liukelin / canal_mysql_nosql_sync

基于canal 的 mysql 与 redis/memcached/mongodb 的 nosql 数据实时同步方案 案例 demo canal client

下图是最基本的web服务器的结构图。

基于 Canal 的 MySql RabbitMQ Redis/memcached/mongodb 的nosql同步 （多读、nosql延时不严格 需求）

1.mysql主从配置

2.对mysql binlog(row) parser 这一步交给canal

3.MQ对解析后binlog增量数据的推送

4.对MQ数据的消费（接收+数据解析，考虑消费速度，MQ队列的阻塞）

5.数据写入/修改到nosql （redis的主从/hash分片）

6.保证对应关系的简单性：一个mysql表对应一个 redis实例（redis单线程，多实例保证分流不阻塞），关联关系数据交给接口业务

数据：mysql->binlog->MQ->redis(不过期、关闭RDB、AOF保证读写性能) （nosql数据仅用crontab脚本维护）

请求：http->webserver->redis(有数据)->返回数据 （完全避免用户直接读取mysql）

                    ->redis(无数据)->返回空

7.可将它视为一个触发器，binlog为记录触发事件，canal的作用是将事件实时通知出来，并将binlog解析成了所有语言可读的工具。
在事件传输的各个环节 提高 可用性 和 扩展性 （加入MQ等方法）最终提高系统的稳定。

传统 Mysql Redis/memcached nosql的缓存 （业务同步） 从cache读取数据->

1.对数据在mysql的hash算法分布(db/table/分区)，每个hash为节点（nosql数据全部失效时候，可保证mysql各节点可支持直接读取的性能）

2.mysql主从

3.nosql数据的hash算法分布(多实例、DB)，每个hash为节点

4.nosql数据震荡处理 （当某节点挂了寻找替代节点算法（多层hash替代节点）。。。）

5.恢复节点数据

6.请求：http->webserver->【对key计算一致性hash节点】->connect对应的redis实例
                                                    
                                                    ->1.redis(有数据)-> 返回数据

			                            ->2.redis(无数据)-> mysql (并写入数据redis) -> 返回数据

	                                            ->3.redis节点挂掉-> 业务寻址hash替代节点 
	                                                                      -> 3.1 redis(有数据) -> 返回数据

									      -> 3.2 redis(无数据) -> mysql(并写入数据redis) -> 返回数据

为什么要使用消息队列（MQ）进行binlog传输:

1.增加缓冲，binlog生产端（canal client）只负责生产而不需要考虑消费端的消费能力, 不等待阻塞。

2.binlog 消费端: 可实时根据MQ消息的堆积情况，动态 增加/减少 消费端的数量，达到合理的资源利用和消费	

部署:

阿里canal纯java开发，所以要先安装java环境

安装jdk(推荐jdk1.8): 安装过程参考网上资料，（注意环境变量配置）

mysql配置： 1.编辑mysql配置文件 $ sudo vim /etc/my.cnf

	[mysqld]  
	log-bin=mysql-bin #binlog文件名（也可以使用绝对路径）
	binlog-format=ROW #选择row模式  
	server_id=1 	  #实例唯一ID，不能和canal的slaveId重复

保存并退出，并重启mysql
	$ sudo service mysql restart

2.创建 mysql账号密码（账号密码自定 权限自定）

	CREATE USER canal IDENTIFIED BY 'canal';    
	GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'canal'@'%';  
	-- GRANT ALL PRIVILEGES ON *.* TO 'canal'@'%' ;  
	FLUSH PRIVILEGES;

canal server 配置启动：

canal server 模拟mysql从库并向mysql发送dump命令获取mysql binlog数据。

1.下载解压项目，这里提供了1.0.22版本:
[canal.deployer-1.0.22.tar.gz](https://github.com/liukelin/canal_mysql_nosql_sync/releases) 
可从阿里项目下载最新版本 deployer ：
[https://github.com/alibaba/canal/releases](https://github.com/alibaba/canal/releases)

2.配置项目：
	# 公共配置
	$ sudo vim conf/canal.properties
		
		canal.port= 11111 # canal server 运行端口，保证该端口为占用状态，或者使用其他未占用端口
	
	保存退出。
	
	# 实例配置
	$ sudo vim conf/example/instance.properties
		
		# position info
		canal.instance.master.address = 127.0.0.1:3306  # mysql连接
		
		canal.instance.dbUsername = canal  		# mysql账号
		canal.instance.dbPassword = canal		# 密码
		canal.instance.defaultDatabaseName = test	# 需要同步的库名
		canal.instance.connectionCharset = UTF-8	# mysql编码
	
	保存退出。
	
	更多配置查看:
	[http://agapple.iteye.com/blog/1831873](http://agapple.iteye.com/blog/1831873)
	
3.启动：
	$ sh bin/startup.sh
	
日志文件： $ less logs/canal/canal.log	 # canal server端运行日志
	  $ less logs/example/example.log   # canal client端连接日志
	  $ logs/example/meta.log 	    # 实例binlog 读取记录文件（记录变更位置，默认为新增变更(tail)）

canal client 配置启动：

canal client将从canal server获取的binlog数据最终以json行格式保存到指定文件(也可省略这步，直接发送到MQ)。

binlog生产端和消费端的之间，增加MQ作为缓冲，增加容错度和动态扩展性

1.下载解压项目，这里自己写了个基于1.0.22版本的项目:
[canal_client1.0.22.zip](https://github.com/liukelin/canal_mysql_nosql_sync/releases)

源码查看: [canal-client](https://github.com/liukelin/canal_mysql_nosql_sync/tree/master/canal-client)
	
2.基本配置
	
	$vim conf/canal.properties
	
	# cancal server host， 上面 canal server的IP
	canal.server.host = 127.0.0.1
	
	# cancal server port，上面 canal server的启动端口 
	canal.server.port = 11111
	
	# 数据保存路径 ，自行指定
	canal.binlog.dir = db_data
	
	# 可选rabbitmq/redis/kafka 作为队列（这里使用 rabbitmq 作为队列传输）
	canal.mq = rabbitmq 

	###### rabbitmq 基本配置 #####
	rabbitmq.host = 127.0.0.1
	rabbitmq.port = 5672
	rabbitmq.user = test
	rabbitmq.pass = 123456

	
	保存退出。

3.启动canal client：

	$ sh start_canal_client.sh

修改mysql数据触发。

最终结果：

eventType ：操作类型（UPDATE/INSERTDELETE）

db：   涉及库

table: 涉及表

before:变更前数据

after: 变更后数据

time:  操作时间


    $less db_data/binlog_xxxx.log

    {"binlog":"mysql-bin.000009:1235","db":"test","table":"users","eventType":"UPDATE","before":{"uid":"8","username":"duobao153713223"},"after":{"uid":"8","username":"duobao153713223"},"time":"2016-08-22 17:47:25"}

    {"binlog":"mysql-bin.000009:1533","db":"test","table":"users","eventType":"DELETE","before":"","after":{"uid":"8","username":"duobao153713223"},"time":"2016-08-22 17:48:09"}

    {"binlog":"mysql-bin.000009:1790","db":"test","table":"users","eventType":"INSERT","before":"","after":{"uid":"9","username":"test2"},"time":"2016-08-22 17:48:45"}

消费数据demo：（这里使用python3 消费rabbitmq同步到redis 作为案例，实际可根据业务需求，因为此时所需要的数据已是通用的json格式，无限可能）

流程 ：file数据-> MQ -> nosql

MQ: rabbitMQ

语言：python3

NoSql: redis


多项目订阅需求，如：client1和client2 需要消费这些数据， 他们得到的数据一样
开始考虑直接用队列：
队列数据： [A, B, C, D] 
client1 ：
           消费进程1：获取AB
           消费进程2：获取CD

client2 ：
           消费进程1：获取AB
           消费进程2：获取CD

这样的话，如果使用rabbitMQ 就必须给每个 client 提供独立的队列。并独立消费
1、使用kafka，利用他的分组group,每个client 为一个组，这样就可保证，数据给每个组一致。
2、对每个项目需求开独立的 canal server instance 和 canal client实例


配置：
   语言：python3
   pip：pika redis
   
   项目代码： python_sync_nosql
   修改配置文件config.py
   	# 最终存储数据redis
	redis_host = '127.0.0.1'
	redis_port = 6379
	
	###### rabbitmq 基本配置 #####
	rabbitmq_host = '127.0.0.1'
	rabbitmq_port = 5672
	rabbitmq_user = 'test'    
	rabbitmq_pass = '123456'
	
	# 设置对每个table存储使用的key字段
	redis_cache_map = {
		# db
		'test':{
			# table ： kid
			'users':'uid', 
	  	}
	}
 
 运行脚本：
 	$ python3 startup.py

数据最终存储为Redis 的 hash结构，key为 db_table_id

同步到MongoDB同理

  这里的demo是将表数据映射到 mongodb 结构
  db    => db
  table => 集合
  column=> coll

目录结构

├─canal-client/         封装的canal client客户端 和 消息队列MQ 项目
│  ├─src/           	项目代码
│  ├─lib/           	jar包依赖
│  ├─conf/            	配置文件
│  ├─canal_client.jar   启动jar
│  └─start_canal_client.sh     启动文件
│  
├─python_sync_nosql/        	消费MQ binlog数据, 将数据写入到NoSql demo
│  ├─queue_rabbitmq.py 		rabbitmq 消费端
│  ├─sync_redis.py 		写入到redis
│  ├─sync_mongo.py 		写入到mongo
│  ├─config.py 			配置
│  └─startup.py         	启动入口
└─

总结

1.使用MQ作为传输，可提高容错度，并且可以起到一个消费速度的缓冲，在程序上加上对队列积压数据的监控，可实时增加或减少MQ消费进程的数量。

2.为了提高binlog数据的可靠消费，建议使用带有ACK功能的MQ 做为消息队列使用

3.为了避免多进程对MQ消费速度的时序先后不可控，建议binlog数据只作为触发条件（使用id从mysql获取最新数据）作为数据使用，而不作为具体数据使用。

3.1.或者弄一个版本号的服务，对每条消息打上一个唯一的版本号，用版本号来确定是否是最新的数据

4.接下来我会继续完善otter的实际案例 ...

其他

这里有个用golang实现的binlog解析的项目: https://github.com/liukelin/bubod

资源下载

canal server 服务端deployer： https://github.com/alibaba/canal/releases/tag/canal-1.0.22

canal client 客户端： https://github.com/liukelin/canal_mysql_nosql_sync/releases/tag/1.0.22.2

阿里canal项目原始地址：https://github.com/alibaba/canal

数据消费写入nosql例子: python_sync_nosql 这里是消费rabbitmq数据最终同步到redis

其他说明：使用canal和canal_mysql_nosql_sync同步mysql数据

使用golang语言开发的版本：https://github.com/liukelin/bubod