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:大发时时彩_时时彩官网ios版_大发时时彩官网ios版

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,通常的做法假使 分页查询源端的表,而且通过 jdbc的batch 土方式插入到目标表,这一 地方都要注意的是,分页查询时,一定要按照主键id来排序分页,处理重复插入。

2)、基于数据文件导出和导入的全量同步,这一 同步土方式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,这一 土方式是因为 会存在问题报告 。

3)、基于触发器的增量同步

增量同步一般是做实时的同步,早期全都数据同步完整篇 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,触发器蕴含insert,modify,delete 某种类型的操作,数据库的触发器分Before和After某种情况报告,某种是在insert,modify,delete 某种类型的操作存在前一天触发(比如记录日志操作,一般是Before),某种是在insert,modify,delete 某种类型的操作前一天触发。

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,而且都要多2个多多 操作类型字段(分表代表insert,modify,delete 某种类型的操作),而且都要2个多多 唯一自增ID,代表数据原表中数据操作的顺序,这一 自增id非常重要,不然数据同步就会错乱。

C、 原表中经常再次出现insert,modify,delete 某种类型的操作时,通过触发器自动产生增量数据,插入增量表中。

D、处理增量表中的数据,处理时,一定是按照自增id的顺序来处理,这一 效率会非常低,没土方式做批量操作,不然数据会错乱。  他们是因为 会说,是完整篇 都是可不会 把insert操作合并在一块儿,modify合并在一块儿,delete操作合并在一块儿,而且批量处理,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,就没办法 顺序了,同四根数据的增完整篇 顺序一旦错了,那数据同步就肯定错了。

市面上全都数据etl数据交换产品完整篇 都是基于这一 思想来做的。

E、 这一 思想使用kettle 很容易就可不会 实现,笔者那我在另一方的博客中写过 kettle的文章,https://www.cnblogs.com/laoqing/p/73300673.html

4)、基于时间戳的增量同步

A、首先当当我们 歌词 都要一张临时temp表,用来存取每次读取的待同步的数据,也假使 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、当当我们 歌词 还都要创建2个多多 时间戳配置表,用于存放每次读取的处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,而且就知道了查询原表时的前一天刚结束时间戳。

D、根据时间戳读取到原表的数据,插入到临时表中,而且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,而且更新到时间戳配置表中。缓存表的作用假使 使用sql获取每次读取到的数据的最大的时间戳,当然哪些完整篇 都是完整篇 基于sql句子在kettle中来配置,才都要那我的一张临时表。

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

当当我们 歌词 都知道全都数据库都支持了主从自动同步,尤其是mysql,可不会 支持多主多从的模式。没办法 当当我们 歌词 是完整篇 都是可不会 利用这一 思想呢,答案当然是肯定的,mysql的主从同步的过程是那我的。

  A、master将改变记录到二进制日志(binary log)中(哪些记录叫做二进制日志事件,binary log events,可不会 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就完美的使用这一 土方式,canal 伪装了2个多多 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,前一天刚结束推送binary log给slave(也假使 canal)

C、 canal解析binary log对象(原始为byte流)

另外canal 在设计时,很糙设计了 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版本前一天, 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都要开启binlog,而且binlog-format都要为row,可不会 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,而且 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2个多多 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("没办法

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("许多操作类型不做处理");
                            }

                        }

                    } 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

 

当当我们 歌词 有某种土方式可不会 实现,

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

而且这一 做法,效率很低,而且大批量的数据一块儿插入Hbase,对Hbase的性能影响很大。

在大数据量的情况报告下,使用BulkLoad可不会 快速导入,BulkLoad主假使 借用了hbase的存储设计思想,是因为 hbase本质是存储在hdfs上的2个多多 文件夹,而且底层是以2个多多 个的Hfile存在的。HFile的形式存在。Hfile的路径格式一般是那我的:

/hbase/data/default(默认是这一 ,是因为 hbase的表没办法 指定命名空间句子,是因为 指定了,这一 假使 命名空间的名字)/<tbl_name>/<region_id>/<cf>/<hfile_id>

B、 BulkLoad实现的原理假使 按照HFile格式存储数据到HDFS上,生成Hfile可不会 使用hadoop的MapReduce来实现。是因为 完整篇 都是hive中的数据,比如组织组织结构的数据,没办法 当当我们 歌词 可不会 将组织组织结构的数据生成文件,而且上传到hdfs中,组装RowKey,而且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。

 

当然当当我们 歌词 也可不会 不前一天生成hfile,可不会 使用spark任务直接从hive中读取数据转加进RDD,而且使用HbaseContext的自动生成Hfile文件,主次关键代码如下:

…
//将DataFrame转换bulkload都要的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2个多多 支持pg库(PostgreSQL)批量导入的插件工具,它的思想也是通过组织组织结构文件加载的土方式,这一 工具笔者没办法 亲自去用过,完整篇 的介绍可不会 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2个多多 工具,专门用于组织组织结构数据导入进入到hdfs中,组织组织结构数据导出时,支持全都常见的关系型数据库,也是在大数据中常用的2个多多 数据导出导入的交换工具。

 

Sqoop从组织组织结构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处理来快速的导入和导出数据。

4)、HBase中建表,而且Hive中建2个多多 组织组织结构表,那我当Hive中写入数据后,HBase中也会一块儿更新,而且都要注意

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

当当我们 歌词 可不会 在hbase的shell 交互模式下,创建一张hbse表

create 'bokeyuan','zhangyongqing'

使用这一 命令,当当我们 歌词 可不会 创建一张叫bokeyuan的表,而且里面2个多多 列族zhangyongqing,hbase创建表时,可不会 太少指定字段,而且都要指定表名以及列族

当当我们 歌词 可不会 使用的hbase的put命令插入许多数据

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

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

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

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

可不会 通过hbase的scan 全表扫描的土方式查看当当我们 歌词 插入的数据

scan ' bokeyuan'

当当我们 歌词 继续创建一张hive组织组织结构表

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");

组织组织结构表创建好了后,当当我们 歌词 可不会 使用HQL句子来查询hive中的数据了

select * from classes;

OK

1 robot 20

2 spring 18

Debezium是2个多多 开源项目,为捕获数据更改(change data capture,CDC)提供了2个多多 低延迟的流式处理平台。给你安装而且配置Debezium去监控你的数据库,给你的应用就可不会 消费对数据库的每2个多多 行级别(row-level)的更改。可不会 了已提交的更改才是可见的,全都你的应用太少担心事务(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2个多多 统一的模型,全都你的应用太少担心每某种数据库管理系统的复杂性性性。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,而且,你的应用可不会 随时停止再重启,而太少错过它停止运行时存在的事件,保证了所有的事件都能被正确地、完整篇 存在理掉。

该项目的GitHub地址为:https://github.com/debezium/debezium   这是2个多多 开源的项目。

 

  那我监控数据库,而且在数据变动的前一天获得通知觉得经常是一件很复杂性的事情。关系型数据库的触发器可不会 做到,而且只对特定的数据库有效,而且通常可不会 了更新数据库内的情况报告(无法和组织组织结构的tcp连接通信)。许多数据库提供了监控数据变动的API是因为 框架,而且没2个多多 标准,主次数据库的实现土方式完整篇 都是不同的,而且都要少许特定的知识和理解特定的代码不会 运用。确保以相同的顺序查看和处理所有更改,一块儿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些复杂性的工作。许多模块是通用的,而且不会 适用多种数据库管理系统,但在功能和性能方面仍有许多限制。另许多模块是为特定的数据库管理系统定制的,全都当当我们 歌词 通常可不会 更多地利用数据库系统某种的组织结构来提供更多功能,Debezium提供了对MongoDB,mysql,pg,sqlserver的支持。

Debezium是2个多多 捕获数据更改(CDC)平台,而且利用Kafka和Kafka Connect实现了另一方的持久性、可靠性和容错性。每2个多多 部署在Kafka Connect分布式的、可扩展的、容错性的服务中的connector监控2个多多 上游数据库服务器,捕获所有的数据库更改,而且记录到2个多多 是因为 多个Kafka topic(通常2个多多 数据库表对应2个多多 kafka topic)。Kafka确保所哪些数据更改事件不会 多副本而且总体上有序(Kafka可不会 了保证2个多多 topic的单个分区内有序),那我,更多的客户端可不会 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,可不会 把对数据库的压力降到1)。另外,客户端可不会 随时停止消费,而且重启,从上次停止消费的地方接着消费。每个客户端可不会 自行决定当当我们 歌词 算不算 都要exactly-once是因为 at-least-once消息交付语义保证,而且所有的数据库是因为 表的更改事件是按照上游数据库存在的顺序被交付的。

       对于不都要是因为 不你要这一 容错级别、性能、可扩展性、可靠性的应用,当当我们 歌词 可不会 使用内嵌的Debezium connector引擎来直接在应用组织组织结构运行connector。这一 应用仍都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 的介绍可不会 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也是可不会 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,任何数据源假使 和DataX连接上即可不会 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,当当我们 歌词 称之为Job,DataX接受到2个多多 Job前一天,将启动2个多多 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2个多多 Task完整篇 都是负责一主次数据的同步工作。
  3. 切分多个Task前一天,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2个多多 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2个多多 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作业运行起来前一天, 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。而且,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2个多多 DataX作业,而且配置了20个并发,目的是将2个多多 3000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3000个Task。
  2. 根据20个并发,DataX计算共都要分配2个多多 TaskGroup。
  3. 2个多多 TaskGroup平分切分好的3000个Task,每2个多多 TaskGroup负责以3个并发共计运行23个Task。

优势:

  • 主次插件完整篇 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,包括作业某种情况报告、数据流量、数据效率、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可不会 实现精确的过滤、识别、挂接、展示,为用户提太少种脏数据处理模式;
  • 精确的效率控制
  • 健壮的容错机制,包括tcp连接组织组织结构重试、tcp连接级别重试;

从插件视角看框架

  • Job:是DataX用来描述从2个多多 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2个多多 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、前置句子和后置句子等工作的工作单元。同类 Yarn中的JobTracker;
  • TaskGroupContainer:TaskGroup执行器,负责执行一组Task的工作单元,同类 Yarn中的TAskTacker。

    总之,Job拆分为Task,分别在框架提供的容器中执行,插件只都要实现Job和Task两主次逻辑。

    物理执行有某种运行模式:

  • Standalone:单tcp连接运行,没办法 组织组织结构依赖;
  • 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tcp连接运行,依赖DataX Service服务;

    总体来说,当JobContainer和TaskGroupContainer运行在同2个多多 tcp连接内的前一天假使 单机模式,在不同tcp连接执行假使 分布式模式。

是因为 都要开发插件,可不会 看zhege这一 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
无组织结构化数据存储 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 ,可不会 实现2个多多 Oracle数据库之间的数据的同步,也可不会 实现Oracle数据同步到Kafka,相关的配置操作可不会 参考如下:

https://blog.csdn.net/dkl12/article/details/3000447154

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

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

Databus是2个多多 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土方式,将数据库变更实时、可靠的从数据库拉取出来,业务可不会 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,每台服务器每秒可不会 处理数千次数据吞吐变更事件,一块儿还支持无限回溯能力和充足的变更订阅功能。

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

databus挂接:

  • 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、深层可用:Databus能扩展到支持数千消费者和事务数据来源,一块儿保持深层可用性。
  • 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。一块儿,消费者使用Databus中的服务器端过滤功能,可不会 只获取另一方都要的特定数据。
  • 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。当消费者都要产生数据的完整篇 拷贝时(比如新的搜索索引),它太少对数据库产生任何额外负担,就可不会 达成目的。当消费者的数据大大落后于来源数据库时,也可不会 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太少,向Bootstrap Server发起查询
    3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询,而且切换到向中继发起查询,以完成最新的数据变更事件
    4. 单一客户端可不会 处理整个Databus数据流,是因为 可不会 成为消费者集群的一主次,其中每个消费者只处理一主次流数据
    • 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。
    • 更多可不会 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(据说组织组织结构版本支持oracle)

Databus目前支持的数据源更多

业务开发

业务只都要实现事件处理接口

事件处理外,都要处理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可不会 一块儿服务多个client

2个多多 server instance可不会 了服务2个多多 client

(受限于server端保存拉取位点)

Databus服务模式更灵活

client

client可不会 拉取多个relay的变更,

访问的relay可不会 指定拉取许多表许多分片的变更

client可不会 了从2个多多 server拉取变更,

而且可不会 了是拉取全量的变更

可扩展性

client可不会 线性扩展,处理能力不会 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处理一主次数据,

某个client挂掉,许多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实时热备方案更性性早熟是什么的句子是什么期的句子

relay/server ha

多个relay可连接到同2个多多 数据库,

client可不会 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瞬时从数据库拉取少许变更

Databus某种的故障对数据库影响几乎为0

系统情况报告监控

tcp连接通过http接口将运行情况报告暴露给组织组织结构

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项目更性性早熟是什么的句子是什么期的句子,当然学习成本也更大