一般来说，我们对于数据库最主要的要求就是：数据不丢。不管是主从复制，还是使用类似otter+canal这样的数据库同步方案，我们最基本的需求是，在数据不丢失的前提下，尽可能的保证系统的高可用，也就是在某个节点挂掉，或者数据库发生主从切换等情况下，我们的数据同步系统依然能够发挥它的作用--数据同步。本文讨论的场景是数据库发生主从切换，本文将从源码的角度，来看看otter和canal是如何保证高可用和高可靠的。
一、EventParser
通过阅读文档和源码，我们可以知道，对于一个canal server，基础的框架包括以下几个部分：MetaManager、EventParser、EventSink和EventStore。其中EventParser的作用就是发送dump命令，从mysql数据库获取binlog文件。发送dump命令，可以指定时间戳或者position，从指定的时间或者位置开始dump。我们来看看过程：
首先是CanalServer启动。otter默认使用的是内置版的canal server，所以我们主要看CanalServerWithEmbedded这个类。来看下他的启动过程：
public void start(final String destination) {
final CanalInstance canalInstance = canalInstances.get(destination);
if (!canalInstance.isStart()) {
try {
MDC.put("destination", destination);
canalInstance.start();//启动实例
logger.info("start CanalInstances[{}] successfully", destination);
} finally {
MDC.remove("destination");
}
}
}
我们看下实例启动那一行，跟到AbstractCanalInstance类中
public void start() {
super.start();
if (!metaManager.isStart()) {
metaManager.start();//源数据管理启动
}
if (!alarmHandler.isStart()) {
alarmHandler.start();//报警处理器启动
}
if (!eventStore.isStart()) {
eventStore.start();//数据存储器启动
}
if (!eventSink.isStart()) {
eventSink.start();//数据过滤器启动
}
if (!eventParser.isStart()) {//数据解析器启动
beforeStartEventParser(eventParser);
eventParser.start();
afterStartEventParser(eventParser);
}
logger.info("start successful....");
}
我们主要看下eventParser.start()方法里面的内容。我们主要关注的是EventParser使如何在主从切换的条件下，进行dump节点的确定的。我们跟踪到AbstractEventParser类中的start()方法，重点看下
// 4. 获取最后的位置信息
EntryPosition position = findStartPosition(erosaConnection);
这块有两个实现，但是canal目前使用的是MysqlEventParser，也就是基于Mysql的Binlog文件来进行数据同步。我们看下代码：
protected EntryPosition findStartPosition(ErosaConnection connection) throws IOException {
EntryPosition startPosition = findStartPositionInternal(connection);
if (needTransactionPosition.get()) {
logger.warn("prepare to find last position : {}", startPosition.toString());
Long preTransactionStartPosition = findTransactionBeginPosition(connection, startPosition);
if (!preTransactionStartPosition.equals(startPosition.getPosition())) {
logger.warn("find new start Transaction Position , old : {} , new : {}",
startPosition.getPosition(),
preTransactionStartPosition);
startPosition.setPosition(preTransactionStartPosition);
}
needTransactionPosition.compareAndSet(true, false);
}
return startPosition;
}
对于第一行findStartPositionInternal(connection)，我们重点关注的情况是数据库连接地址发生变化，也就是进行了主从切换的情况。
boolean case2 = (standbyInfo == null || standbyInfo.getAddress() == null)
&& logPosition.getPostion().getServerId() != null
&& !logPosition.getPostion().getServerId().equals(findServerId(mysqlConnection));
if (case2) {
long timestamp = logPosition.getPostion().getTimestamp();
long newStartTimestamp = timestamp - fallbackIntervalInSeconds * 1000;
logger.warn("prepare to find start position by last position {}:{}:{}", new Object[]{"", "",
logPosition.getPostion().getTimestamp()});
EntryPosition findPosition = findByStartTimeStamp(mysqlConnection, newStartTimestamp);
// 重新置为一下
dumpErrorCount = 0;
return findPosition;
}
我们分析下case2这个条件，其实就是表示的就是配置了主从切换，而且发生了serverId变化的情况，在这种情况下，首先需要获取到事件发生的时间戳，然后将这个事件发生的时间减去60s，也就是向前推一分钟之后，在新的binlog文件中根据新的时间戳来找到当时对应的事件。
这块根据时间戳来寻找事件的过程比较简单，首先根据binglog-index文件找到所有的binlog文件名，然后遍历binlog文件的头，找到binlog文件的写入时间，与新的时间戳进行对比，定位到binlog文件。定位到文件后，直接根据时间戳来进行遍历，找到新的时间戳之前发生的那个事务起始位置。
/**
* 根据给定的时间戳，在指定的binlog中找到最接近于该时间戳(必须是小于时间戳)的一个事务起始位置。
* 针对最后一个binlog会给定endPosition，避免无尽的查询
*/
private EntryPosition findAsPerTimestampInSpecificLogFile(MysqlConnection mysqlConnection,
final Long startTimestamp,
final EntryPosition endPosition,
final String searchBinlogFile) {
final LogPosition logPosition = new LogPosition();
try {
mysqlConnection.reconnect();
// 开始遍历文件
mysqlConnection.seek(searchBinlogFile, 4L, new SinkFunction<LogEvent>() {
private LogPosition lastPosition;
public boolean sink(LogEvent event) {
EntryPosition entryPosition = null;
try {
CanalEntry.Entry entry = parseAndProfilingIfNecessary(event);
if (entry == null) {
return true;
}
String logfilename = entry.getHeader().getLogfileName();
Long logfileoffset = entry.getHeader().getLogfileOffset();
Long logposTimestamp = entry.getHeader().getExecuteTime();
if (CanalEntry.EntryType.TRANSACTIONBEGIN.equals(entry.getEntryType())
|| CanalEntry.EntryType.TRANSACTIONEND.equals(entry.getEntryType())) {
logger.debug("compare exit condition:{},{},{}, startTimestamp={}...", new Object[]{
logfilename, logfileoffset, logposTimestamp, startTimestamp});
// 事务头和尾寻找第一条记录时间戳，如果最小的一条记录都不满足条件，可直接退出
if (logposTimestamp >= startTimestamp) {
return false;
}
}
if (StringUtils.equals(endPosition.getJournalName(), logfilename)
&& endPosition.getPosition() <= (logfileoffset + event.getEventLen())) {
return false;
}
// 记录一下上一个事务结束的位置，即下一个事务的position
// position = current +
// data.length，代表该事务的下一条offest，避免多余的事务重复
if (CanalEntry.EntryType.TRANSACTIONEND.equals(entry.getEntryType())) {
entryPosition = new EntryPosition(logfilename,
logfileoffset + event.getEventLen(),
logposTimestamp);
logger.debug("set {} to be pending start position before finding another proper one...",
entryPosition);
logPosition.setPostion(entryPosition);
} else if (CanalEntry.EntryType.TRANSACTIONBEGIN.equals(entry.getEntryType())) {
// 当前事务开始位点
entryPosition = new EntryPosition(logfilename, logfileoffset, logposTimestamp);
logger.debug("set {} to be pending start position before finding another proper one...",
entryPosition);
logPosition.setPostion(entryPosition);
}
lastPosition = buildLastPosition(entry);
} catch (Throwable e) {
processSinkError(e, lastPosition, searchBinlogFile, 4L);
}
return running;
}
});
} catch (IOException e) {
logger.error("ERROR ## findAsPerTimestampInSpecificLogFile has an error", e);
}
if (logPosition.getPostion() != null) {
return logPosition.getPostion();
} else {
return null;
}
}
这块的逻辑如下：
- 发送dump命令，起始位置为4L，也就是跳过了binlog的第一个标志事件。
- canal收到binlog，开始进行对binlog文件进行解析。
- 主要我们看的是事务开始和事务提交的事件，判断事务开始或结束的时间，是否小于我们要找的时间戳，如果大于等于，直接遍历下一个事件。
- 传入了一个endPosition，防止无限扫描。
- 虽说是从头开始扫描的，但是要想跳出遍历，需要满足一定的条件。在跳出遍历之前，最后一次设置的logPosition才是我们要招的logPosition。
- 如果是一个事务提交的事件，我们要找的position就是这个事件的position+event.length。如果是事务开始，position就是当前事件的position。其他的事件都忽略。
至此，我们已经找到了我们想要的binlog文件名和对应的事务开始position，我们继续下面的步骤即可。
二、EventStore
这块内容的主要思想如下：
- 维护一个类似于Disruptor的RingBuffer，同时维护三个序列，put/get/ack。
- EventSink之后的数据，调用put接口，将数据放入环形队列中。
- Canal client获取数据，调用get方法。
- 异步调用ack方法，清除ack之前的数据。
- 值得注意的是，这块get和ack采用了流式API的模式，get和ack异步进行，可以先get，然后异步调用ack。
- ack是有序的，不允许跳跃式的提交。
三、Binlog的Row模式
至此，我们基本上知道了canal是如何在发生数据库主从切换时保证高可用和高可靠的，我们可能还有疑惑：为什么要回退60s，来解析binlog，这样不会导致数据重复吗？还有一些自增的update语句（不具备幂等性），不会产生数据错误吗？要想回答这些问题，就需要我们了解Binlog的Row模式了。
Mysql Binlog的Row模式记录的，是数据库中每一行的数据变化，而不仅仅是sql语句。比如我们对数据库中的多行，使用一条sql语句进行了修改。在这种情况下，如果Binlog模式为Statement，只会记录一条sql语句。而Row模式下，会对每一行的数据变化进行记录，以及变化前后每个字段的值。这也就是为什么Row模式的binlog文件如此之大的原因。
对于一些不具备幂等性的sql语句，采用Row语句进行Binlog解析时，也是可以通过重复执行，来保证我们数据的最终一致性的。这也就解释了，为什么要回退60s来进行Binlog位点定位、解析的问题。考虑到Mysql主从的数据复制的延迟性（60s，一般来说的延迟没有这么久），我们可以在主节点挂掉的情况下，回退60s到从节点上继续进行binlog的解析。
当然，也需要考虑一些极端的情况，也就是主从复制确实超过了60s的延迟，在这种情况下，就需要otter登场了。基本思路是：反查数据库同步 (以数据库最新版本同步，解决交替性，比如设置一致性反查数据库延迟阀值为60秒，即当同步过程中发现数据延迟超过了60秒，就会基于PK反查一次数据库，拿到当前最新值进行同步，减少交替性的问题)。
