何謂數據異構，上周交易部門商品的同事過來做分享，又看到這個詞，他的PPT里面是 數據庫異構。其實我們以前做的事情，也是可以稱之為數據異構。比如我們將DB里面的數據持久化到Redis里面去，就是一種數據異構的方式。

如果要下個定義的話：把數據按需（數據結構、存取方式、存取形式）異地構建存儲。

常見應用場景

分庫分表中有一個最為常見的場景，為了提升數據庫的查詢能力，我們都會對數據庫做分庫分表操作。比如訂單庫，開始的時候我們是按照訂單ID維度去分庫分表，那么后來的業務需求想按照商家維度去查詢，比如我想查詢某一個商家下的所有訂單，就非常麻煩。

這個時候通過數據異構就能很好的解決此問題，如下圖：

異構維度

數據異構總結起來大概有以下幾種場景

• 數據庫鏡像
• 數據庫實時備份
• 多級索引
• search build（比如分庫分表后的多維度數據查詢）
• 業務cache刷新
• 價格、庫存變化等重要業務消息

數據異構方向

異構的幾種方向

在日常業務開發中大致可以分為以上幾種數據去向，DB-DB這種方式，一般常見于分庫分表后，聚合查詢的時候，比如我們按照訂單ID去分庫分表，那么這個時候我們要按照用戶ID去查詢，查詢這個用戶下面的訂單就非常不方便了，當然可以使用統一加到內存中去，但這樣不太好。

所以我們就可以用數據庫異構的方式，重新按照用戶ID的維度來分一個表，像在上面常見應用場景中介紹的那樣。把數據異構到redis、elasticserach、slor中去要解決的問題跟按照多維度來查詢的需求差不多。這些存儲天生都有聚合的功能。當然同時也可以提高查詢性能，應對大訪問量，比如redis這種抗量銀彈。

數據異構的常用方法

1. 完整克隆

這個很簡單就是將數據庫A，全部拷貝一份到數據庫B，這樣的使用場景是離線統計跑任務腳本的時候可以。缺點也很突出，不適用于持續增長的數據。

2. 標記同步

這個是業務場景比較簡單的時候，理想情況下數據不會發生改變，比如日志數據，這個時候可以去標記，比如時間戳，這樣當發生故障的時候還可以回溯到上一次同步點，開始重新同步數據。

3. binlog方式

通過實時的訂閱MySQL的binlog日志，消費到這些日志后，重新構建數據結構插入一個新的數據庫或者是其他存儲比如es、slor等等。訂閱binlog日志可以比較好的能保證數據的一致性。

4. MQ方式

業務數據寫入DB的同時，也發送MQ一份，也就是業務里面實現雙寫。這種方式比較簡單，但也很難保證數據一致性，對簡單的業務場景可以采用這種方式。

binlog方式

canal異構方式

binglog是數據的日志記錄方式，每次對數據的操作都會有binlog日志。現在開源的訂閱binlog日志的組件，比如使用比較廣泛的canal，它是阿里開源的基于mysql數據庫binlog的增量訂閱和消費組件。

由于cannal服務器目前讀取的binlog事件只保存在內存中，并且只有一個canal客戶端可以進行消費。所以如果需要多個消費客戶端，可以引入activemq或者kafka。如上圖綠色虛線框部分。

我們還需要確保全量對比來保證數據的一致性（canal+mq的重試機制基本可以保證寫入異構庫之后的數據一致性），這個時候可以有一個全量同步WORKER程序來保證，如上圖深綠色部分。

canal的工作原理

先來看下mysql主備（主從）復制原理如下圖，在此原理基礎之上我們再來理解canal的實現原理就一眼能明白了。

mysql主備復制實現原理

mysql主備（主從）復制原理，從上層來看，復制分成三步：

• master將改變記錄到二進制日志(binary log)中（這些記錄叫做二進制日志事件，binary log events，可以通過show binlog events進行查看）；
• slave將master的binary log events拷貝到它的中繼日志(relay log)；
• slave重做中繼日志中的事件，將改變反映它自己的數據。

再來看下canal的原理，如下圖：

canal工作原理

cannal實現原理相對比較簡單（參照上面的mysql主備復制實現原理）：

• canal模擬mysql slave的交互協議，偽裝自己為mysql slave，向mysql master發送dump協議
• mysql master收到dump請求，開始推送binary log給slave(也就是canal)
• canal解析binary log對象(原始為byte流)

我們在部署canal server的時候要部署多臺，來保證高可用。但是canal的原理，是只有一臺服務器在跑處理，其它的服務器作為熱備。canal server的高可用是通過zookeeper來維護的。

有關canal更具體的使用和詳細原理請參照：https://github.com/alibaba/canal

注意點

• 確認MySQL開啟binlog，使用show variables like 'log_bin';查看ON為已開啟
• 確認目標庫可以產生binlog，show master status注意Binlog_Do_DB，Binlog_Ignore_DB參數
• 確認binlog格式為ROW，使用show variables like 'binlog_format';非ROW模式登錄MySQL執行set global binlog_format=ROW; flush logs;或者通過更改MySQL配置文件并重啟MySQL生效。
• 為保證binlake服務可以獲取Binlog，需添加授權，執行GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'admin'@'%' identified by 'admin'; FLUSH PRIVILEGES;

MQ方式

MQ異構方式

mq的方式，就相對簡單，實際上是在業務邏輯中寫DB的同時去寫一次MQ，但是這種方式不能夠保證數據一致性，就是不能保證跨資源的事務。注：調用第三方遠程RPC的操作一定不要放到事務中。

總結

本文主要敘述了數據異構的使用場景，方法。這里面涉及到的activemq以及canal并沒有深入分析，關于這塊的內容可以直接參考相關具體文檔，文中已給了鏈接地址。

根據數據異構的定義，將數據異地構建存儲，我們可以應用的地方就非常多，文中說的分庫分表之后按照其它維度來查詢的時候，我們想脫離DB直接用緩存比如redis來抗量的時候。數據異構這種方式都能夠很好的幫助我們來解決諸如此類的問題。