的数据同去插入Hbase,对Hbase的性能影响很大。

在大数据量的状况下,使用BulkLoad才能快速导入,BulkLoad主而是借用了hbase的存储设计思想,而是 hbase本质是存储在hdfs上的一有有三个小 文件夹,而是 底层是以一有有三个小 个的Hfile指在的。HFile的形式指在。Hfile的路径格式一般是从前的:

/hbase/data/default(默认是两种,而是 hbase的表如此 指定命名空间的话,而是 指定了,两种而是命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理而是按照HFile格式存储数据到HDFS上,生成Hfile才能使用hadoop的MapReduce来实现。而是 都在hive中的数据,比如外部的数据,如此 亲戚亲戚朋友才能将外部的数据生成文件,而是 上传到hdfs中,组装RowKey,而是 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。

 

当然亲戚亲戚朋友也才能不而是生成hfile,才能使用spark任务直接从hive中读取数据转加上RDD,而是 使用HbaseContext的自动生成Hfile文件,部分关键代码如下:

…
//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

这是一有有三个小 支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过外部文件加载的最好的最好的依据,两种工具笔者如此 亲自去用过,删改的介绍才能参考: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生态中的一有有三个小 工具,专门用于外部数据导入进入到hdfs中,外部数据导出时,支持什么都有有有常见的关系型数据库,也是在大数据中常用的一有有三个小 数据导出导入的交换工具。

 

Sqoop从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:

本质都在用了大数据的数据分布式解决来快速的导入和导出数据。

4)、HBase中建表,而是 Hive中建一有有三个小 外部表,从前当Hive中写入数据后,HBase中也会同去更新,而是 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

亲戚亲戚朋友才能在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用两种命令,亲戚亲戚朋友才能创建一张叫bokeyuan的表,而是 里面有一有有三个小 列族zhangyongqing,hbase创建表时,才能不用指定字段,而是 需要指定表名以及列族

亲戚亲戚朋友才能使用的hbase的put命令插入一点数据

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 全表扫描的最好的最好的依据查看亲戚亲戚朋友插入的数据

scan ' bokeyuan'

亲戚亲戚朋友继续创建一张hive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");

外部表创建好了后,亲戚亲戚朋友才能使用HQL的话来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是一有有三个小 开源项目,为捕获数据更改(change data capture,CDC)提供了一有有三个小 低延迟的流式解决平台。让他安装而是 配置Debezium去监控你的数据库,而是 你的应用就才能消费对数据库的每一有有三个小 行级别(row-level)的更改。必须已提交的更改才是可见的,什么都有有有你的应用不用担心事务(transaction)而是 更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了一有有三个小 统一的模型,什么都有有有你的应用不用担心每两种数据库管理系统的错综繁杂性。另外,而是 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,而是 ,你的应用才能随时停止再重启,而不用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、删改指在理掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是一有有三个小 开源的项目。

 

  从前监控数据库,而是 在数据变动的而是获得通知确实老要是一件很繁杂的事情。关系型数据库的触发器才能做到,而是 只对特定的数据库有效,而是 通常必须更新数据库内的状况(无法和外部的tcp连接通信)。一点数据库提供了监控数据变动的API而是 框架,而是 如此 一有有三个小 标准,部分数据库的实现最好的最好的依据都在不同的,而是 需要多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解决所有更改,同去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哪几种繁杂的工作。一点模块是通用的,而是 才能适用多种数据库管理系统,但在功能和性能方面仍有一点限制。另一点模块是为特定的数据库管理系统定制的,什么都有有有亲戚亲戚朋友通常才能更多地利用数据库系统两种的型态来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是一有有三个小 捕获数据更改(CDC)平台,而是 利用Kafka和Kafka Connect实现了本人的持久性、可靠性和容错性。每一有有三个小 部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控一有有三个小 上游数据库服务器,捕获所有的数据库更改,而是 记录到一有有三个小 而是 多个Kafka topic(通常一有有三个小 数据库表对应一有有三个小 kafka topic)。Kafka确保所有哪几种数据更改事件都才能多副本而是 总体上有序(Kafka必须保证一有有三个小 topic的单个分区内有序),从前,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(而是 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,而是 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亲戚亲戚朋友是是否是需要exactly-once而是 at-least-once消息交付语义保证,而是 所有的数据库而是 表的更改事件是按照上游数据库指在的顺序被交付的。

       对于需要而是 不你还都可否两种容错级别、性能、可扩展性、可靠性的应用,亲戚亲戚朋友才能使用内嵌的Debezium connector引擎来直接在应用外部运行connector。两种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,而都在持久化到Kafka里。

更删改的介绍才能参考: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的消息里面件,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,亲戚亲戚朋友称之为Job,DataX接受到一有有三个小 Job而是,将启动一有有三个小 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,每一有有三个小 Task都在负责一部分数据的同步工作。
  3. 切分多个Task而是,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)。每一有有三个小 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. 每一有有三个小 Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的tcp连接来完成任务同步工作。
  5. DataX作业运行起来而是, Job监控并等待多个TaskGroup模块任务完成,等待所有TaskGroup任务完成后Job成功退出。而是 ,异常退出,tcp连接退出值非0

DataX调度流程:

举例来说,用户提交了一有有三个小 DataX作业,而是 配置了20个并发,目的是将一有有三个小 80张分表的mysql数据同步到odps里面。 DataX的调度决策思路是:

  1. DataXJob根据分库分表切分成了80个Task。
  2. 根据20个并发,DataX计算共需要分配有有三个小 TaskGroup。
  3. 有有三个小 TaskGroup平分切分好的80个Task,每一有有三个小 TaskGroup负责以5个并发共计运行25个Task。

优势:

  • 部分插件都在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,包括作业两种状况、数据流量、数据数率、执行进度等。
  • 而是 各种原应原应传输报错的脏数据,DataX才能实现精确的过滤、识别、收集、展示,为用户提不用 种脏数据解决模式;
  • 精确的数率控制
  • 健壮的容错机制,包括tcp连接外部重试、tcp连接级别重试;

从插件视角看框架

  • Job:是DataX用来描述从一有有三个小 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,在同一有有三个小 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、前置的话和后置的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,插件只需要实现Job和Task两部分逻辑。

    物理执行有两种运行模式:

  • Standalone:单tcp连接运行,如此 外部依赖;
  • Local:单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tcp连接运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同一有有三个小 tcp连接内的而是而是单机模式,在不同tcp连接执行而是分布式模式。

而是 需要开发插件,才能看zhege两种插件开发指南:   https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md 

数据源支持状况:

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  

OGG 一般主要用于Oracle数据库。即Oracle GoldenGate是Oracle的同步工具 ,才能实现有有三个小 Oracle数据库之间的数据的同步,也才能实现Oracle数据同步到Kafka,相关的配置操作才能参考如下:

https://blog.csdn.net/dkl12/article/details/80447154

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

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

Databus是一有有三个小 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最好的最好的依据,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解决数千次数据吞吐变更事件,同去还支持无限回溯能力和富有的变更订阅功能。

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

databus收集:

  • 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、深度1可用:Databus能扩展到支持数千消费者和事务数据来源,同去保持深度1可用性。
  • 事务按序提交:Databus能保持来源数据库中的事务删改性,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。同去,消费者使用Databus中的服务器端过滤功能,才能只获取本人需要的特定数据。
  • 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删改拷贝时(比如新的搜索索引),它不用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,也才能使用该功能。
    • 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. 而是 落后Relay不用 ,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,而是 切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端才能解决整个Databus数据流,而是 才能成为消费者集群的一部分,其中每个消费者只解决一部分流数据
    • 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

业务只需要实现事件解决接口

事件解决外,需要解决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才能同去服务多个client

一有有三个小 server instance必须服务一有有三个小 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才能指定拉取一点表一点分片的变更

client必须从一有有三个小 server拉取变更,

而是 必须是拉取全量的变更

可扩展性

client才能线性扩展,解决能力才能线性扩展

(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解决一部分数据,

某个client挂掉,一点client自动接管对应分片数据

主备client模式,主client消费,

而是 主client挂掉,备client可自动接管

Databus实时热备方案更成长期的句子图片 的句子的句子期的句子的句子的句子是什么

relay/server ha

多个relay可连接到同一有有三个小 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恢复会原应server瞬时从数据库拉取多量变更

Databus两种的故障对数据库影响几乎为0

系统状况监控

tcp连接通过http接口将运行状况暴露给外部

暂无

Databustcp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项目更成长期的句子图片 的句子的句子期的句子的句子的句子是什么,当然学习成本也更大