maxwell、canal分别与GPKAFKA连接的异同

粗浅的看了下两者的区别以及简单应用了下，如果有错误的地方请大家指正

一.筛选比对

1.maxwell的filter：

官网说明：https://maxwells-daemon.io/filtering/

--filter = 'exclude: *.*, include: db1.*'

请务必记住前面要加入

exclude: *.*

采用带启动配置文件的修改对应的config.properties文件

/app/maxwell-1.35.5/bin/maxwell --config config.properties

格式大同小异，如下：

filter= exclude: *.*, include: test.home

2.canal的渠道模式

官网说明：https://github.com/alibaba/canal/wiki/Canal-Kafka-RocketMQ-QuickStart

参考配置及说明：

vi /app/canal/conf/example/instance.properties

canal.mq.topic=mysql
canal.mq.dynamicTopic=test.home

如果说对应的binlog中包括了test.home的表，他自动将对应的binlog解析转到test_home这个topic下，其他的统统转到mysql这个topic下。

3.二者区别或者局限性相，对于GPKAFKA而言

首先申明，可能是我对GPSS的理解上可能存在不足，我没有找到更好的解决方案，因此我在配置GPSS的时候存在比较多的问题，理论上应该有，但是不知道怎么设置。因此先把这个假设前提建立在我的认识上，即GPKAFKA可能没有更好的筛选方案，GPKAFKA对kafka的消费数据的渠道分流能力不够好。

假设一个项目有10张表需要同步到greenplum

• maxwell方案：由于GPKAFKA无法精细分析出该topic下binlog日志对应的每个表的分别操作或者相对较弱，或者资源消耗相对过大，因此需要对应kafka开启10个topic，并且开启10个maxwell，分别筛选至对应的topic；然后开启10个GPSS，分别对应不同的topic建立对应的yaml进行同步；

• canal方案：由于canal本身支持管道功能，因此在第一步就可以只在kafka下开启10个topic，然后只用1个canal就可以写入分别对应的topic；同时由于分别写入的topic对应的数据量也不会太高；

假设GPKAFKA有较好的筛选功能，但是由于maxwell的局限性，他不能将一个binlog分别解析到不同的topic，也就是说GPKAFKA消费的数据量会从10张表的数据源去筛选出自己对应这个进程所需要的内容，这样其实也会造成资源的浪费；

总而言之maxwell方案不适合给GPKAFKA做多表的实时同步！至少我看到的是这样的。

二.GPKAFKA的实现比对：

1.json的格式不一样：

• maxwell：

{"data":[{"id":"13","tab":"123","values":"1231231"}],"database":"test","es":1642058435000,"id":10,"isDdl":false,"mysqlType":{"id":"int(14)","tab":"varchar(20)","values":"varchar(60)"},"old":null,"pkNames":["id"],"sql":"","sqlType":{"id":4,"tab":12,"values":12},"table":"home","ts":1642058440150,"type":"DELETE"}
{"data":[{"id":"32","tab":"12","values":"213"}],"database":"test","es":1642058451000,"id":11,"isDdl":false,"mysqlType":{"id":"int(14)","tab":"varchar(20)","values":"varchar(60)"},"old":null,"pkNames":["id"],"sql":"","sqlType":{"id":4,"tab":12,"values":12},"table":"home","ts":1642058455906,"type":"INSERT"}

• canal:

{"data":[{"id":"444","tab":"444","values":"4444","rrr":null}],"database":"test","es":1642062004000,"id":5,"isDdl":false,"mysqlType":{"id":"int(14)","tab":"varchar(21)","values":"varchar(60)","rrr":"varchar(50)"},"old":null,"pkNames":["id"],"sql":"","sqlType":{"id":4,"tab":12,"values":12,"rrr":12},"table":"home","ts":1642062008970,"type":"INSERT"}

2.yaml样式

• maxwell

DATABASE: test
USER: gpadmin
HOST: 192.168.10.227
PORT: 5432
VERSION: 2
KAFKA:
   INPUT:
      SOURCE:
        BROKERS: 192.168.10.225:9092,192.168.10.226:9092,192.168.10.228:9092
        TOPIC: mysql
      VALUE:
        COLUMNS:
          - NAME: c1
            TYPE: json
        FORMAT: json
      ERROR_LIMIT: 100
   OUTPUT:
      SCHEMA: test
      MODE: MERGE
      MATCH_COLUMNS:
        - id
      UPDATE_COLUMNS:
        - tab
        - values
      ORDER_COLUMNS:
        - ts
        - xid
        - del_mark
        - ddl_type
      TABLE: home
      MAPPING:
        - NAME: id
          EXPRESSION: (c1->'data'->>'id')::decimal
        - NAME: tab
          EXPRESSION: (c1->'data'->>'tab')::text
        - NAME: values
          EXPRESSION: (c1->'data'->>'values')::text
        - NAME: ts
          EXPRESSION: (c1->>'es')::decimal
        - NAME: xid
          EXPRESSION: (c1->>'id')::decimal
        - NAME: ddl_type
          EXPRESSION: (c1->>'type')::text
        - NAME: del_mark
          EXPRESSION: CASE WHEN ((c1->>'type')::text= 'DELETE') then true else false end
   COMMIT:
      MINIMAL_INTERVAL: 2000

• canal

DATABASE: test
USER: gpadmin
HOST: 192.168.10.227
PORT: 5432
VERSION: 2
KAFKA:
   INPUT:
      SOURCE:
        BROKERS: 192.168.10.225:9092,192.168.10.226:9092,192.168.10.228:9092
        TOPIC: test_home
      VALUE:
        COLUMNS:
          - NAME: c1
            TYPE: json
        FORMAT: json
      ERROR_LIMIT: 100
   OUTPUT:
      SCHEMA: test
      MODE: MERGE
      MATCH_COLUMNS:
        - id
      UPDATE_COLUMNS:
        - tab
        - values
      ORDER_COLUMNS:
        - ts
        - xid
        - del_mark
        - ddl_type
      TABLE: home
      MAPPING:
        - NAME: id
          EXPRESSION: ((c1#>>'{data,0}')::json->>'id')::decimal
        - NAME: tab
          EXPRESSION: ((c1#>>'{data,0}')::json->>'tab')::text
        - NAME: values
          EXPRESSION: ((c1#>>'{data,0}')::json->>'values')::text
        - NAME: ts
          EXPRESSION: (c1->>'es')::decimal
        - NAME: xid
          EXPRESSION: (c1->>'id')::decimal
        - NAME: ddl_type
          EXPRESSION: (c1->>'type')::text
        - NAME: del_mark
          EXPRESSION: CASE WHEN ((c1->>'type')::text= 'DELETE') then true else false end
   COMMIT:
      MINIMAL_INTERVAL: 2000

• 两者区别：

  json格式的设置这个需要注意设置。

  当对应的binlog有其他表在进行的时候，MAXWELL对应的GPKAFKA任务表会不停的插入空数据行，可能是我设置的问题，由于canal是采取分流方式获得的topic，因此GPKAKA在获取数据的时候仅有一个表的数据，不会有空行的出现。

综合推荐：

如果采用GPKAFKA作为数据实时同步的解决方案，建议还是考虑用canal，当然这个可能是因为我太菜，maxwell+GPKAFKA会摩擦出更多火花也不一定。