文章目录
- 前言
- 一、数据异构的常用方法
- 1. 完整克隆
- 2. MQ方式
- 3. binlog方式
- 二、MQ与Binlog方案实现
- MQ方式
- binlog方式
- 注意点
- 三、总结
前言
何谓数据异构：把数据按需（数据结构、存取方式、存取形式）异地构建存储。比如我们将DB里面的数据持久化到Redis或者ES里面去，就是一种数据异构的方式。
常见应用场景
分库分表中有一个最为常见的场景，为了提升数据库的查询能力，我们都会对数据库做分库分表操作。比如订单库，开始的时候我们是按照订单ID作为分片键去分库分表，后来的业务需求想按照商家维度去查询，比如想查询某一个商家下的所有订单，就非常麻烦。
这个时候通过数据异构就能很好的解决此问题，如下图：
异构维度
数据异构总结起来大概有以下几种场景
- 数据库镜像（DB→DB）
- 数据库实时备份
- 多级索引（DB→ClickHouse）
- search build（比如分库分表后的多维度数据查询）（DB→ES）
- 业务cache刷新（DB→Redis）
- 价格、库存变化等重要业务消息
数据异构方向
异构的几种方向
在日常业务开发中大致可以分为以上几种数据去向，DB-DB这种方式，一般常见于分库分表后，聚合查询的时候，比如我们按照订单ID去分库分表，那么这个时候我们要按照用户ID去查询，查询这个用户下面的订单就非常不方便了(因为分库分表后的查询where条件必须带分片键），当然可以使用统一加到内存中去，但这样不太好。
所以我们就可以用数据库异构的方式，重新按照用户ID的维度来分一个表，像在上面常见应用场景中介绍的那样。把数据异构到redis、elasticserach、slor中去要解决的问题跟按照多维度来查询的需求差不多。这些存储天生都有聚合的功能。当然同时也可以提高查询性能，应对大访问量，比如redis这种抗量银弹。
一、数据异构的常用方法
1. 完整克隆
这个很简单就是将数据库A，全部拷贝一份到数据库B，这样的使用场景是离线统计跑任务脚本的时候可以，如MySQL→Hive，用于离线数据业务。缺点也很突出，不适用于持续增长的数据。
2. MQ方式
业务数据写入DB的同时，也发送MQ一份，也就是业务里面实现双写。这种方式比较简单，但也很难保证数据一致性，对简单的业务场景可以采用这种方式。
3. binlog方式
通过实时的订阅MySQL的binlog日志，消费到这些日志后，重新构建数据结构插入一个新的数据库或者是其他存储，比如es、slor等等。订阅binlog日志可以比较好的能保证数据的一致性。
二、MQ与Binlog方案实现
MQ方式
mq的方式，相对简单，实际上是在业务逻辑中写DB的同时去写一次MQ，但是这种方式不能够保证数据一致性，就是不能保证跨资源的事务，因为MQ可能出现消息堆积、重复消息、消息丢失等问题。
注：调用第三方远程RPC的操作一定不要放到事务中。否则可能造成大事务问题，影响程序性能
binlog方式
canal异构方式
binglog是数据的日志记录方式，每次对数据的操作都会有binlog日志。现在有很多开源的订阅binlog日志的组件，比如使用比较广泛的canal，它是阿里开源的基于mysql数据库binlog的增量订阅和消费组件。
由于canal服务器目前读取的binlog事件只保存在内存中，并且只有一个canal客户端可以进行消费。所以如果需要多个消费客户端，可以引入activemq或者kafka。如上图绿色虚线框部分。
我们还需要确保全量对比来保证数据的一致性（canal+mq的重试机制基本可以保证写入异构库之后的数据一致性），这个时候可以有一个全量同步WORKER程序来保证，如上图深绿色部分。
canal的工作原理
先来看下mysql主备（主从）复制原理如下图，在此原理基础之上我们再来理解canal的实现原理就一眼能明白了。
mysql主备复制实现原理
mysql主备（主从）复制原理，从上层来看，复制分成三步：
-
master将改变记录到二进制日志(binary log)中（这些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）； -
slave将master的binary log events拷贝到它的中继日志(relay log)； -
slave重做中继日志中的事件，将改变反映到它自己的数据。
再来看下canal的原理，如下图：
cannal实现原理相对比较简单（参照上面的mysql主备复制实现原理）：
-
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)
我们在部署canal server的时候要部署多台，来保证高可用。但是canal的原理，是只有一台服务器在跑处理，其它的服务器作为热备。canal server的高可用是通过zookeeper来维护的。
有关canal更具体的使用和详细原理请参照：https://github.com/alibaba/canal
注意点
- 确认
MySQL开启binlog，使用show variables like 'log_bin';查看ON为已开启，一般都是已经开启的 - 确认目标库可以产生
binlog，show master status注意Binlog_Do_DB，Binlog_Ignore_DB参数 - 确认
binlog格式为ROW，使用show variables like 'binlog_format';非ROW模式则可以登录MySQL执行set global binlog_format=ROW; flush logs;或者通过更改MySQL配置文件并重启MySQL生效。 - 为保证
binlake服务可以获取Binlog，需添加授权，执行GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'admin'@'%' identified by 'admin'; FLUSH PRIVILEGES;
三、总结
本文主要叙述了数据异构的使用场景，方法。这里面涉及到的kafka以及canal并没有深入分析，关于这块的内容可以直接参考相关具体文档，文中已给了链接地址。
根据数据异构的定义，将数据异地构建存储，我们可以应用的地方就非常多，文中说的分库分表之后按照其它维度来查询的时候，我们想脱离DB直接用缓存比如redis来抗量的时候。数据异构这种方式都能够很好的帮助我们来解决诸如此类的问题。
