大数据技术之数据同步工具Canal

目录

1 什么是canal

我们先看官网的介绍

canal,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。

这句介绍有几个关键字:增量日志,增量数据订阅和消费。

这里我们可以简单地把canal理解为一个用来同步增量数据的一个工具。

接下来我们看一张官网提供的示意图:

canal的工作原理就是把自己伪装成MySQL slave,模拟MySQL slave的交互协议向MySQL Mater发送 dump协议,MySQL mater收到canal发送过来的dump请求,开始推送binary log给canal,然后canal解析binary log,再发送到存储目的地,比如MySQL,Kafka,Elastic Search等等。

2 canal能做什么

以下参考canal官网。

与其问canal能做什么,不如说数据同步有什么作用。

但是canal的数据同步不是全量的,而是增量。基于binary log增量订阅和消费,canal可以做:

数据库镜像
数据库实时备份
索引构建和实时维护
业务cache(缓存)刷新
带业务逻辑的增量数据处理

3 如何搭建canal

3.1 首先有一个MySQL服务器

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

我的Linux服务器安装的MySQL服务器是5.7版本。

MySQL的安装这里就不演示了,比较简单,网上也有很多教程。

然后在MySQL中需要创建一个用户,并授权:

– 使用命令登录:mysql -u root -p
– 创建用户 用户名:canal 密码:Canal@123456
create user ‘canal’@’%’ identified by ‘Canal@123456’;
– 授权 *.*表示所有库
grant SELECT, REPLICATION SLAVE, REPLICATION CLIENT on . to ‘canal’@’%’ identified by ‘Canal@123456’;
下一步在MySQL配置文件my.cnf设置如下信息:

[mysqld]
打开binlog
log-bin=mysql-bin
选择ROW(行)模式
binlog-format=ROW
配置MySQL replaction需要定义,不要和canal的slaveId重复
server_id=1
改了配置文件之后,重启MySQL,使用命令查看是否打开binlog模式:

查看binlog日志文件列表:

查看当前正在写入的binlog文件:

MySQL服务器这边就搞定了,很简单。

3.2 安装canal

去官网下载页面进行下载:https://github.com/alibaba/canal/releases

我这里下载的是1.1.4的版本:

解压canal.deployer-1.1.4.tar.gz,我们可以看到里面有四个文件夹:

接着打开配置文件conf/example/instance.properties,配置信息如下:

mysql serverId , v1.0.26+ will autoGen
v1.0.26版本后会自动生成slaveId,所以可以不用配置
canal.instance.mysql.slaveId=0

数据库地址
canal.instance.master.address=127.0.0.1:3306
binlog日志名称
canal.instance.master.journal.name=mysql-bin.000001
mysql主库链接时起始的binlog偏移量
canal.instance.master.position=154
mysql主库链接时起始的binlog的时间戳
canal.instance.master.timestamp=
canal.instance.master.gtid=

username/password
在MySQL服务器授权的账号密码
canal.instance.dbUsername=canal
canal.instance.dbPassword=Canal@123456
字符集
canal.instance.connectionCharset = UTF-8
enable druid Decrypt database password
canal.instance.enableDruid=false

table regex .\…表示监听所有表 也可以写具体的表名,用,隔开
canal.instance.filter.regex=.
\…

mysql 数据解析表的黑名单,多个表用,隔开
canal.instance.filter.black.regex=
我这里用的是win10系统,所以在bin目录下找到startup.bat启动:

启动就报错,坑呀:

要修改一下启动的脚本startup.bat:

然后再启动脚本:

这就启动成功了。

Java客户端操作
首先引入maven依赖:

com.alibaba.otter canal.client 1.1.4

然后创建一个canal项目,使用SpringBoot构建,如图所示:

在CannalClient类使用Spring Bean的生命周期函数afterPropertiesSet():

@Component
public class CannalClient implements InitializingBean {

private final static int BATCH_SIZE = 1000;

@Override
public void afterPropertiesSet() throws Exception {
    // 创建链接
    CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress("127.0.0.1", 11111), "example", "", "");
    try {
        //打开连接
        connector.connect();
        //订阅数据库表,全部表
        connector.subscribe(".*\\..*");
        //回滚到未进行ack的地方,下次fetch的时候,可以从最后一个没有ack的地方开始拿
        connector.rollback();
        while (true) {
            // 获取指定数量的数据
            Message message = connector.getWithoutAck(BATCH_SIZE);
            //获取批量ID
            long batchId = message.getId();
            //获取批量的数量
            int size = message.getEntries().size();
            //如果没有数据
            if (batchId == -1 || size == 0) {
                try {
                    //线程休眠2秒
                    Thread.sleep(2000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            } else {
                //如果有数据,处理数据
                printEntry(message.getEntries());
            }
            //进行 batch id 的确认。确认之后,小于等于此 batchId 的 Message 都会被确认。
            connector.ack(batchId);
        }
    } catch (Exception e) {
        e.printStackTrace();
    } finally {
        connector.disconnect();
    }
}

/**
 * 打印canal server解析binlog获得的实体类信息
 */
private static void printEntry(List<Entry> entrys) {
    for (Entry entry : entrys) {
        if (entry.getEntryType() == EntryType.TRANSACTIONBEGIN || entry.getEntryType() == EntryType.TRANSACTIONEND) {
            //开启/关闭事务的实体类型,跳过
            continue;
        }
        //RowChange对象,包含了一行数据变化的所有特征
        //比如isDdl 是否是ddl变更操作 sql 具体的ddl sql beforeColumns afterColumns 变更前后的数据字段等等
        RowChange rowChage;
        try {
            rowChage = RowChange.parseFrom(entry.getStoreValue());
        } catch (Exception e) {
            throw new RuntimeException("ERROR ## parser of eromanga-event has an error , data:" + entry.toString(), e);
        }
        //获取操作类型:insert/update/delete类型
        EventType eventType = rowChage.getEventType();
        //打印Header信息
        System.out.println(String.format("================》; binlog[%s:%s] , name[%s,%s] , eventType : %s",
                entry.getHeader().getLogfileName(), entry.getHeader().getLogfileOffset(),
                entry.getHeader().getSchemaName(), entry.getHeader().getTableName(),
                eventType));
        //判断是否是DDL语句
        if (rowChage.getIsDdl()) {
            System.out.println("================》;isDdl: true,sql:" + rowChage.getSql());
        }
        //获取RowChange对象里的每一行数据,打印出来
        for (RowData rowData : rowChage.getRowDatasList()) {
            //如果是删除语句
            if (eventType == EventType.DELETE) {
                printColumn(rowData.getBeforeColumnsList());
                //如果是新增语句
            } else if (eventType == EventType.INSERT) {
                printColumn(rowData.getAfterColumnsList());
                //如果是更新的语句
            } else {
                //变更前的数据
                System.out.println("------->; before");
                printColumn(rowData.getBeforeColumnsList());
                //变更后的数据
                System.out.println("------->; after");
                printColumn(rowData.getAfterColumnsList());
            }
        }
    }
}

private static void printColumn(List<Column> columns) {
    for (Column column : columns) {
        System.out.println(column.getName() + " : " + column.getValue() + "    update=" + column.getUpdated());
    }
}

}

以上就完成了Java客户端的代码。这里不做具体的处理,仅仅是打印,先有个直观的感受。

最后我们开始测试,首先启动MySQL、Canal Server,还有刚刚写的Spring Boot项目。然后创建表:

CREATE TABLE tb_commodity_info (
id varchar(32) NOT NULL,
commodity_name varchar(512) DEFAULT NULL COMMENT ‘商品名称’,
commodity_price varchar(36) DEFAULT ‘0’ COMMENT ‘商品价格’,
number int(10) DEFAULT ‘0’ COMMENT ‘商品数量’,
description varchar(2048) DEFAULT ‘’ COMMENT ‘商品描述’,
PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT=‘商品信息表’;

然后我们在控制台就可以看到如下信息:

如果新增一条数据到表中:

INSERT INTO tb_commodity_info VALUES(‘3e71a81fd80711eaaed600163e046cc3’,‘叉烧包’,‘3.99’,3,‘又大又香的叉烧包,老人小孩都喜欢’);
1
控制台可以看到如下信息:

总结
canal的好处在于对业务代码没有侵入,因为是基于监听binlog日志去进行同步数据的。实时性也能做到准实时,其实是很多企业一种比较常见的数据同步的方案。

通过上面的学习之后,我们应该都明白canal是什么,它的原理,还有用法。实际上这仅仅只是入门,因为实际项目中我们不是这样玩的…
实际项目我们是配置MQ模式,配合RocketMQ或者Kafka,canal会把数据发送到MQ的topic中,然后通过消息队列的消费者进行处理。

Canal的部署也是支持集群的,需要配合ZooKeeper进行集群管理。
Canal还有一个简单的Web管理界面。

上一篇:[canal数据库同步]使用canal同步数据的时候,在连接mysql数据库连接不上


下一篇:Canal学习笔记 | 简单Demo获取更新插入和删除的数据