42.数据采集实现（canal）
canal
alibaba/canal: Canal 是由阿里巴巴开源的分布式数据库同步系统，主要用于实现MySQL数据库的日志解析和实时增量数据订阅与消费，广泛应用于数据库变更消息的捕获、数据迁移、缓存更新等场景。
项目地址：https://gitcode.com/gh_mirrors/ca/canal
免费下载资源
·
2.1 canal 入门
2.1.1 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，
所以衍生出了同步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 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）。
2.1.2 使用场景
(1) 原始场景：
阿里 otter 中间件的一部分
otter 是阿里用于进行异地数据库之间的同步框架，canal 是其中一部分。
(2)
常见场景
1
：更新缓存
(3)
常见场景
2：抓取业务数据新增变化表，用于制作拉链表。
(4)
常见场景
3
：抓取业务表的新增变化数据，用于制作实时统计（我们就是这种场景）
2.1.3 canal 的工作原理
(1)
MySQL 主从复制过程
➢
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。
(2)
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
2.1.4 MySQL 的 binlog
(1) 什么是 binlog
MySQL 的二进制日志可以说 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，Master 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：自然就是数据恢复了，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
(2) binlog 的开启
➢
找到 MySQL 配置文件的位置
➢
Linux: /etc/my.cnf
如果/etc 目录下没有，可以通过 locate my.cnf 查找位置
➢
Windows: \my.ini
➢
在 mysql 的配置文件下,修改配置
在[mysqld] 区块，设置/添加 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。
(3) binlog 的分类设置
mysql binlog 的格式有三种，分别是 STATEMENT,MIXED,ROW。
在配置文件中可以选择配置
binlog_format= statement|mixed|row
➢
三种格式的区别：
◼
statement
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，比如
update tt 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。
优点：
节省空间
缺点：
有可能造成数据不一致。
◼
row
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
statement 的升级版，一定程度上解决了，因为一些情况而造成的 statement 模
式不一致问题
默认还是 statement，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。
综合上面对比，Cannel 想做监控分析，选择 row 格式比较合适
GitHub 加速计划 / ca / canal
28.22 K
7.57 K
下载
alibaba/canal: Canal 是由阿里巴巴开源的分布式数据库同步系统，主要用于实现MySQL数据库的日志解析和实时增量数据订阅与消费，广泛应用于数据库变更消息的捕获、数据迁移、缓存更新等场景。
最近提交(Master分支：3 个月前 )
1e5b8a20 - 2 个月前
ff82fd65
2 个月前
旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)