数据异构的武器 BINLOG+MQ
1、定义
何谓数据异构，上周交易部门商品的同事过来做分享，又看到这个词，他的PPT里面是 数据库异构。其实我们以前做的事情，也是可以成为数据异构。比如我们将DB里面的数据持久化到REDIS里面去，就是一种数据异构的方式。如果要下个定义的话：把数据按需（数据结构、存取方式、存取形式）异地构建存储。
2、常见应用场景
分库分表中有一个最为常见的场景，为了提升数据库的查询能力，我们都会对数据库做分库分表操作。比如订单库，开始的时候我们是按照订单ID维度去分库分表，那么后来的业务需求想按照商家维度去查询，比如我想查询某一个商家下的所有订单，就非常麻烦。这个时候通过数据异构就能很好的解决此问题，比如下图
总结起来大概有以下几种场景：
-
数据库镜像
-
数据库实时备份
-
多级索引
-
search build（比如分库分表后的多维度数据查询）
-
业务cache刷新
-
价格、库存变化等重要业务消息
3、数据异构方向
在日常业务开发中大致可以分为以上几种数据去向，DB-DB这种方式，一般常见于分库分表后，聚合查询的时候，比如我们按照订单ID去分库分表，那么这个时候我们要按照用户ID去查询，查询这个用户下面的订单就非常不方便了，当然可以使用统一加到内存中去，但这样不太好。所以我们就可以用数据库异构的方式，重新按照用户ID的维度来分一个表，像在上面常见应用场景中介绍的那样。把数据异构到redis、elasticserach、slor中去要解决的问题跟按照多维度来查询的需求差不多。这些存储天生都有聚合的功能。当然同时也可以提高查询性能，应对大访问量，比如redis这种抗量银弹。
4、数据异构的常用方法
4.1、完整克隆
这个很简单就是将数据库A，全部拷贝一份到数据库B，这样的使用场景是离线统计跑任务脚本的时候可以。缺点也很突出，不适用于持续增长的数据。
4.2、标记同步
这个是业务场景比较简单的时候，理想情况下数据不会发生改变，比如日志数据，这个时候可以去标记，比如时间戳，这样当发生故障的时候还可以回溯到上一次同步点，开始重新同步数据。
4.3、BINLOG方式
通过实时的订阅mysql的binglog日志，消费到这些日志后，重新构建数据结构插入一个新的数据库或者是其他存储比如es、slor等等。订阅binglog日志可以比较好的能保证数据的一致性。
4.4、MQ方式
业务数据写入DB的同时，也发送MQ一份，也就是业务里面实现双写。这种方式比较简单，但也很难保证数据一致性，对简单的业务场景可以采用这种方式。
5、binlog和mq方式重点介绍
5.1、binglog
5.1.1、订阅binglog日志异构流程图
5.1.2、使用说明
binglog是数据的日志记录方式，每次对数据的操作都会有binglog日志。现在开源的订阅binlog日志的组件，比如使用比较广泛的canal，它是阿里开源的基于mysql数据库binlog的增量订阅和消费组件。由于cannal服务器目前读取的binlog事件只保存在内存中，并且只有一个canal客户端可以进行消费。所以如果需要多个消费客户端，可以引入activemq或者kafka。如上图绿色虚线框部分。我们还需要确保全量对比来保证数据的一致性（canal+mq的重试机制基本可以保证写入异构库之后的数据一致性），这个时候可以有一个全量同步WORKER程序来保证，如上图深绿色部分。
5.1.3、canal的工作原理
先来看下mysql主备（主从）复制原理如下图，在此原理基础之上我们再来理解canal的实现原理就一眼能明白了。欢迎点击链接加入群【大数据/运维/java架构】：649917651
mysql主备（主从）复制原理，从上层来看，复制分成三步：
-
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，可以通过show binlog events进行查看）；
-
slave将master的binary log events拷贝到它的中继日志(relay log)；
-
slave重做中继日志中的事件，将改变反映它自己的数据。
再来看下canal的原理，如下图：
cannal实现原理相对比较简单（参照上面的mysql主备复制实现原理）：欢迎点击链接加入群【大数据/运维/java架构】：https://jq.qq.com/?_wv=1027&k=5xd4X4w
-
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(也就是canal)
-
canal解析binary log对象(原始为byte流)
-
我们在部署canal server的时候要部署多台，来保证高可用。但是canal的原理，是只有一台服务器在跑处理，其它的服务器作为热备。canal server的高可用是通过zookeeper来维护的。
有关canal更具体的使用和详细原理请参照：https://github.com/alibaba/canal
5.1.4、注意点
1、确认MySQL开启binlog，使用show variables like 'log_bin'; 查看ON为已开启
2、确认目标库可以产生binlog，show master status 注意Binlog_Do_DB，Binlog_Ignore_DB参数
3、确认binlog格式为ROW，使用show variables like 'binlog_format'; 非ROW模式登录MySQL执行 set global binlog_format=ROW; flush logs; 或者通过更改MySQL配置文件并重启MySQL生效。
4、为保证binlake服务可以获取Binlog，需添加授权，执行 GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON . TO 'admin'@'%' identified by 'admin'; FLUSH PRIVILEGES;
5.2、mq方式
image
mq的方式，就相对简单，实际上是在业务逻辑中写DB的同时去写一次MQ，但是这种方式不能够保证数据一致性，就是不能保证跨资源的事务。注：调用第三方远程RPC的操作一定不要放到事务中。
6、总结
本文主要叙述了数据异构的使用场景，方法。这里面涉及到的activemq以及canal并没有深入分析，关于这块的内容可以直接参考相关具体文档，文中已给了链接地址。根据数据异构的定义，将数据异地构建存储，我们可以应用的地方就非常多，文中说的分库分表之后按照其它维度来查询的时候，我们想脱离DB直接用缓存比如redis来抗量的时候。数据异构这种方式都能够很好的帮助我们来解决诸如此类的问题。
参考资料：https://github.com/alibaba/canal
本文转载自 linkedkeeper.com (文／王新栋)
