Canal入门（二）

Canal入门（二）

canal kafka quickStart

1、基本说明

canal 1.1.1版本之后, 默认支持将canal server接收到的binlog数据直接投递到MQ, 目前默认支持的MQ系统有:kafka，RocketMQ

2、环境版本要求

• 操作系统：CentOS release 6.6 (Final)
• java版本: jdk1.8
• canal 版本: 请下载最新的安装包，本文以当前v1.1.1 的canal.deployer-1.1.1.tar.gz为例
• MySQL版本 ：5.7.18
• 注意 ： 关闭所有机器的防火墙，同时注意启动可以相互telnet ip 端口

3、安装canal.server

进行这一步之前你应该已经装好了你的zookeeper和kafka
zookeeper安装配置：https://blog.csdn.net/h_big_tiger/article/details/100018921
kafka安装：https://blog.csdn.net/h_big_tiger/article/details/100018956

3.1 下载压缩包

到官网地址(release)下载最新压缩包,此处我下载的是1.1.1.版本。请下载 canal.deployer-latest.tar.gz

3.2 将canal.deployer 复制到固定目录并解压

mkdir -p /usr/local/canal
cp canal.deployer-1.1.1.tar.gz   /usr/local/canal
tar -zxvf canal.deployer-1.1.1.tar.gz 

3.3 配置修改参数

1. 修改instance 配置文件

   vi conf/example/instance.properties
   
   #  按需修改成自己的数据库信息
   #################################################
   ...
   canal.instance.master.address=ip:port
   # username/password,数据库的用户名和密码
   ...
   canal.instance.dbUsername = canal
   canal.instance.dbPassword = canal
   ...
   # mq config
   canal.mq.topic=example
   # 针对库名或者表名发送动态topic
   #canal.mq.dynamicTopic=mytest,.*,mytest.user,mytest\\..*,.*\\..*
   canal.mq.partition=0
   # hash partition config
   #canal.mq.partitionsNum=3
   #库名.表名: 唯一主键，多个表之间用逗号分隔
   #canal.mq.partitionHash=mytest.person:id,mytest.role:id
   #################################################
   

   对应ip 地址的MySQL 数据库需进行相关初始化与设置, 可参考我上一篇文章（链接）

2. 修改canal 配置文件

   vi /usr/local/canal/conf/canal.properties
   
   # ...
   # 可选项: tcp(默认), kafka, RocketMQ
   canal.serverMode = kafka
   # ...
   # kafka/rocketmq 集群配置: 192.168.1.117:9092,192.168.1.118:9092,192.168.1.119:9092 
   canal.mq.servers = 127.0.0.1:6667
   canal.mq.retries = 0
   # flagMessage模式下可以调大该值, 但不要超过MQ消息体大小上限
   canal.mq.batchSize = 16384
   canal.mq.maxRequestSize = 1048576
   # flatMessage模式下请将该值改大, 建议50-200
   canal.mq.lingerMs = 1
   canal.mq.bufferMemory = 33554432
   # Canal的batch size, 默认50K, 由于kafka最大消息体限制请勿超过1M(900K以下)
   canal.mq.canalBatchSize = 50
   # Canal get数据的超时时间, 单位: 毫秒, 空为不限超时
   canal.mq.canalGetTimeout = 100
   # 是否为flat json格式对象
   canal.mq.flatMessage = true
   canal.mq.compressionType = none
   canal.mq.acks = all
   # kafka消息投递是否使用事务
   canal.mq.transaction = false
   

   关于各项配置意义请看最下面

3.4 启动

cd /usr/local/canal/
sh bin/startup.sh

3.5 查看日志

• 查看 logs/canal/canal.log

  vi logs/canal/canal.log
  

• 查看instance的日志

  vi logs/example/example.log
  

3.6 关闭

cd /usr/local/canal/
sh bin/stop.sh

3.7 MQ数据消费

canal.client下有对应的MQ数据消费的样例工程,包含数据编解码的功能

关于kafka模式的可看（链接）

注释：

mq相关参数说明（与kafka对应）

canal.mq.dynamicTopic 表达式说明

设置匹配规则，建议MQ开启自动创建topic的能力

canal 1.1.3版本之后, 支持配置格式：schema 或 schema.table，多个配置之间使用逗号或分号分隔

• 例子1：test\.test 指定匹配的单表，发送到以test_test为名字的topic上
• 例子2：.\… 匹配所有表，则每个表都会发送到各自表名的topic上
• 例子3：test 指定匹配对应的库，一个库的所有表都会发送到库名的topic上
• 例子4：test\.* 指定匹配的表达式，针对匹配的表会发送到各自表名的topic上
• 例子5：test,test1\.test1，指定多个表达式，会将test库的表都发送到test的topic上，test1\.test1的表发送到对应的test1_test1 topic上，其余的表发送到默认的canal.mq.topic值

为满足更大的灵活性，允许对匹配条件的规则指定发送的topic名字，配置格式：topicName:schema 或 topicName:schema.table

• 例子1: test:test\.test 指定匹配的单表，发送到以test为名字的topic上
• 例子2: test:.\… 匹配所有表，因为有指定topic，则每个表都会发送到test的topic下
• 例子3: test:test 指定匹配对应的库，一个库的所有表都会发送到test的topic下
• 例子4：testA:test\.* 指定匹配的表达式，针对匹配的表会发送到testA的topic下
• 例子5：test0:test,test1:test1\.test1，指定多个表达式，会将test库的表都发送到test0的topic下，test1\.test1的表发送到对应的test1的topic下，其余的表发送到默认的canal.mq.topic值

canal.mq.partitionHash 表达式说明

canal 1.1.3版本之后, 支持配置格式：schema.table:pk1^pk2，多个配置之间使用逗号分隔

• 例子1：test\.test:pk1^pk2 指定匹配的单表，对应的hash字段为pk1 + pk2
• 例子2：.\…:id 正则匹配，指定所有正则匹配的表对应的hash字段为id
• 例子3：.\…: p k pk pk 正则匹配，指定所有正则匹配的表对应的hash字段为表主键(自动查找)
• 例子4: 匹配规则啥都不写，则默认发到0这个partition上
• 例子5：.\… ，不指定pk信息的正则匹配，将所有正则匹配的表,对应的hash字段为表名
  • 按表hash: 一张表的所有数据可以发到同一个分区，不同表之间会做散列 (会有热点表分区过大问题)
• 例子6: test\.test:id,.\…* , 针对test的表按照id散列,其余的表按照table散列

设置匹配规则，多条匹配规则之间是按照顺序进行匹配(命中一条规则就返回)

mq顺序性问题

binlog本身是有序的

1. canal目前选择支持的kafka/rocketmq，本质上都是基于本地文件的方式来支持了分区级的顺序消息的能力，也就是binlog写入mq是可以有一些顺序性保障，这个取决于用户的一些参数选择
2. canal支持MQ数据的几种路由方式：单topic单分区，单topic多分区、多topic单分区、多topic多分区
   • canal.mq.dynamicTopic，主要控制是否是单topic还是多topic，针对命中条件的表可以发到表名对应的topic、库名对应的topic、默认topic name
   • canal.mq.partitionsNum、canal.mq.partitionHash，主要控制是否多分区以及分区的partition的路由计算，针对命中条件的可以做到按表级做分区、pk级做分区等
3. canal的消费顺序性，主要取决于描述2中的路由选择，举例说明：
   • 单topic单分区，可以严格保证和binlog一样的顺序性，缺点就是性能比较慢，单分区的性能写入大概在2~3k的TPS
   • 多topic单分区，可以保证表级别的顺序性，一张表或者一个库的所有数据都写入到一个topic的单分区中，可以保证有序性，针对热点表也存在写入分区的性能问题
   • 单topic、多topic的多分区，如果用户选择的是指定table的方式，那和第二部分一样，保障的是表级别的顺序性(存在热点表写入分区的性能问题)，如果用户选择的是指定pk hash的方式，那只能保障的是一个pk的多次binlog顺序性 ** pk hash的方式需要业务权衡，这里性能会最好，但如果业务上有pk变更或者对多pk数据有顺序性依赖，就会产生业务处理错乱的情况. 如果有pk变更，pk变更前和变更后的值会落在不同的分区里，业务消费就会有先后顺序的问题，需要注意