大数据-262 实时数仓 - Canal 同步数据 介绍背景原理与优势 拉链表 实时统 ...

点一下关注吧！！！非常感谢！！持续更新！！！

Java篇开始了！

• MyBatis 更新完毕
  
• 目前开始更新 Spring，一起深入浅出！
  

目前已经更新到了：

• Hadoop（已更完）
  
• HDFS（已更完）
  
• MapReduce（已更完）
  
• Hive（已更完）
  
• Flume（已更完）
  
• Sqoop（已更完）
  
• Zookeeper（已更完）
  
• HBase（已更完）
  
• Redis （已更完）
  
• Kafka（已更完）
  
• Spark（已更完）
  
• Flink（已更完）
  
• ClickHouse（已更完）
  
• Kudu（已更完）
  
• Druid（已更完）
  
• Kylin（已更完）
  
• Elasticsearch（已更完）
  
• DataX（已更完）
  
• Tez（已更完）
  
• 数据挖掘（已更完）
  
• Prometheus（已更完）
  
• Grafana（已更完）
  
• 离线数仓（已更完）
  
• 实时数仓（正在更新…）
  

章节内容

• 业务数据库表布局
  
• 生意业务订单、订单产物、产物分类、商家店铺、地域组织表
  

Canal 同步业务数据

环境准备

• Hadoop
  
• HBase
  
• Flink
  
• ClickHouse
  
• MySQL
  
• Canal
  
• Kafka
  

Canal 介绍

阿里巴巴 B2B 公司，由于业务的特性，卖家告急会集在国内，买家告急会集在国外，以是衍生出了杭州和美国异地机房的需求，从 2010 年开始，阿里系公司开始渐渐的尝试基于数据库的日志剖析，获取增量变更举行同步，由此衍生出了增量订阅、消耗的业务。
Canal是用 Java 开辟的基于数据库增量日志剖析，提供增量数据订阅、消耗的中间件。目前，Canal告急支持了 MySQL 的 Binlog 剖析，剖析完成后才利用 Canal Client 用来处理得到相干数据。（数据库同步需要案例的 otter 中间件，基于 Canal）。
Canal 的背景与初衷

在大规模互联网应用中，尤其是在像阿里巴巴如许的电商平台中，数据库的规模和复杂度通常非常高。为了进步数据的实时性和可用性，很多业务场景需要实时地同步数据库中的变化（如订单、用户数据等），并确保数据在多个系统之间同等。
Canal 的诞生，正是为相识决这一问题。通过 变更数据捕获（CDC） 技能，Canal 能够高效地监控并捕获数据库中的数据变动（如插入、更新、删除等操纵），然后将这些变动实时同步到下游系统，如搜索引擎、数据仓库、缓存等。
Canal 的核心功能

变更数据捕获（CDC）

Canal 的核心功能是实现变更数据捕获，它通过 剖析数据库日志（binlog） 的方式来获取数据库中的变化数据。Canal 支持 MySQL、PostgreSQL、Oracle 等数据库，并能够实时地捕获数据库的变化。

• 增量数据同步： 通过剖析 binlog，Canal 能够识别出数据库的增量变化（插入、更新、删除等），并将这些变动同步到下游系统。
  
• 高效处理： Canal 对数据变更举行高效的捕获和同步，支持大规模的分布式部署，能够处理高并发、高吞吐量的场景。
  

数据同步

Canal 不光可以捕获数据变动，还能将这些数据变动同步到其他系统。常见的应用场景包括：

• 同步到搜索引擎： 比如将 MySQL 中的数据变更实时同步到 Elasticsearch，以便进步检索的实时性。
  
• 同步到数据仓库： 实现 OLAP（联机分析处理）系统中的数据实时同步，比如将数据库变更同步到 Hadoop、ClickHouse 等大数据平台。
  
• 缓存同步： 数据库变动后，Canal 可以实时更新缓存（如 Redis），以确保缓存中的数据是最新的。
  

异构数据库支持

Canal 不光支持 MySQL、PostgreSQL、Oracle 等传统关系型数据库，还支持通过扩展和插件的方式支持更多数据库的接入，适应差别数据库之间的同步需求。
数据剖析与转换

Canal 允许对捕获到的数据举行剖析和转换。用户可以基于 Canal 提供的 API，定制化处理从数据库中捕获的数据，比如数据格式的转换、过滤等。
Canal 的工作原理

Canal 的工作原理大致分为以下几个步骤：

• 连接数据库：Canal 会连接到源数据库，并获取该数据库的 binlog（对于 MySQL 来说是 binary log，其他数据库有雷同机制）。binlog 记载了数据库的全部数据变动操纵。
  
• 剖析 binlog：Canal 会持续监听和剖析数据库的 binlog 文件。每当有新的数据变动时，Canal 就会读取新的 binlog 并剖析出具体的变更内容（插入、更新、删除等）。
  
• 数据处理：Canal 会将捕获到的变更数据通过数据剖析处理，然后根据设置和需求将数据同步到下游系统（比方消息队列、缓存、搜索引擎、数据仓库等）。
  
• 长期化与监控：Canal 还提供了长期化机制，能够保存已经同步的数据状态，同时具备监控功能，能够及时检测到系统非常并举行告警处理。
  

Canal 的优势

• 实时性： Canal 可以非常快速地捕获到数据库中的变更，适用于需要实时数据同步的场景。
  
• 高吞吐量： 它可以处理大量的数据变更，适用于高并发、高吞吐量的场景。
  
• 机动性： Canal 提供了丰富的扩展接口和插件支持，用户可以根据自己的需求举行定制化处理。
  
• 高可用性： Canal 支持分布式部署和高可用架构，可以在多节点之间实现负载均衡和故障切换，包管系统的稳定性。
  

Canal 的部署与使用

Canal 的部署和使用并不复杂，用户只需设置 Canal 与数据库的连接信息，并定义目标系统，Canal 就能开始实时捕获并同步数据。它支持 单机模式 和 集群模式，用户可以根据实际的吞吐量和可用性需求来选择差别的部署方式。
设置

用户需要设置以下内容：

• 数据库连接信息：包括数据库的 IP、端口、用户名、密码等。
  
• binlog 设置：指定要监听的 binlog 文件。
  
• 目标系统设置：设置将变更数据同步到哪个系统，比方 Kafka、Elasticsearch、Redis 等。
  

启动与监控

Canal 提供了简单的命令行工具来启动服务，而且可以通过 Web 界面或监控系统（如 Prometheus）对 Canal 的运行状态举行实时监控。
使用场景

原始场景

阿里 otter 中间件的一部分

• 数据同步： 实现差别数据库之间的数据同步，确保数据同等性。
  
• 实时数据仓库： 将源数据库的变更实时同步到数据仓库中，举行数据分析和报表展示。
  
• 实时搜索引擎更新： 将数据库的变更实时同步到搜索引擎中，提升搜索的实时性和准确性。
  
• 缓存更新： 在数据库发生变更时，及时更新缓存中的数据，避免缓存穿透和缓存差别等的问题。
  

更新缓存

拉链表

订单表，6 月 20 日有 3 条记载：

到 6 月 21 日，表中有 5 条记载：

到 6 月 22 日，表中有 6 条记载：

在数据仓库中筹划汗青拉链表保存该表

• dw_begin_date 表示该条记载的生命周期开始时间，dw_end_date 表示该条记载的生命周期竣事时间
  
• dw_end_date = '9999-12-31’表示该条记载属于有用
  
• 假如查询有用记载则可以直接 where 9999-12-31
  
• 假如查询 2012-06-21 的汗青快照，dw_begin_date <= ‘2012-06- 21’ and end_date >= ‘2012-06-21’
  

和原表在 6 月 21 日的记载完全同等，可以看出，如许的汗青拉链表，技能满意汗青数据的需求，又能很大水平的节流存储空间。
实时统计

抓去业务表的新增变化数据，用于实时统计。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。