canal是阿裡巴巴旗下的一款開源項目，純Java開發。基于資料庫增量日志解析，提供增量資料訂閱&消費，目前主要支援了mysql（也支援mariaDB）。
起源：早期，阿裡巴巴B2B公司因為存在杭州和美國雙機房部署，存在跨機房同步的業務需求。不過早期的資料庫同步業務，主要是基于trigger的方式擷取增量變更，不過從2010年開始，阿裡系公司開始逐漸的嘗試基于資料庫的日志解析，擷取增量變更進行同步，由此衍生出了增量訂閱&消費的業務，從此開啟了一段新紀元。
基于日志增量訂閱&消費支援的業務：
資料庫鏡像
資料庫實時備份
多級索引 (賣家和買家各自分庫索引)
search build
業務cache重新整理
價格變化等重要業務消息
mysql主備複制實作：
從上層來看，複制分成三步：
master将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進行檢視）；
slave将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，将改變反映它自己的資料。
canal的工作原理
原理相對比較簡單：
canal模拟mysql slave的互動協定，僞裝自己為mysql slave，向mysql master發送dump協定
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)
個人了解，資料增量訂閱與消費應當有如下幾個點：
增量訂閱和消費子產品應當包括binlog日志抓取，binlog日志解析，事件分發過濾（EventSink），存儲（EventStore）等主要子產品。
如果需要確定HA可以采用Zookeeper儲存各個子子產品的狀态，讓整個增量訂閱和消費子產品實作無狀态化，當然作為consumer(用戶端)的狀态也可以儲存在zk之中。
整體上通過一個Manager System進行集中管理，配置設定資源。
可以參考下圖：
說明：
server代表一個canal運作執行個體，對應于一個jvm
instance對應于一個資料隊列 （1個server對應1..n個instance)
instance子產品：
eventParser (資料源接入，模拟slave協定和master進行互動，協定解析)
eventSink (Parser和Store連結器，進行資料過濾，加工，分發的工作)
eventStore (資料存儲)
metaManager (增量訂閱&消費資訊管理器)
整個parser過程大緻可分為幾部：
Connection擷取上一次解析成功的位置（如果第一次啟動，則擷取初始制定的位置或者是目前資料庫的binlog位點）
Connection建立連接配接，發生BINLOG_DUMP指令
Mysql開始推送Binary Log
接收到的Binary Log通過Binlog parser進行協定解析，補充一些特定資訊
傳遞給EventSink子產品進行資料存儲，是一個阻塞操作，直到存儲成功
存儲成功後，定時記錄Binary Log位置
資料過濾：支援通配符的過濾模式，表名，字段内容等
資料路由/分發：解決1:n (1個parser對應多個store的模式)
資料歸并：解決n:1 (多個parser對應1個store)
資料加工：在進入store之前進行額外的處理，比如join
1 資料1:n業務 ：
為了合理的利用資料庫資源， 一般常見的業務都是按照schema進行隔離，然後在mysql上層或者dao這一層面上，進行一個資料源路由，屏蔽資料庫實體位置對開發的影響，阿裡系主要是通過cobar/tddl來解決資料源路由問題。 是以，一般一個資料庫執行個體上，會部署多個schema，每個schema會有由1個或者多個業務方關注。
2 資料n:1業務：
同樣，當一個業務的資料規模達到一定的量級後，必然會涉及到水準拆分和垂直拆分的問題，針對這些拆分的資料需要處理時，就需要連結多個store進行處理，消費的位點就會變成多份，而且資料消費的進度無法得到盡可能有序的保證。 是以，在一定業務場景下，需要将拆分後的增量資料進行歸并處理，比如按照時間戳/全局id進行排序歸并.
目前實作了Memory記憶體、本地file存儲以及持久化到zookeeper以保障資料叢集共享。
Memory記憶體的RingBuffer設計：
定義了3個cursor
Put : Sink子產品進行資料存儲的最後一次寫入位置
Get : 資料訂閱擷取的最後一次提取位置
Ack : 資料消費成功的最後一次消費位置
借鑒Disruptor的RingBuffer的實作，将RingBuffer拉直來看：
實作說明：
Put/Get/Ack cursor用于遞增，采用long型存儲
buffer的get操作，通過取餘或者與操作。(與操作： cusor & (size - 1) , size需要為2的指數，效率比較高)
instance代表了一個實際運作的資料隊列，包括了EventPaser,EventSink,EventStore等元件。
抽象了CanalInstanceGenerator，主要是考慮配置的管理方式：
manager方式： 和你自己的内部web console/manager系統進行對接。(alibaba内部使用方式)
spring方式：基于spring xml + properties進行定義，建構spring配置.
spring/memory-instance.xml 所有的元件(parser , sink , store)都選擇了記憶體版模式，記錄位點的都選擇了memory模式，重新開機後又會回到初始位點進行解析。特點：速度最快，依賴最少
spring/file-instance.xml 所有的元件(parser , sink , store)都選擇了基于file持久化模式，注意，不支援HA機制.支援單機持久化
spring/default-instance.xml 所有的元件(parser , sink , store)都選擇了持久化模式，目前持久化的方式主要是寫入zookeeper，保證資料叢集共享. 支援HA
spring/group-instance.xml 主要針對需要進行多庫合并時，可以将多個實體instance合并為一個邏輯instance，提供用戶端通路。場景：分庫業務。 比如産品資料拆分了4個庫，每個庫會有一個instance，如果不用group，業務上要消費資料時，需要啟動4個用戶端，分别連結4個instance執行個體。使用group後，可以在canal server上合并為一個邏輯instance，隻需要啟動1個用戶端，連結這個邏輯instance即可.
server代表了一個canal的運作執行個體，為了友善元件化使用，特意抽象了Embeded(嵌入式) / Netty(網絡通路)的兩種實作：
Embeded : 對latency和可用性都有比較高的要求，自己又能hold住分布式的相關技術(比如failover)
Netty : 基于netty封裝了一層網絡協定，由canal server保證其可用性，采用的pull模型，當然latency會稍微打點折扣，不過這個也視情況而定。
具體的協定格式，可參見：CanalProtocol.proto
get/ack/rollback協定介紹：
Message getWithoutAck(int batchSize)，允許指定batchSize，一次可以擷取多條，每次傳回的對象為Message，包含的内容為：
a. batch id 唯一辨別
b. entries 具體的資料對象，對應的資料對象格式：EntryProtocol.proto
void rollback(long batchId)，顧命思議，復原上次的get請求，重新擷取資料。基于get擷取的batchId進行送出，避免誤操作
void ack(long batchId)，顧命思議，确認已經消費成功，通知server删除資料。基于get擷取的batchId進行送出，避免誤操作
canal的get/ack/rollback協定和正常的jms協定有所不同，允許get/ack異步處理，比如可以連續調用get多次，後續異步按順序送出ack/rollback，項目中稱之為流式api.
流式api設計的好處：
get/ack異步化，減少因ack帶來的網絡延遲和操作成本 (99%的狀态都是處于正常狀态，異常的rollback屬于個别情況，沒必要為個别的case犧牲整個性能)
get擷取資料後，業務消費存在瓶頸或者需要多程序/多線程消費時，可以不停的輪詢get資料，不停的往後發送任務，提高并行化. (作者在實際業務中的一個case：業務資料消費需要跨中美網絡，是以一次操作基本在200ms以上，為了減少延遲，是以需要實施并行化)
流式api設計：
每次get操作都會在meta中産生一個mark，mark标記會遞增，保證運作過程中mark的唯一性
每次的get操作，都會在上一次的mark操作記錄的cursor繼續往後取，如果mark不存在，則在last ack cursor繼續往後取
進行ack時，需要按照mark的順序進行數序ack，不能跳躍ack. ack會删除目前的mark标記，并将對應的mark位置更新為last ack cusor
一旦出現異常情況，用戶端可發起rollback情況，重新置位：删除所有的mark, 清理get請求位置，下次請求會從last ack cursor繼續往後取
canal采用protobuff:
canal-message example:
比如資料庫中的表：
更新一條資料（update person set age=15 where id=4）：
canal的HA分為兩部分，canal server和canal client分别有對應的ha實作：
canal server: 為了減少對mysql dump的請求，不同server上的instance要求同一時間隻能有一個處于running，其他的處于standby狀态.
canal client: 為了保證有序性，一份instance同一時間隻能由一個canal client進行get/ack/rollback操作，否則用戶端接收無法保證有序。
整個HA機制的控制主要是依賴了zookeeper的幾個特性，watcher和EPHEMERAL節點(和session生命周期綁定)，可以看下我之前zookeeper的相關文章。
Canal Server:
大緻步驟：
canal server要啟動某個canal instance時都先向zookeeper進行一次嘗試啟動判斷 (實作：建立EPHEMERAL節點，誰建立成功就允許誰啟動)
建立zookeeper節點成功後，對應的canal server就啟動對應的canal instance，沒有建立成功的canal instance就會處于standby狀态
一旦zookeeper發現canal server A建立的節點消失後，立即通知其他的canal server再次進行步驟1的操作，重新選出一個canal server啟動instance.
canal client每次進行connect時，會首先向zookeeper詢問目前是誰啟動了canal instance，然後和其建立連結，一旦連結不可用，會重新嘗試connect.
Canal Client的方式和canal server方式類似，也是利用zokeeper的搶占EPHEMERAL節點的方式進行控制.
HA配置架構圖（舉例）如下所示：
canal還有幾種連接配接方式：
1. 單連
2. 兩個client+兩個instance+1個mysql
當mysql變動時，兩個client都能擷取到變動
3. 一個server+兩個instance+兩個mysql+兩個client
4. instance的standby配置
從整體架構上來說canal是這種架構的（canal中沒有包含一個運維的console web來對接，但要運用于分布式環境中肯定需要一個Manager來管理）：
一個總體的manager system對應于n個Canal Server（實體上來說是一台伺服器）, 那麼一個Canal Server對應于n個Canal Instance(destinations). 大體上是三層結構，第二層也需要Manager統籌運維管理。
那麼随着Docker技術的興起，是否可以試一下下面的架構呢？
一個docker中跑一個instance服務，相當于略去server這一層的概念。
Manager System中配置一個instance,直接調取一個docker釋出這個instance,其中包括向這個instance發送配置資訊，啟動instance服務.
instance在運作過程中，定時重新整理binlog filename+ binlog position的資訊至zk。
如果一個instance出現故障，instance本身報錯或者zk感覺此node消失，則根據相應的資訊，比如上一步儲存的binlog filename+binlog position重新開啟一個docker服務，當然這裡可以适當的加一些重試機制。
當要更新時，類似AB test, 先關閉一個docker,然後開啟新的已更新的替換，循序漸進的進行。
當涉及到分表分庫時，多個實體表對應于一個邏輯表，可以将結果存于一個公共的子產品（比如MQ），或者單獨存取也可以，具體情況具體分析
存儲可以參考canal的多樣化：記憶體，檔案，zk，或者加入至MQ中
docker由此之外的工具管理，比如kubernetes
也可以進一步添加HA的功能，兩個docker對應一個mysql，互為主備，類似Canal的HA架構。如果時效性不是貼别強的場景，考慮到成本，此功能可以不采用。
這裡總結了一下Canal的一些點，僅供參考：
原理：模拟mysql slave的互動協定，僞裝自己為mysql slave，向mysql master發送dump協定；mysql master收到dump請求，開始推送binary log給slave(也就是canal)；解析binary log對象(原始為byte流)
重複消費問題：在消費端解決。
采用開源的open-replicator來解析binlog
canal需要維護EventStore，可以存取在Memory, File, zk
canal需要維護用戶端的狀态，同一時刻一個instance隻能有一個消費端消費
資料傳輸格式：protobuff
支援binlog format 類型:statement, row, mixed. 多次附加功能隻能在row下使用，比如otter
binlog position可以支援儲存在記憶體，檔案，zk中
instance啟動方式：rpc/http; 内嵌
有ACK機制
無告警，無監控，這兩個功能都需要對接外部系統
友善快速部署。
<a href="https://github.com/alibaba/canal">https://github.com/alibaba/canal</a>