《数据蜂巢架构演进之路》阅读笔记

　　大二我们便接触到了mysql数据库，而各业务系统为使用mysql的业务数据，重复开发出多套数据同步工具，一方面难以管理，另外部分工具性能也偏差。需要一个统一为mysql数据提供同步服务的平台。该平台需支持离线同步，实时订阅，实时同步三大基本功能。以下是我的阅读笔记：

一、功能整合

　　1、各功能如何实现？

　　离线同步：可理解为将根据一个sql查询出的数据同步到其它目标存储上；

　　实时订阅：通过实时解析mysql-binlog,将数据的变动封装成事件存于消息队列，供用户订阅消费；

　　实时同步：提供一些常见的订阅客户端料现，实时消费消息，将数据的变动应用于目标存储上。

二、任务细节

　　以下为各个Job进行分片后生成的Task内部具体实现细节

　　1、BatchTask

　　Fetcher负责抽取数据，Sinker负责写入数据，Storage为缓存层。

　　2、StreamTask

　　RelayLogTask负责拉取binlog；HHLTask负责解析Binlog,并将解析出的数据变更事件封装为易使用的消息体，最后存入hhl中。

　　hhl的实现借鉴了Kafka，可看作一个简易版的消息队列。消息使用protobuf序列化，压缩后顺序写入文件。同时提供了指定大小的索引块。

　三、集群

　　使用Master-Slave结构，如下图所示：

 

　　Master这里称之为Queen；Slave这里称之为Bee。

　　Queen负责作业的分片，调度；Bee负责任务的具体执行（任务由作业分片后得到）。

个人总结：

　　1、高可用

i.Mysql：mysql的高可用由dba维护，但mysql主从切换后对应的位点会不同，此处通过监测serverId的变更来发现主从切换，主机切换后通过时间在新实例上查找对应位点；

ii.Queen：通过zookeeper来实现Active与StandBy的切换

iii.Bee：宕机后Queen会将该主机上运行的所有任务切换到其它机器上

　　2、数据本地性

每一台Bee都有自己的机柜，机架，机房，分组信息。作业运行时可以指定自己的喜好，任务会优先分到指定的机器分组上

　　3、负载均衡

Bee在运行时会通过心跳汇报自己负载情况，当一个任务需要调度时，Queen会在满 足数据本地性的前提下优先将任务分发到负载低的主机上。

 

 

 

转自https://mp.weixin.qq.com/s?__biz=MzU1MzE2NzIzMg==&mid=2247485060&idx=1&sn=2d374061f2f85c453cc27d092a5354ad&chksm=fbf7b66bcc803f7dde316a4edbb40d9e6074640ef95ca7b1095b3d885433c991115ac00f1d9b&scene=21#wechat_redirect