數據異構的武器 - BINLOG+MQ
1、定義
何謂數據異構，上周交易部門商品的同事過來做分享，又看到這個詞，他的PPT里面是 數據庫異構。其實我們以前做的事情，也是可以成為數據異構。比如我們將DB里面的數據持久化到REDIS里面去，就是一種數據異構的方式。如果要下個定義的話：把數據按需(數據結構、存取方式、存取形式)異地構建存儲。
2、常見應用場景
分庫分表中有一個最為常見的場景，為了提升數據庫的查詢能力，我們都會對數據庫做分庫分表操作。比如訂單庫，開始的時候我們是按照訂單ID維度去分庫分表，那么后來的業務需求想按照商家維度去查詢，比如我想查詢某一個商家下的所有訂單，就非常麻煩。這個時候通過數據異構就能很好的解決此問題，比如下圖
異構維度
總結起來大概有以下幾種場景
- 數據庫鏡像
- 數據庫實時備份
- 多級索引
- search build(比如分庫分表后的多維度數據查詢)
- 業務cache刷新
- 價格、庫存變化等重要業務消息
3、數據異構方向
幾種異構方式
在日常業務開發中大致可以分為以上幾種數據去向，DB-DB這種方式，一般常見于分庫分表后，聚合查詢的時候，比如我們按照訂單ID去分庫分表，那么這個時候我們要按照用戶ID去查詢，查詢這個用戶下面的訂單就非常不方便了，當然可以使用統一加到內存中去，但這樣不太好。所以我們就可以用數據庫異構的方式，重新按照用戶ID的維度來分一個表，像在上面常見應用場景中介紹的那樣。把數據異構到redis、elasticserach、slor中去要解決的問題跟按照多維度來查詢的需求差不多。這些存儲天生都有聚合的功能。當然同時也可以提高查詢性能，應對大訪問量，比如redis這種抗量銀彈。
4、數據異構的常用方法
3.1、完整克隆
這個很簡單就是將數據庫A，全部拷貝一份到數據庫B，這樣的使用場景是離線統計跑任務腳本的時候可以。缺點也很突出，不適用于持續增長的數據。
3.2、標記同步
這個是業務場景比較簡單的時候，理想情況下數據不會發生改變，比如日志數據，這個時候可以去標記，比如時間戳，這樣當發生故障的時候還可以回溯到上一次同步點，開始重新同步數據。
3.3、BINLOG方式
通過實時的訂閱mysql的binlog日志，消費到這些日志后，重新構建數據結構插入一個新的數據庫或者是其他存儲比如es、slor等等。訂閱binlog日志可以比較好的能保證數據的一致性。
3.4、MQ方式
業務數據寫入DB的同時，也發送MQ一份，也就是業務里面實現雙寫。這種方式比較簡單，但也很難保證數據一致性，對簡單的業務場景可以采用這種方式。
5、binlog和mq方式重點介紹
5.1、binlog
5.1.1、訂閱binglog日志異構流程圖
canal異構方式
5.1.2、使用說明
binglog是數據的日志記錄方式，每次對數據的操作都會有binlog日志。現在開源的訂閱binlog日志的組件，比如使用比較廣泛的canal，它是阿里開源的基于mysql數據庫binlog的增量訂閱和消費組件。由于cannal服務器目前讀取的binlog事件只保存在內存中，并且只有一個canal客戶端可以進行消費。所以如果需要多個消費客戶端，可以引入activemq或者kafka。如上圖綠色虛線框部分。我們還需要確保全量對比來保證數據的一致性(canal+mq的重試機制基本可以保證寫入異構庫之后的數據一致性)，這個時候可以有一個全量同步WORKER程序來保證，如上圖深綠色部分。
5.1.3、canal的工作原理
先來看下mysql主備(主從)復制原理如下圖，在此原理基礎之上我們再來理解canal的實現原理就一眼能明白了。
mysql主備復制實現原理
mysql主備(主從)復制原理，從上層來看，復制分成三步：
- master將改變記錄到二進制日志(binary log)中(這些記錄叫做二進制日志事件，binary log events，可以通過show binlog events進行查看);
- slave將master的binary log events拷貝到它的中繼日志(relay log);
- slave重做中繼日志中的事件，將改變反映它自己的數據。
再來看下canal的原理，如下圖：
cannal實現原理相對比較簡單(參照上面的mysql主備復制實現原理)：
4. canal模擬mysql slave的交互協議，偽裝自己為mysql slave，向mysql master發送dump協議
5. mysql master收到dump請求，開始推送binary log給slave(也就是canal)
6. canal解析binary log對象(原始為byte流)
我們在部署canal server的時候要部署多臺，來保證高可用。但是canal的原理，是只有一臺服務器在跑處理，其它的服務器作為熱備。canal server的高可用是通過zookeeper來維護的。
有關canal更具體的使用和詳細原理請參照：https://github.com/alibaba/canal
5.1.4、注意點
- 1、確認MySQL開啟binlog，使用show variables like ‘log_bin’; 查看ON為已開啟
- 2、確認目標庫可以產生binlog，show master status 注意Binlog_Do_DB，Binlog_Ignore_DB參數
- 3、確認binlog格式為ROW，使用show variables like ‘binlog_format’; 非ROW模式登錄MySQL執行 set global binlog_format=ROW; flush logs; 或者通過更改MySQL配置文件并重啟MySQL生效。
- 4、為保證binlake服務可以獲取Binlog，需添加授權，執行 GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON . TO ‘admin’@’%’ identified by ‘admin’; FLUSH PRIVILEGES;
5.2、mq方式
MQ異構方式
mq的方式，就相對簡單，實際上是在業務邏輯中寫DB的同時去寫一次MQ，但是這種方式不能夠保證數據一致性，就是不能保證跨資源的事務。注：調用第三方遠程RPC的操作一定不要放到事務中。
6、總結
本文主要敘述了數據異構的使用場景，方法。這里面涉及到的activemq以及canal并沒有深入分析，關于這塊的內容可以直接參考相關具體文檔，文中已給了鏈接地址。根據數據異構的定義，將數據異地構建存儲，我們可以應用的地方就非常多，文中說的分庫分表之后按照其它維度來查詢的時候，我們想脫離DB直接用緩存比如redis來抗量的時候。數據異構這種方式都能夠很好的幫助我們來解決諸如此類的問題。
