Canal 介绍

canal 作用

canal是阿里巴巴旗下的一款开源项目，纯Java开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了MySQL（也支持mariaDB）。 canal 就是一个同步增量数据的一个工具。

canal 背景

canal [kə'næl]，译意为水道/管道/沟渠，主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费

早期阿里巴巴因为杭州和美国双机房部署，存在跨机房同步的业务需求，实现方式主要是基于业务 trigger 获取增量变更。从 2010 年开始，业务逐步尝试数据库日志解析获取增量变更进行同步，由此衍生出了大量的数据库增量订阅和消费业务。

基于日志增量订阅和消费的业务包括

• 数据库镜像
• 数据库实时备份
• 索引构建和实时维护(拆分异构索引、倒排索引等)
• 业务 cache 刷新
• 带业务逻辑的增量数据处理 当前的 canal 支持源端 MySQL 版本包括 5.1.x , 5.5.x , 5.6.x , 5.7.x , 8.0.x

来自阿里巴巴官方介绍

canal 应用场景

流程图

1. 将用户的订单信息传入后台。
2. 后台服务器将订单信息保存到mysql数据库。
3. 又 canal 进行监控mysql中的写操作变化，将发生修改(Insert) 的数据写入到kafka
4. 通过sparkStreaming读取Kafka中的数据，进行计算。
5. 将计算好的结果，重新写如到服务器中，并返回到浏览器。

需求

根据需求，思考如何处理？

获取用户的订单信息，保存入库，并且进行实时计算（A 商品成交单数，B商品成交单数...)。

为什么要使用canal?

通过需求了解到需要对订单信息做计算，并且实时统计出每个商品的成交信息，如此时A 商品 100条，B 商品 20条。这商品信息是动态变化的，用户每提交一次，后台就应该计算出最新的商品订单记录。所以需要实时进行累加，比如又来一批商品，其中 A商品 10条，B 商品5条，C 商品10条。那么展示的结果就是 A110条，B 30条。C5条。但是计算又不可能重头开始计算，也就是说，A+B+C =145 中条数据中，再重新分A,B,C各个商品的信息。而是应该做累加 比如上一次A商品100条再加上这次A商品的10条。这样的效率才更高。

canal的作用

了解上面的原因之后，我们再来聊聊canal发挥的作用，它可以实现增量同步，还是拿A商品举例，第一批数据中，A商品有100条，canal便会将这批新增的数据写入Kafka，再交给spark处理。第二次又新增一批数据，于是canal又将监控到新增数据写入到Kafka中。依次类推，最终由spark计算出结果返回出去。

canal 除了写入kafka 还能将数据写入到其他中间件（mysql、elasticsearch、hbase等）

工作图

工作原理官网介绍

MySQL主备复制原理

image.png

• MySQL master 将数据变更写入二进制日志( binary log, 其中记录叫做二进制日志事件binary log events，可以通过 show binlog events 进行查看)
• MySQL slave 将 master 的 binary log events 拷贝到它的中继日志(relay log)
• MySQL slave 重放 relay log 中事件，将数据变更反映它自己的数据

canal 工作原理

• canal 模拟 MySQL slave 的交互协议，伪装自己为 MySQL slave ，向 MySQL master 发送 dump 协议
• MySQL master 收到 dump 请求，开始推送 binary log 给 slave (即 canal )
• canal 解析 binary log 对象(原始为 byte 流)

BinaryLog

WAL：

• hbase在做写操作时，先将写操作的命令记录在WAL日志中，之后再将数据写入memstore，此举是为了在regionSerever进程异常退出重启后，恢复数据，这种机制就叫WAL。 WAL日志：将其称为写操作命令的备份
• NameNode在运行期间，会将客户端实时产生的元数据记录在edits文件中，在namenode重启的时候，将之前的fsimage文件和edits合并得到最新的元素据。 edtis：客户端写操作命名的备份
• mysql可以开启biglog日志记录功能，开启后每次向mysql服务端发送写操作命令，会记录在一种特殊的文件中，这个特殊的文件九称为biglog日志。 biglog日志：客户端写操作命名的备份，其目的也是为了服务器异常退出，恢复数据！

RelayLog

从机(slave)是如何同步主机(master)数据的呢？他会启动两个线程(I/O thread、SQL thread)，

• I/O thread：复制读取主机(master)写入到binary log新增的内容。并将内容写入到中继日志(relay log)中，用于临时缓冲的作用。
• SQL thread：用于读取中继日志(relay log)的中数据，并执行，这样从机(slave)就有了和主机(master)一样的操作了。

canal 工作原理（我个人的理解）

canal 就像是一名"间谍"，它伪装成了一个从机(slave)，从主机(master)中骗取数据。拿到数据之后，再对数据进行解析，比如·只要新增的数据或者删除或修改的数据，并将数据重新进行包装，将数据重新写入到第三方服务中（mysql、Kafka、es等）。