作者：何白白

来源：cnblogs.com/hebaibai/p/10911899.html

业务背景

写任何工具都不能脱离实际业务的背景。开始这个项目的时候是因为现有的项目中数据分布太零碎，零零散散的分布在好几个数据库中，没有统一的数据库来收集这些数据。这种情况下想做一个大而全的会员中心系统比较困难。（这边是一个以互联网保险为中心的项目，保单，会员等数据很零散的储存在好几个项目之中，并且项目之间的数据基本上是隔离的）。

现有的项目数据库是在腾讯云中储存，虽然腾讯提供了数据同步功能，但是这样必须要表结构相同才行，并不符合我们的需求。所以需要自行开发。

需求需要能灵活配置。实时数据10分钟内希望可以完成同步。来源数据与目标数据可能结构，字段名称不同。增删改都可以同步。技术选择

这个任务交给了我和另外一个同事来做。

同事的

同事希望可以通过ETL工具Kettle来做，这个东西我没有研究过，是同事自己在研究。具体过程不是很清楚，但是最后是通过在mysql中设置更新，修改，删除的触发器，然后在Kettle中做了一个定时任务，实现了数据同步的功能，初步测试符合需求。但是必须要在数据库中设置触发器，并且会有一个临时表，这一点我个人不是很喜欢。

我的

我是本着能自己写就自己写的原则，准备自己写一个。刚开始使用的是定时任务比较两个库的数据差别，然后再同步数据。但是经过一定的数据测试后，发现在数据量大的时候，定时任务中的上一个任务没有执行完毕，下一个任务就又开始了。这样造成了两边数据不一致。最终这个方案废弃了。

后来通过研究，发现mysql的数据操作会记录在binlog中，这时就有了新的方案。可以通过逐行获取binlog信息，经过解析数据后，同步在目标库中。

既然有了方案，那么就开始做吧。

开始尝试1

首先要打开数据库的binlog功能，这一步比较简单，修改mysql的配置文件：/etc/mysql/mysql.conf.d/mysqld.cnf，添加：

server-id        = 1log_bin            = /var/log/mysql/mysql-bin.logexpire_logs_days    = 10max_binlog_size         = 100Mbinlog_format           = ROW

然后重启mysql 就好了，具体每个参数的意思，搜索一下就好了。这时候随意的对某一个数据库中的表做一下增删改，对应的日志就会记录在/var/log/mysql/这个文件夹下了。我们看一下这个文件夹里的东西：

这里的文件是没有办法正常查看的，需要使用mysql提供的命令来查看，命令是这个样子的：

1：查看

mysqlbinlog mysql-bin.000002

2：指定位置查看

mysqlbinlog --start-position="120" --stop-position="332" mysql-bin.000002

因为我们现在的binlog_format指定的格式是ROW（就在上面写的，还记得吗？），所谓binlog文件的内容没有办法正常查看，因为他是这个样子的：

这时，我们需要：

对输出进行解码

mysqlbinlog --base64-output=decode-rows -v mysql-bin.000001

这时候，显示的结果就变成了：

虽然还不是正常的sql，但是好赖是有一定的格式了。

but自己来做解析的话还是很麻烦，so～放弃这种操作。

继续尝试：2

经过再次研究后，发现数据库中执行sql也是可以查看binlog的。主要有如下几条命令：

重置binlog

reset master;

查看binlog的配置

show variables like '%binlog%';

查看所有的binlog

show binary logs;

查看正在写入的binlog

show master status;

查看指定binlog文件

show binlog events in 'mysql-bin.000001';

查看指定binlog文件，并指定位置

show binlog events in 'mysql-bin.000001' from [pos] limit [显示多少条];

按照上面的命令执行结果为：

发现sql还是不能正常显示。这里的原因应该是binlog_format配置的原因。将其修改为 binlog_format=Mixed后，完美解决。经过数据库中一通增删改后，显示的sql类似这样：

1

use `pay`; /* ApplicationName=DataGrip 2018.2.5 */ UPDATE `pay`.`p_pay_log` t SET t.`mark_0` = 'sdfsdf' WHERE t.`id` LIKE '342' ESCAPE '#'

现在似乎已经可以开始写数据同步了，只要在启动的时候获取当正在使用的是哪一个日志文件，记录binlog的位置，然后一点一点向下执行，解析sql就好了。但是在这个过程中，我发现阿里巴巴有一款开源的软件可以用。就是标题上说道的：canal。看了一下网站上的介绍，简直美滋滋。

它的文档和代码地址在这里：，大家可以看一下。现在就准备用这个来完成我所需要的功能。

正式开始写

首先看一下介绍，canal是需要单独运行一个服务的，这个服务具体的配置还是比较简单的。它的作用我自己理解就是监控binlog，然后根据自己的需要获取binlog中一定量的数据。这个数据是经过处理的，可以比较方便的知道里面的具体信息。比如那些数据发生了变动，每列数据的列名是什么，变动前和变动后的值是啥之类的。那么开始。

1：我的想法

1）：项目启动的时候，开启canal的链接，以及初始化一些配置。

2）先开启一个线程，里面写一个死循环，用于从canal的服务中获取binlog中的消息。这个消息类是：com.alibaba.otter.canal.protocol.Message。

Message message = connector.getWithoutAck(100);

3）取出Message中的事件集合，就是binlog中的每一条数据。将类型为增删改的数据取出，之后每一条数据放在一个线程中，用线程池去执行它。

List<Entry> entries = message.getEntries();message.getEntries()：从链接中获取的数据集合，每一条代表1条binlog数据

4）在每一个线程中，取出Entry中的数据，根据其类型拼接各种sql，并执行。

Header header = entry.getHeader();//获取发生变化的表名称，可能会没有String tableName = header.getTableName();//获取发生变化的数据库名称，可能会没有String schemaName = header.getSchemaName();//获取事件类型EventType eventType = rowChange.getEventType();/**这里我们只是用其中的三种类型：    EventType.DELETE 删除    EventType.INSERT 插入    EventType.UPDATE 更新*///获取发生变化的数据RowChange rowChange = CanalEntry.RowChange.parseFrom(entry.getStoreValue());//遍历其中的数据int rowDatasCount = rowChange.getRowDatasCount();for (int i = 0; i < rowDatasCount; i++) {    //每一行中的数据    RowData rowData = rowChange.getRowDatas(i);}//获取修改前的数据List<Column> before = rowData.getBeforeColumnsList();//获取修改后的数据List<Column> after = rowData.getAfterColumnsList();

Column中有一系列方法，比如是否发生修改，时候为key，是否是null等，就不在细说了。扩展：阿里Canal框架（数据同步中间件）初步实践

2.万事具备，可以开始写了

1）这里先写一个线程，用于不停的从canal服务中获取消息，然后创建新的线程并让其处理其中的数据。代码如下：

这里的jobList是我自己定义List<Job>，代码如下：

package com.hebaibai.miner.job;import com.alibaba.fastjson.JSONObject;import com.alibaba.otter.canal.protocol.CanalEntry;import com.google.protobuf.InvalidProtocolBufferException;import lombok.Data;import lombok.extern.slf4j.Slf4j;import org.springframework.jdbc.core.JdbcTemplate;import static com.alibaba.otter.canal.protocol.CanalEntry.Entry;@Slf4j@Datapublic abstract class Job {    /**     * 数据库链接     */    protected JdbcTemplate jdbcTemplate;    /**     * 额外配置     */    protected JSONObject prop;    /**     * 校验目标是否为合适的数据库和表     *     * @param table     * @param database     * @return     */    abstract public boolean isMatches(String table, String database);    /**     * 实例化一个Runnable     *     * @param entry     * @return     */    abstract public Runnable newTask(final Entry entry);    /**     * 获取RowChange     *     * @param entry     * @return     */    protected CanalEntry.RowChange getRowChange(Entry entry) {        try {            return CanalEntry.RowChange.parseFrom(entry.getStoreValue());        } catch (InvalidProtocolBufferException e) {            e.printStackTrace();        }        return null;    }}

jobList里面放的是Job的实现类。

3.写一个Job的实现类，并用于同步表，并转换字段名称。

因为需求中要求两个同步的数据中可能字段名称不一致，所以我写了一个josn用来配置两个表的字段对应关系：

//省略其他配置"prop": {//来源数据库  "database": "pay",//来源表  "table": "p_pay_msg",//目标表（目标库在其他地方配置）  "target": "member",//字段对应关系//key  ：来源表的字段名//value：目标表的字段名  "mapping": {    "id": "id",    "mch_code": "mCode",    "send_type": "mName",    "order_id": "phone",    "created_time": "create_time",    "creator": "remark"  }}//省略其他配置

下面是全部的代码，主要做的就是取出变动的数据，按照对应的字段名重新拼装sql，然后执行就好了，不多解释。扩展：基于canal进行日志的订阅和转换

package com.hebaibai.miner.job;import com.alibaba.fastjson.JSONObject;import lombok.extern.slf4j.Slf4j;import org.apache.commons.lang3.StringUtils;import java.util.ArrayList;import java.util.List;import java.util.stream.Collectors;import static com.alibaba.otter.canal.protocol.CanalEntry.*;/** * 单表同步，表的字段名称可以不同，类型需要一致 * 表中需要有id字段 */@SuppressWarnings("ALL")@Slf4jpublic class TableSyncJob extends Job {    /**     * 用于校验是否适用于当前的配置     *     * @param table     * @param database     * @return     */    @Override    public boolean isMatches(String table, String database) {        return prop.getString("database").equals(database) &&                prop.getString("table").equals(table);    }    /**     * 返回一个新的Runnable     *     * @param entry     * @return     */    @Override    public Runnable newTask(final Entry entry) {        return () -> {            RowChange rowChange = super.getRowChange(entry);            if (rowChange == null) {                return;            }            EventType eventType = rowChange.getEventType();            int rowDatasCount = rowChange.getRowDatasCount();            for (int i = 0; i < rowDatasCount; i++) {                RowData rowData = rowChange.getRowDatas(i);                if (eventType == EventType.DELETE) {                    delete(rowData.getBeforeColumnsList());                }                if (eventType == EventType.INSERT) {                    insert(rowData.getAfterColumnsList());                }                if (eventType == EventType.UPDATE) {                    update(rowData.getBeforeColumnsList(), rowData.getAfterColumnsList());                }            }        };    }    /**     * 修改后的数据     *     * @param after     */    private void insert(List<Column> after) {        //找到改动的数据        List<Column> collect = after.stream().filter(column -> column.getUpdated() || column.getIsKey()).collect(Collectors.toList());        //根据表映射关系拼装更新sql        JSONObject mapping = prop.getJSONObject("mapping");        String target = prop.getString("target");        List<String> columnNames = new ArrayList<>();        List<String> columnValues = new ArrayList<>();        for (int i = 0; i < collect.size(); i++) {            Column column = collect.get(i);            if (!mapping.containsKey(column.getName())) {                continue;            }            String name = mapping.getString(column.getName());            columnNames.add(name);            if (column.getIsNull()) {                columnValues.add("null");            } else {                columnValues.add("'" + column.getValue() + "'");            }        }        StringBuilder sql = new StringBuilder();        sql.append("REPLACE INTO ").append(target).append("( ")                .append(StringUtils.join(columnNames, ", "))                .append(") VALUES ( ")                .append(StringUtils.join(columnValues, ", "))                .append(");");        String sqlStr = sql.toString();        log.debug(sqlStr);        jdbcTemplate.execute(sqlStr);    }    /**     * 更新数据     *     * @param before 原始数据     * @param after  更新后的数据     */    private void update(List<Column> before, List<Column> after) {        //找到改动的数据        List<Column> updataCols = after.stream().filter(column -> column.getUpdated()).collect(Collectors.toList());        //找到之前的数据中的keys        List<Column> keyCols = before.stream().filter(column -> column.getIsKey()).collect(Collectors.toList());        //没有key,执行更新替换        if (keyCols.size() == 0) {            return;        }        //根据表映射关系拼装更新sql        JSONObject mapping = prop.getJSONObject("mapping");        String target = prop.getString("target");        //待更新数据        List<String> updatas = new ArrayList<>();        for (int i = 0; i < updataCols.size(); i++) {            Column updataCol = updataCols.get(i);            if (!mapping.containsKey(updataCol.getName())) {                continue;            }            String name = mapping.getString(updataCol.getName());            if (updataCol.getIsNull()) {                updatas.add("`" + name + "` = null");            } else {                updatas.add("`" + name + "` = '" + updataCol.getValue() + "'");            }        }        //如果没有要修改的数据，返回        if (updatas.size() == 0) {            return;        }        //keys        List<String> keys = new ArrayList<>();        for (Column keyCol : keyCols) {            String name = mapping.getString(keyCol.getName());            keys.add("`" + name + "` = '" + keyCol.getValue() + "'");        }        StringBuilder sql = new StringBuilder();        sql.append("UPDATE ").append(target).append(" SET ");        sql.append(StringUtils.join(updatas, ", "));        sql.append(" WHERE ");        sql.append(StringUtils.join(keys, "AND "));        String sqlStr = sql.toString();        log.debug(sqlStr);        jdbcTemplate.execute(sqlStr);    }    /**     * 删除数据     *     * @param before     */    private void delete(List<Column> before) {        //找到改动的数据        List<Column> keyCols = before.stream().filter(column -> column.getIsKey()).collect(Collectors.toList());        if (keyCols.size() == 0) {            return;        }        //根据表映射关系拼装更新sql        JSONObject mapping = prop.getJSONObject("mapping");        String target = prop.getString("target");        StringBuilder sql = new StringBuilder();        sql.append("DELETE FROM `").append(target).append("` WHERE ");        List<String> where = new ArrayList<>();        for (Column column : keyCols) {            String name = mapping.getString(column.getName());            where.add(name + " = '" + column.getValue() + "' ");        }        sql.append(StringUtils.join(where, "and "));        String sqlStr = sql.toString();        log.debug(sqlStr);        jdbcTemplate.execute(sqlStr);    }}