canal简介及canal部署、原理和使用介绍_王亭_666_canal

网络 02-07 8047

阿里canal简介及canal部署、原理和使用介绍 canal入门什么是canal

阿里巴巴B2B公司，因为业务的特性，卖家主要集中在国内，买家主要集中在国外，所以衍生出了杭州和美国异地机房的需求，从2010年开始，阿里系公司开始逐步的尝试基于数据库的日志解析，获取增量变更进行同步，由此衍生出了增量订阅&消费的业务。

canal是用java开发的基于数据库增量日志解析，提供增量数据订阅&消费的中间件。目前，canal主要支持了MySQL的binlog解析，解析完成后才利用canal client 用来处理获得的相关数据。（数据库同步需要阿里的otter中间件，基于canal）。

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：

canal通过binlog同步拿到变更数据，再发送到存储目的地，比如MySQL，Kafka，Elastic Search等多源同步。

canal使用场景

场景1：原始场景，阿里otter中间件的一部分

场景2：更新缓存

场景3：抓取业务数据新增变化表，用于制作拉链表。( 拉链表：记录每条信息的生命周期，一旦一条记录的生命周期结束，就要重新开始一条新的记录，并把当前日期放入生效的开始日期 )

场景4：抓取业务表的新增变化数据，用于制作实时统计。

canal运行原理

复制过程分成三步：

Master主库将改变记录，写到二进制日志(binary log)中

Slave从库向mysql master发送dump协议，将master主库的binary log events拷贝到它的中继日志(relay log)；

Slave从库读取并重做中继日志中的事件，将改变的数据同步到自己的数据库。

canal的工作原理很简单，就是把自己伪装成slave，假装从master复制数据。

MySQL的binlog介绍什么是binlog

MySQL的二进制日志可以说是MySQL最重要的日志了，它记录了所有的DDL和DML( 除了数据查询语句 )语句，以事件形式记录，还包含语句所执行的消耗的时间，MySQL的二进制日志是事务安全型的。

一般来说开启二进制日志大概会有1%的性能损耗。二进制有两个最重要的使用场景:

其一：MySQL Replication在Master端开启binlog，Mster把它的二进制日志传递给slaves来达到master-slave数据一致的目的。

其二：通过使用mysqlbinlog工具来使恢复数据。

二进制日志包括两类文件：二进制日志索引文件（文件名后缀为.index）用于记录所有的二进制文件，二进制日志文件（文件名后缀为.00000*）记录数据库所有的DDL和DML(除了数据查询语句)语句事件。

开启MySQL的binlog

在mysql的配置文件中开启并重启MySQL生效，一般Linux系统下的MySQL配置文件路径基本都在 /etc/my.cnf ；log-bin=mysql-bin

这个表示binlog日志的前缀是mysql-bin ，以后生成的日志文件就是 mysql-bin.123456 的文件后面的数字按顺序生成。每次mysql重启或者到达单个文件大小的阈值时，新生一个文件，按顺序编号。

binlog的分类设置

MySQL的binlog的格式有三种，分别是STATEMENT、MIXED、ROW。在配置文件中可以配置选项指定：binlog_format=

statement [ 语句级 ]

? 语句级，binlog会记录每次一执行写操作的语句。

? 相对row模式节省空间，但是可能产生不一致性，例如：update table_name set create_date=now();

? 如果用binlog日志进行恢复，由于执行时间不同可能产生的数据就不同 ( master落库数据时create_date为2021-08-08 11:10:30 ，但binlog从库落库执行语句时create_date的时间可能就变为2021-08-08 11:11:23 ，主要是语句执行时间为异步)

? 优点：节省空间

? 缺点：有可能造成数据不一致

row [ 行级 ]

? 行级， binlog会记录每次操作后每行记录的变化。

? 优点：保持数据的绝对一致性。因为不管sql是什么，引用了什么函数，他只记录执行后的效果。

? 缺点：占用较大空间。

mixed [ 综合语句级和行级 ]

? statement的升级版，一定程度上解决了因一些情况而造成的statement模式不一致问题

? 在某些情况下譬如：

? ○ 当函数中包含 UUID() 时；

? ○ 包含 AUTO_INCREMENT 字段的表被更新时；

? ○ 执行 INSERT DELAYED 语句时；

? ○ 用 UDF 时；

? 会按照 ROW的方式进行处理

? 优点：节省空间，同时兼顾了一定的一致性。

? 缺点：还有些极个别情况依旧会造成不一致，另外statement和mixed对于需要对binlog的监控的情况都不方便。

环境准备机器规划

我这里用了4台机器：

机器规划：ops01、ops02、ops03 用于安装kafka + zookeeper + canal 集群；ops04用于部署MySQL服务，测试时可以将MySQL部署在3台集群中的一台

11.8.37.50 ops01

11.8.36.63 ops02

11.8.36.76 ops03

11.8.36.86 ops04

4台机器都在/etc/hosts中配置主机名hosts解析

安装配置MySQL

新建数据库和表用于业务模拟，这里不介绍安装步骤了，如未安装过MySQL，可自行查阅之前的文章《Hive简介及hive部署、原理和使用介绍》中有MySQL详细的安装步骤；

安装完MySQL后，做基本的设置配置

# 登录mysql root@ops04:/root #mysql -uroot -p123456 mysql: [Warning] Using a password on the command line interface can be insecure. Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 442523 Server version: 5.7.29 MySQL Community Server (GPL) Copyright (c) 2000, 2020, Oracle and/or its affiliates. All rights reserved. Oracle is a registered trademark of Oracle Corporation and/or its affiliates. Other names may be trademarks of their respective owners. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. # 增加canal用户并配置权限 mysql> GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'canal'@'%' IDENTIFIED BY 'canal'; Query OK, 0 rows affected, 1 warning (0.00 sec) mysql> quit; Bye # 修改MySQL配置文件，增添binlog相关配置项 root@ops04:/root #vim /etc/my.cnf # binlog server-id=1 log-bin=mysql-bin binlog_format=row binlog-do-db=gmall

新建一个gmall库，库其实都可以，只要和上方配置文件中对应即可

重启MySQL：

root@ops04:/root #mysql -V mysql Ver 14.14 Distrib 5.7.29, for Linux (x86_64) using EditLine wrapper root@ops04:/root #systemctl status mysqld ● mysqld.service - MySQL Server Loaded: loaded (/usr/lib/systemd/system/mysqld.service; enabled; vendor preset: disabled) Active: active (running) since Wed 2021-05-26 09:30:25 CST; 2 months 22 days ago Docs: man:mysqld(8) http://dev.mysql.com/doc/refman/en/using-systemd.html Main PID: 32911 (mysqld) Memory: 530.6M CGroup: /system.slice/mysqld.service └─32911 /usr/sbin/mysqld --daemonize --pid-file=/var/run/mysqld/mysqld.pid May 26 09:30:18 ops04 systemd[1]: Starting MySQL Server... May 26 09:30:25 ops04 systemd[1]: Started MySQL Server. root@ops04:/root # root@ops04:/root #systemctl restart mysqld root@ops04:/root #

【注意】：在新增了binlog配置后，重启MySQL服务后，在存储目录下会有相关的binlog文件，格式如下

root@ops04:/var/lib/mysql #ll | grep mysql-bin -rw-r----- 1 mysql mysql 1741 Aug 17 14:27 mysql-bin.000001 -rw-r----- 1 mysql mysql 19 Aug 17 11:18 mysql-bin.index

验证canal用户登录：

在gmall库中新建表，并插入一些样例数据做测试：

CREATE TABLE `canal_test` ( `体温` varchar(255) DEFAULT NULL, `身高` varchar(255) DEFAULT NULL, `体重` varchar(255) DEFAULT NULL, `文章` varchar(255) DEFAULT NULL, `日期` date DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('36.5', '1.70', '180', '4', '2021-06-01'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('36.4', '1.70', '160', '8', '2021-06-02'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('36.1', '1.90', '134', '1', '2021-06-03'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('37.3', '1.70', '110', '14', '2021-06-04'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('35.7', '1.70', '133', '0', '2021-06-05'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('36.8', '1.90', '200', '6', '2021-06-06'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('37.5', '1.70', '132', '25', '2021-06-07'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('35.7', '1.70', '160', '2', '2021-06-08'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('36.3', '1.80', '131.4', '9', '2021-06-09'); INSERT INTO `canal_test`(`体温`, `身高`, `体重`, `文章`, `日期`) VALUES ('37.3', '1.70', '98.8', '4', '2021-06-10'); 安装kafka + zookeeper

为了实现canal的高可用，这里也不介绍具体安装步骤，减少篇幅，可自行查阅之前的文章《Kafka简介及Kafka部署、原理和使用介绍》中有kafka的详细安装步骤；

查询kafka和zookeeper各端口集群运行状态：

wangting@ops03:/opt/module >ssh ops01 'sudo netstat -tnlpu| grep -E "9092|2181"' tcp6 0 0 :::9092 :::* LISTEN 42305/java tcp6 0 0 :::2181 :::* LISTEN 41773/java wangting@ops03:/opt/module >ssh ops02 'sudo netstat -tnlpu| grep -E "9092|2181"' tcp6 0 0 :::9092 :::* LISTEN 33518/java tcp6 0 0 :::2181 :::* LISTEN 33012/java wangting@ops03:/opt/module >ssh ops03 'sudo netstat -tnlpu| grep -E "9092|2181"' tcp6 0 0 :::9092 :::* LISTEN 102886/java tcp6 0 0 :::2181 :::* LISTEN 102422/java 安装部署canal

阿里的canal项目地址为：https://github.com/alibaba/canal，下载链接可以在github页面点击右边的release查看各版本下载，建议有精力可以多查阅阿里首页的热门项目，有很多项目越来越受欢迎。

下载安装包 # 下载安装包 wangting@ops03:/opt/software >wget https://github.com/alibaba/canal/releases/download/canal-1.1.5/canal.deployer-1.1.5.tar.gz wangting@ops03:/opt/software >ll | grep canal -rw-r--r-- 1 wangting wangting 60205298 Aug 17 11:23 canal.deployer-1.1.5.tar.gz 解压安装 # 新建canal解压目录【注意】: 官方项目解压出来没有顶级canal目录，所以新建个目录用于解压组件 wangting@ops03:/opt/software >mkdir -p /opt/module/canal wangting@ops03:/opt/software >tar -xf canal.deployer-1.1.5.tar.gz -C /opt/module/canal/ 修改canal主配置 # 修改canal主配置文件 wangting@ops03:/opt/module/canal >cd conf/ wangting@ops03:/opt/module/canal/conf >ll total 28 -rwxrwxr-x 1 wangting wangting 319 Apr 19 15:48 canal_local.properties -rwxrwxr-x 1 wangting wangting 6277 Apr 19 15:48 canal.properties drwxrwxr-x 2 wangting wangting 4096 Aug 17 13:49 example -rwxrwxr-x 1 wangting wangting 3437 Apr 19 15:48 logback.xml drwxrwxr-x 2 wangting wangting 4096 Aug 17 13:49 metrics drwxrwxr-x 3 wangting wangting 4096 Aug 17 13:49 spring # 改动如下相关配置： zk | 同步策略目标方式 | kafka wangting@ops03:/opt/module/canal/conf >vim canal.properties canal.zkServers =ops01:2181,ops02:2181,ops03:2181 canal.serverMode = kafka kafka.bootstrap.servers = ops01:9092,ops02:9092,ops03:9092 修改canal的实例配置- (mysql to kafka) # 配置实例相关配置：canal可以启多实例，一个实例对应一个目录配置，例如把example目录复制成xxx，把xxx目录下的配置改动启动，就是一个新实例 wangting@ops03:/opt/module/canal/conf >cd example/ wangting@ops03:/opt/module/canal/conf/example >ll total 4 -rwxrwxr-x 1 wangting wangting 2106 Apr 19 15:48 instance.properties # 注意11.8.38.86:3306需要改成自己环境的mysql地址和端口，其次用户名密码改成自己环境的，topic自定义一个 wangting@ops03:/opt/module/canal/conf/example >vim instance.properties canal.instance.master.address=11.8.38.86:3306 canal.instance.dbUsername=canal canal.instance.dbPassword=canal canal.mq.topic=wangting_test_canal canal.mq.partitionsNum=12 分发安装目录 # 将修改后的canal目录分发至另外2台服务器： wangting@ops03:/opt/module >scp -r /opt/module/canal ops01:/opt/module/ wangting@ops03:/opt/module >scp -r /opt/module/canal ops02:/opt/module/ 启动canal集群 # 各服务器依次启动集群canal wangting@ops03:/opt/module >cd /opt/module/canal/bin/ wangting@ops03:/opt/module/canal/bin >./startup.sh wangting@ops02:/home/wangting >cd /opt/module/canal/bin/ wangting@ops02:/opt/module/canal/bin >./startup.sh wangting@ops01:/home/wangting >cd /opt/module/canal/bin/ wangting@ops01:/opt/module/canal/bin >./startup.sh 验证结果 # 在一台服务器上监测kafka wangting@ops03:/opt/module/canal/bin >kafka-console-consumer.sh --bootstrap-server ops01:9092,ops02:9092,ops03:9092 --topic wangting_test_canal [2021-08-17 14:21:29,924] WARN [Consumer clientId=consumer-console-consumer-17754-1, groupId=console-consumer-17754] Error while fetching metadata with correlation id 2 : {wangting_test_canal=LEADER_NOT_AVAILABLE} (org.apache.kafka.clients.NetworkClient)

按照预期，如果现在成功的监测了ops04上MySQL中gmall库，那么在gmall库中的表如有数据改动，那么控制台会有信息输出实时同步更新到前台

当前表内数据：

改动表中的数据观察控制台输出：

1.将2021-06-10 -> 2021-08-17

2.新增一条数据

3.将一个数值改动 1 -> 1111

wangting@ops03:/opt/module/canal/bin >kafka-console-consumer.sh --bootstrap-server ops01:9092,ops02:9092,ops03:9092 --topic wangting_test_canal [2021-08-17 14:21:29,924] WARN [Consumer clientId=consumer-console-consumer-17754-1, groupId=console-consumer-17754] Error while fetching metadata with correlation id 2 : {wangting_test_canal=LEADER_NOT_AVAILABLE} (org.apache.kafka.clients.NetworkClient) {"data":[{"体温":"37.3","身高":"1.70","体重":"98.8","文章":"4","日期":"2021-08-17"}],"database":"gmall","es":1629185045000,"id":6,"isDdl":false,"mysqlType":{"体温":"varchar(255)","身高":"varchar(255)","体重":"varchar(255)","文章":"varchar(255)","日期":"date"},"old":[{"日期":"2021-06-10"}],"pkNames":null,"sql":"","sqlType":{"体温":12,"身高":12,"体重":12,"文章":12,"日期":91},"table":"canal_test","ts":1629185063194,"type":"UPDATE"} {"data":[{"体温":"35.55","身高":"1.999","体重":"99.99","文章":"999","日期":"2021-08-17"}],"database":"gmall","es":1629185086000,"id":7,"isDdl":false,"mysqlType":{"体温":"varchar(255)","身高":"varchar(255)","体重":"varchar(255)","文章":"varchar(255)","日期":"date"},"old":null,"pkNames":null,"sql":"","sqlType":{"体温":12,"身高":12,"体重":12,"文章":12,"日期":91},"table":"canal_test","ts":1629185104967,"type":"INSERT"} {"data":[{"体温":"36.1","身高":"1.90","体重":"134","文章":"1111","日期":"2021-06-03"}],"database":"gmall","es":1629185104000,"id":8,"isDdl":false,"mysqlType":{"体温":"varchar(255)","身高":"varchar(255)","体重":"varchar(255)","文章":"varchar(255)","日期":"date"},"old":[{"文章":"1"}],"pkNames":null,"sql":"","sqlType":{"体温":12,"身高":12,"体重":12,"文章":12,"日期":91},"table":"canal_test","ts":1629185122499,"type":"UPDATE"}

能明显看到每次改动都能在记录中呈现出，old数据和当前数据都能一一对应，截止到这里canal整个流程链算是全通了，canal同步到不同的存储介质方法基本都大同小异。

扩展：

可以在zookeeper命令行中查看canal信息：

wangting@ops01:/opt/module/canal/bin >zkCli.sh Connecting to localhost:2181 [zk: localhost:2181(CONNECTED) 0] ls -w / [hbase, kafka, otter, wangting, zookeeper] [zk: localhost:2181(CONNECTED) 1] ls -w /otter [canal] [zk: localhost:2181(CONNECTED) 2] ls -w /otter/canal [cluster, destinations]