Canal 组件简介与 vivo 帐号实践

互联网应用随着业务的发展，部分单表数据体量越来越大，应对服务性能与稳定的考虑，有做分库分表、数据迁移的需要，本文介绍了vivo帐号应对以上需求的实践。

一、前言

Canal 是阿里巴巴开源项目，关于什么是 Canal？又能做什么？我会在后文为大家一一介绍。

在本文您将可以了解到vivo帐号使用 Canal 解决了什么样的业务痛点，基于此希望对您所在业务能有一些启示。

二、Canal介绍

1. 简介

Canal [kə'næl]，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。

早期阿里巴巴因为杭州和美国双机房部署，存在跨机房同步的业务需求，实现方式主要是基于业务 trigger 获取增量变更。从 2010 年开始，业务逐步尝试数据库日志解析获取增量变更进行同步，由此衍生出了大量的数据库增量订阅和消费业务。

2. 工作原理

2.1 MySQL 主备复制原理

Canal最核心的运行机制就是依赖于MySQL的主备复制，我们优先简要说明下MySQL主备复制原理。

MySQL master 将数据变更写入二进制日志( binary log, 其中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)。

MySQL slave 将 master 的 binary log events 拷贝到它的中继日志(relay log)。

MySQL slave 重放 relay log 中事件，将数据变更反映它自己的数据。

2.2 MySQL Binary Log介绍

MySQL-Binlog是 MySQL 数据库的二进制日志，用于记录用户对数据库操作的SQL语句（除了数据查询语句）信息。

如果后续我们需要配置主从数据库，如果我们需要从数据库同步主数据库的内容，我们就可以通过 Binlog来进行同步。

2.3 Canal 工作原理

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)。

Canal 把解析后的 binary log 以特定格式的进行推送，供下游消费。

2.4 Canal 整体架构

说明：

• server 代表一个canal运行实例，对应于一个jvm
• instance 对应于一个数据队列 （1个server对应1..n个instance)

instance模块：

• EventParser (数据源接入，模拟slave协议和master进行交互，协议解析)——与数据库交互模拟从库，发送dump binlog请求，接收binlog进行协议解析并做数据封装，并将数据传递至下层EventSink进行存储，记录binlog同步位置。
• EventSink (Parser和Store链接器，进行数据过滤，加工，分发的工作)——数据过滤、数据归并、数据加工、数据路由存储。
• EventStore (数据存储)——管理数据对象存储，包括新binlog对象的写入管理、对象订阅的位置管理、对象消费成功的回执位置管理。
• MetaManager (增量订阅&消费信息管理器)——负责binlog对象整体的发布订阅管理器，类似于MQ。

2.5 Canal 数据格式

下面我们来一起看下Canal内部封装的 Binlog对象格式，更好的理解 Canal。

Canal能够同步 DCL、 DML、 DDL。

业务通常关心 INSERT、 UPDATE、 DELETE引起的数据变更。

2.6 Canal 示例 demo

下面我们通过实际代码逻辑的判断，查看 Binlog解析成Canal 对象的数据模型，加深理解

• insert 语句

• delete语句

• update语句

2.7 Canal HA 机制

线上服务的稳定性极为重要，Canal是支持HA的，其实现机制也是依赖Zookeeper来实现的，与HDFS的HA类似。

Canal的HA分为两部分，Canal server和Canal client分别有对应的HA实现。

• Canal Server：为了减少对mysql dump的请求，不同server上的instance要求同一时间只能有一个处于running，其他的处于standby状态。
• Canal Client：为了保证有序性，一份instance同一时间只能由一个canal client进行get/ack/rollback操作，否则客户端接收无法保证有序。

依赖Zookeeper的特性（本文不着重讲解zookeeper特性，请在网络上查找对应资料）：

• Watcher机制
• EPHEMERAL节点(和session生命周期绑定)

大致步骤：

Canal server要启动某个canal instance时都先向zookeeper进行一次尝试启动判断 (实现：创建EPHEMERAL节点，谁创建成功就允许谁启动)。

创建 ZooKeeper节点成功后，对应的Canal server就启动对应的Canal instance，没有创建成功的Canal instance就会处于standby状态。

一旦ZooKeeper发现Canal server A创建的节点消失后，立即通知其他的Canal server再次进行步骤1的操作，重新选出一个Canal server启动instance。

Canal client每次进行connect时，会首先向ZooKeeper询问当前是谁启动了Canal instance，然后和其建立链接，一旦链接不可用，会重新尝试connect。

2.8 Canal 使用场景

上面介绍了Canal 的原理与运行机制，下面我们从实际场景来看，Canal 能够为我们业务场景解决什么样的问题。

2.8.1 不停服迁移

业务在发展初期，为了快速支撑业务发展，很多数据存储设计较为粗放，比如用户表、订单表可能都会设计为单表，此时常规手段会采用分库分表来解决容量和性能问题。

但数据迁移会面临最大的问题：线上业务需要正常运行，如果数据在迁移过程中有变更，如何保证数据一致性是最大的挑战。

基于Canal，通过订阅数据库的 Binlog，可以很好地解决这一问题。

可详见下方vivo帐号的不停机迁移实践。

2.8.2 缓存刷新

互联网业务数据源不仅仅为数据库，比如 Redis 在互联网业务较为常用，在数据变更时需要刷新缓存，常规手段是在业务逻辑代码中手动刷新。

基于Canal，通过订阅指定表数据的Binlog，可以异步解耦刷新缓存。

2.8.3 任务下发

另一种常见应用场景是“下发任务”，当数据变更时需要通知其他依赖系统。

其原理是任务系统监听数据库变更，然后将变更的数据写入MQ/Kafka进行任务下发。

比如帐号注销时下游业务方需要订单此通知，为用户删除业务数据，或者做数据归档等。

基于Canal可以保证数据下发的精确性，同时业务系统中不会散落着各种下发MQ的代码，从而实现了下发归集，如下图所示：

2.8.4 数据异构

在大型网站架构中，数据库都会采用分库分表来解决容量和性能问题，但分库分表之后带来的新问题。

比如不同维度的查询或者聚合查询，此时就会非常棘手。一般我们会通过数据异构机制来解决此问题。

所谓的数据异构，那就是将需要join查询的多表按照某一个维度又聚合在一个DB中。

基于Canal可以实现数据异构，如下图示意：

3、Canal 的安装及使用

Canal的详细安装、配置与使用，请查阅官方文档  >> 链接

三、帐号实践

1、实践一：分库分表

1.1 需求

• 难点：

表数据量大，单表3亿多。

常规定时任务迁移全量数据，时间长且对业务有损。

• 核心诉求：

不停机迁移，最大化保证业务不受影响

“给在公路上跑着的车换轮胎”

1.2 迁移方案

1.3 迁移过程

整体过程大致如下：

• 分析帐号现有痛点

单表数据量过大：帐号单表3亿+

用户唯一标识过多

业务划分不合理

• 确定分库分表方案

• 存量数据迁移方案

使用传统的定时任务迁移，时长过长，且迁移过程中为了保证数据一致性，需要停机维护，对用户影响较大。

确定使用canal进行迁移，对canal做充分调研与评估，与中间件及DBA共同确定，可支持全量、以及增量同步。

• 迁移过程通过开关进行控制，单表模式 → 双写模式 → 分表模式。
• 数据迁移周期长，迁移过程中遇到部分未能预估到的问题，进行了多次迁移。
• 迁移完成后，正式切换至双写模式，即单表及分表同样写入数据，此时数据读取仍然在单表模式下读取数据，Canal仍然订阅原有单表，进行数据变更。
• 运行两周后线上未产生新问题，正式切至分表模式，此时原有单表不再写入数据，即单表不会再有新的Binlog产生，切换后线上出现了部分问题，即时跟进处理，“有惊无险”。

2、实践二：跨国数据迁移

2.1 需求

在vivo海外业务开展初期，海外部分国家的数据存储在中立国新加坡机房，但随着海外国家法律合规要求越来越严格，特别是欧盟地区的GDPR合规要求，vivo帐号应对合规要求，做了比较多的合规改造工作。

部分非欧盟地区的国家合规要求随之变化，举例澳洲当地要求满足GDPR合规要求，原有存储在新加坡机房的澳洲用户数据需要迁移至欧盟机房，整体迁移复杂度增加，其中涉及到的难点有：

• 不停机迁移，已出货的手机用户需要能正常访问帐号服务。
• 数据一致性，用户变更数据一致性需要保证。
• 业务方影响，不能影响现网业务方正常使用帐号服务。

2.2 迁移方案

2.3 迁移过程

• 在新加坡机房搭建备库，主从同步 Binlog。
• 搭建 Canal 的server及client端，同步订阅消费Ｂinlog。
• client端基于订阅的Ｂinlog进行解析，将数据加密传输至欧盟GDPR机房。
• 欧盟应用数据解析传输的数据，落地存储。
• 数据同步完成后运维同事协助将上层域名的DNS解析转发至欧盟机房，完成数据切换。
• 观察新加坡机房Canal服务运行情况，没有异常后停止Canal服务。
• 通过业务方，帐号侧完成切换。
• 待业务方同步切换完成后，将新加坡机房的数据清除。

3、经验总结

3.1  数据序列化

Canal底层使用protobuf作为数据数据列化的方式，Canal-client在订阅到变更数据时，为null的数据会自动转换为空字符串，在ORM侧数据更新时，因判断逻辑不一致，导致最终表中数据更新为空字符串。

3.2  数据一致性

帐号本次线上Canal-client只有单节点，但在数据迁移过程中，因业务特性，导致数据出现了不一致的现象，示例大致如下：

• 用户换绑手机号A。
• Canal此时在还未订阅到此 Binlog position。
• 用户又换绑手机号B。
• 在对应时刻，Canal消费到更新手机号A的Binlog，导致用户新换绑的手机号做了覆盖。

3.3 数据库主从延时

出于数据一致性地考虑（结合帐号业务数据未达到需要分库的必要性），帐号分表在同一数据库进行，即迁移过程中分表数据不断地进行写入，加大数据库负载的同时造成了从库读取延时。

解决方案：增加速率控制，基于业务的实际情况，配置不同的策略，例如白天业务量大，可以适当降低写入速度，夜间业务量小，可以适当提升写入速度。

3.4 监控告警

在整体数据迁移过程中，vivo帐号在client端增加了实时同步数据的简易监控手段，即基于业务表基于内存做计数。

整体监控粒度较粗，包括以上数据不一致性，在数据同步完成后，未能发现异常，导致切换至分表模式下出现了业务问题，好在逻辑数据可以通过补偿等其他手段弥补，且对线上数据影响较小。

四、拓展思考

1、现有问题分析

以上是基于 Canal现有架构画出的简易图，虽然基于HA整体高可用，但细究后还是会发现一些隐患，其中标记红色X的节点，可以视为可能出现的故障点。

2、通用组件复用

基于以上可能出现的问题点，我们可以尝试做上图中的优化。

3、延展应用-多数据中心同步

在互联网行业，大家对“异地多活”已经耳熟能详，而数据同步是异地多活的基础，所有具备数据存储能力的组件如：数据库、缓存、MQ等，数据都可以进行同步，形成一个庞大而复杂的数据同步拓扑，相互备份对方的数据，才能做到真正意义上"异地多活”。

本逻辑不在本次讨论范围内，大家可以参阅以下文章内容，笔者个人认为讲解较为详细：http://www.tianshouzhi.com/api/tutorials/canal/404

五、参考资料

• https://github.com/alibaba/canal

• https://github.com/alibaba/otter

作者：vivo 产品平台开发团队