阿里巴巴开源项目:分布式数据库同步系统otter(解决中美异地机房)

Posted 邱明成

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了阿里巴巴开源项目:分布式数据库同步系统otter(解决中美异地机房)相关的知识,希望对你有一定的参考价值。

项目背景

   阿里巴巴B2B公司,因为业务的特性,卖家主要集中在国内,买家主要集中在国外,所以衍生出了杭州和美国异地机房的需求,同时为了提升用户体验,整个机房的架构为双A,两边均可写,由此诞生了otter这样一个产品。

   otter第一版本可追溯到04~05年,此次外部开源的版本为第4版,开发时间从2011年7月份一直持续到现在,目前阿里巴巴B2B内部的本地/异地机房的同步需求基本全上了otte4。

目前同步规模:

  1. 同步数据量6亿
  2. 文件同步1.5TB(2000w张图片)
  3. 涉及200+个数据库实例之间的同步
  4. 80+台机器的集群规模

 

项目介绍

名称:otter [‘?t?(r)]

译意: 水獭,数据搬运工

语言: 纯java开发

定位: 基于数据库增量日志解析,准实时同步到本机房或跨机房的mysql/oracle数据库. 

 

工作原理

技术分享

原理描述:

1.   基于Canal开源产品,获取数据库增量日志数据。 什么是Canal,  请点击

2.   典型管理系统架构,manager(web管理)+node(工作节点)

     a.  manager运行时推送同步配置到node节点

     b.  node节点将同步状态反馈到manager上

3.  基于zookeeper,解决分布式状态调度的,允许多node节点之间协同工作. 

 

什么是canal?

otter之前开源的一个子项目,开源链接地址:http://github.com/alibaba/canal

 

 

otter能解决什么?

1.  异构库同步

   a.  mysql ->  mysql/oracle.  (目前开源版本只支持mysql增量,目标库可以是mysql或者oracle,取决于canal的功能)

2.  单机房同步 (数据库之间RTT < 1ms)

   a. 数据库版本升级

   b. 数据表迁移

   c. 异步二级索引

3.  跨机房同步 (比如阿里巴巴国际站就是杭州和美国机房的数据库同不,RTT > 200ms,亮点)

   a. 机房容灾

4.  双向同步

    a.  避免回环算法  (通用的解决方案,支持大部分关系型数据库)

    b.  数据一致性算法   (保证双A机房模式下,数据保证最终一致性,亮点)

5.  文件同步

    a.  站点镜像  (进行数据复制的同时,复制关联的图片,比如复制产品数据,同时复制产品图片).

 

单机房复制示意图:

技术分享

说明: 

   a.  数据on-Fly,尽可能不落地,更快的进行数据同步.  (开启node loadBalancer算法,如果Node节点S+ETL落在不同的Node上,数据会有个网络传输过程)

   b.  node节点可以有failover /  loadBalancer.  

 

跨机房复制示意图:

技术分享

说明: 

   a.  数据涉及网络传输,S/E/T/L几个阶段会分散在2个或者更多Node节点上,多个Node之间通过zookeeper进行协同工作  (一般是Select和Extract在一个机房的Node,Transform/Load落在另一个机房的Node)

   b.  node节点可以有failover /  loadBalancer.  (每个机房的Node节点,都可以是集群,一台或者多台机器)

 

 

相关名词解释

 

otter核心model关系图

技术分享

 

名词解释

  • Pipeline:从源端到目标端的整个过程描述,主要由一些同步映射过程组成
  • Channel:同步通道,单向同步中一个Pipeline组成,在双向同步中有两个Pipeline组成
  • DateMediaPair:根据业务表定义映射关系,比如源表和目标表,字段映射,字段组等
  • DateMedia : 抽象的数据介质概念,可以理解为数据表/mq队列定义
  • DateMediaSource : 抽象的数据介质源信息,补充描述DateMedia
  • ColumnPair : 定义字段映射关系
  • ColumnGroup : 定义字段映射组
  • Node : 处理同步过程的工作节点,对应一个jvm

otter的S/E/T/L stage阶段模型

技术分享

说明:为了更好的支持系统的扩展性和灵活性,将整个同步流程抽象为Select/Extract/Transform/Load,这么4个阶段.

Select阶段: 为解决数据来源的差异性,比如接入canal获取增量数据,也可以接入其他系统获取其他数据等。

Extract/Transform/Load 阶段:类似于数据仓库的ETL模型,具体可为数据join,数据转化,数据Load的

 

相关实现介绍

QuickStart

See the page for quick start: QuickStart.

AdminGuide

See the page for admin deploy guide : AdminGuide

 

 
 

以上是关于阿里巴巴开源项目:分布式数据库同步系统otter(解决中美异地机房)的主要内容,如果未能解决你的问题,请参考以下文章

利用otter实现跨机房数据同步

mysql数据库同步系统otter部署实践(中国与欧洲同步)

mysql数据库同步系统otter部署实践(中国与欧洲同步)

otter双A同步配置

数据文件实时同步(rsync + sersync2)

阿里出品otter-同步数据量6亿涉及200+个数据库实例之间的同步