前言
Porter是一款数据同步中间件，主要用于解决同构/异构数据库之间的表级别数据同步问题。
背景
在微服务架构模式下深刻的影响了应用和数据库之间的关系，不像传统多个服务共享一个数据库，微服务架构下每个服务都要有自己的数据库。如果你想获得微服务带来的好处，每个服务独有一个数据库是必须的，因为微服务强调的就是松耦合。我们希望数据库就和服务一样，要有充分的独立性、可以和服务一起部署、一起扩展、一起重构。同时，还需要兼顾数据中心的数据聚合、DBA的多种数据库备份、报表中心的业务报表等等矛盾问题。因此便产生了「Porter」项目。
微服务改造过程中，无法避免的一个坎，那就是垂直拆库，根据不同的子服务，把过去的「一库多服」拆分成「一库一服」。
一库一服还是一库多服？
不管是否是微服务架构，应用的各个模块之间都需要频繁的通信、协作、共享数据，实现系统的整体价值。区别点在于单体应用是通过本地方法调用来完成；在微服务中是通过远程API调用完成。
而共享数据最贱的方式就是采用共享数据库模式，也就是单体应用中最常用的方式，一般只有一个数据库，如图一库多服和一库一服的方式:
image
一库多服的架构模式通常会被认为是微服务架构下的反范式，它的问题在于：
稳定性：单点故障，一个数据库挂掉，整批服务全部停止。服务独立性被扼杀？
耦合性：数据在一起，会给贪图方便的开发或者DBA工程师编写很多数据间高度依赖的程序或者工具；
扩展性：无法针对某一个服务进行精准优化或扩展，服务会大体分为两个读多写少、写多读少，数据库优化是根据服务而来的，不是一篇而论。
所以随行付内部一般推荐的做法：是为每一个微服务准备一个单独的数据库，即一库一服模式。这种模式更加适合微服务架构，它满足每一个服务是独立开发、独立部署、独立扩展的特性。当需要对一个服务进行升级或者数据架构改动的时候，无须影响到其他的服务。需要对某个服务进行扩展的时候，也可以手术式的对某一个服务进行局部扩容。
那么问题来了，在改造中我们发现，以下问题，诞生了该项目：
报表中心和前端详细页都存在SQL Join方式，经历我们一库一服的拆分后，无法在继续使用SQL Join方式了...
数据中心，做得是数据聚合，数据拆分后，给数据中心带来了很大的麻烦...
微服务之后，各个应用模块对数据库的要求出现了分歧，数据库类型多元化自主选择还是统一...
等等...
Proter介绍
Porter是一个集中式的数据处理通道，所有的数据都在这个数据处理平台汇聚、分发。Porter是一个无中心、插件友好型分布式数据同步中间件。默认注册中心插件实现为zookeeper, 当然，你也可以基于注册中心接口实现自定义注册中心模块。在Porter的主流程外分布着集群插件、源端消费插件、源端消息转换器插件、目标端写入插件、告警插件、自定义数据定义插件等插件模块，除了集群插件、告警插件是Porter任务节点全局作用域外，其余插件模块都随着同步任务的不同而相应组合。得益于良好的设计模式，Porter才能为大家呈现如此灵活的扩展性与易用性。
功能
Porter始于2017年，提供数据同步功能，但并不仅仅局限于数据同步，在随行付内部广泛使用。主要提供一下功能：
原生支持Oracle|Mysql到Jdbc关系型数据库最终一致同步
插件友好化，支持自定义源端消费插件、目标端载入插件、告警插件等插件二次开发。
支持自定义源端、目标端表、字段映射
支持节点基于配置文件的同步任务配置。
支持管理后台同步任务推送，节点、任务管理。提供任务运行指标监控，节点运行日志、任务异常告警。
支持节点资源限流、分配。
基于Zookeeper集群插件的分布式架构。支持自定义集群插件。
架构设计
Porter节点通过注册中心实现分布式集群，并根据资源需求动态扩缩容。Portert与注册中心协商了一套任务、节点、统计接口，Porter节点通过监听注册中心接口数据的变化实现任务的分配管理。配置管理后台遵守并实现注册中心的接口规范，实现对Porter节点远程管理。注册中心同样有一套分布式锁机制，用于任务资源的分配。
在这个机制外，Porter节点可以通过本地配置文件的方式实现任务的定义。
image
原理介绍:
1、基于Canal开源产品，获取MySql数据库增量日志数据。
2、管理系统架构。管理节点(web manager)管理工作节点任务编排、数据工作节点(TaskWork)汇报工作进度
3、基于Zookeeper集群插件的分布式架构。支持自定义集群插件
4、基于Kafka消息组件，每张表对应一个Topic，数据节点分Topic消费工作
处理流程
为了保证数据的一致性，源端数据提取与目标端插入采用单线程顺序执行，中间阶段通过多线程执行提高数据处理速度。对照上图就是SelectJob与LoadJob单线程执行，ExtractJob、TransformJob线程并行执行，然后在LoadJob阶段对数据包进行排序，顺序写入目标端。
正如文章开头所说，告警插件与注册中心插件在多个任务间共享，每个任务根据源端与目标端的类型、源端数据格式选择与之相匹配的处理插件。也就是说告警插件、注册中心插件与Porter节点配置相关，数据消费插件、目标端插件、自定义数据处理插件等插件与任务配置相关。
image
插件化设计
Porter通过SPI规范结合单例、工厂、监听者模式等设计模式，实现了极大的灵活性与松耦合，满足不同场景的二次开发。具体涵盖如下四个方面的插件化设计：
注册中心插件
源端消费插件
目标端载入插件
自定义数据处理插件
注册中心插件
在common包META-INF/spring.factories有如下内容:
cn.vbill.middleware.porter.common.cluster.ClusterProvider= cn.vbill.middleware.porter.common.cluster.impl.zookeeper.ZookeeperClusterProvider
摘抄ClusterProvider接口定义：
/** * 匹配配置文件指定的注册中心实现 * @param type * @return */ boolean matches(ClusterPlugin type);
porter-boot的配置文件对注册中心的配置如下:
#集群配置 porter.cluster.strategy=ZOOKEEPER porter.cluster.client.url=127.0.0.1:2181 porter.cluster.client.sessionTimeout=100000
看到这里，有了配置文件和插件定义，我们还差使配置生效的代码。代码在Porter-boot的启动类NodeBootApplication中:
//初始化集群提供者中间件,spring spi插件
try { //获取集群配置信息
ClusterProviderProxy.INSTANCE.initialize(config.getCluster());
} catch (Exception e) {
ClusterProviderProxy.INSTANCE.stop(); throw new RuntimeException("集群配置参数ClusterConfig初始化失败, 数据同步节点退出!error:" + e.getMessage());
}ClusterProviderProxy是一个单例枚举类，在initialize中根据spring.factories配置的实现类顺序通过实现类的matches方法匹配配置文件的配置:
List<ClusterProvider> providers = SpringFactoriesLoader.loadFactories(
ClusterProvider.class, JavaFileCompiler.getInstance());
for (ClusterProvider tmp : providers) { if (tmp.matches(config.getStrategy())) {
tmp.start(config);
provider = tmp; break;
}
}Porter节点通过注册ClusterListener监听感知注册中心的通知事件，Porter的zookeeper实现在包porter-cluster里,通过ZookeeperClusterMonitor激活:
cn.vbill.middleware.porter.common.cluster.impl.zookeeper.ZookeeperClusterListener=\ cn.vbill.middleware.porter.cluster.zookeeper.ZKClusterTaskListener,\ cn.vbill.middleware.porter.cluster.zookeeper.ZKClusterNodeListener,\ cn.vbill.middleware.porter.cluster.zookeeper.ZKClusterStatisticListener,\ cn.vbill.middleware.porter.cluster.zookeeper.ZKClusterConfigListener
源端消费插件
本地配置文件任务配置参数如下，指定了源端消费插件，源端连接信息，数据转换插件，目标端插件等:
node.task[0].taskId=任务ID node.task[0].consumer.consumerName=KafkaFetch #源端消费插件node.task[0].consumer.converter=oggJson #数据转换插件node.task[0].consumer.source.sourceType=KAFKA node.task[0].consumer.source.servers=127.0.0.1:9200 node.task[0].consumer.source.topics=kafka主题 node.task[0].consumer.source.group=消费组 node.task[0].consumer.source.oncePollSize=单次消费数据条数 node.task[0].consumer.source.pollTimeOut=100 node.task[0].loader.loaderName=JdbcBatch #目标端插件node.task[0].loader.source.sourceName=全局目标端数据源名字
kafka消费插件“KafkaFetch”定义在porter-plugin/kafka-consumer包，通过META-INF/spring.factories暴露实现:
cn.vbill.middleware.porter.core.consumer.DataConsumer = cn.vbill.middleware.porter.plugin.consumer.kafka.KafkaConsumer
通过消费器工厂类DataConsumerFactory查找并激活,这里的consumerName就是在配置文件中配置的“KafkaFetch”
public DataConsumer newConsumer(String consumerName) throws DataConsumerBuildException { for (DataConsumer t : consumerTemplate) { if (t.isMatch(consumerName)) { try { return t.getClass().newInstance();
} catch (Exception e) {
LOGGER.error("%s", e); throw new DataConsumerBuildException(e.getMessage());
}
}
} return null;
}目标端载入插件
要实现目标端载入插件需要继承cn.vbill.middleware.porter.core.consumer.AbstractDataConsumer
//为该插件指定的插件名称，用于在任务配置中指定目标端插件类型 protected String getPluginName(); //LoadJob阶段执单线程执行，实际的目标端插入逻辑，插入对象通过mouldRow()在TransformJob构造 public Pair<Boolean, List<SubmitStatObject>> load(ETLBucket bucket) throws TaskStopTriggerException, InterruptedException; //transform阶段多线程并行执行,用于自定义处理数据行 public void mouldRow(ETLRow row) throws TaskDataException;
完成自定义目标端插件开发后，通过spring SPI机制发布插件
cn.vbill.middleware.porter.core.loader.DataLoader=\ cn.vbill.middleware.porter.plugin.loader.DemoLoader
通过载入器工厂类DataLoaderFactory查找并激活,这里的loaderName就是在getPluginName()指定的插件名称
public DataLoader newLoader(String loaderName) throws DataLoaderBuildException { for (DataLoader t : loaderTemplate) { if (t.isMatch(loaderName)) { try { return t.getClass().newInstance();
} catch (Exception e) {
LOGGER.error("%s", e); throw new DataLoaderBuildException(e.getMessage());
}
}
}那么在任务配置时如何指定呢?看这里:
porter.task[0].loader.loaderName=目标端插件名称
实现细节参考porter-plugin包下的kafka-loader、jdbc-loader、kudu-loader三个目标端
自定义数据处理插件
假设我们要将mysql表T_USER同步到目标端Oracle T_USER_2，源端表T_USER表结构与目标端表T_USER_2一致。我们的需求是只保留FLAG字段等于0的用户数据。
需求有了，接下来我们就要实现EventProcessor接口做自定义数据过滤
package cn.vbill.middleware.porter.plugin; public class UserFilter implements cn.vbill.middleware.porter.core.event.s.EventProcessor { @Override
public void process(ETLBucket etlBucket) {
List<ETLRow> rows = etlBucket.getRows().stream().filter(r -> { //第一步 找到表名为T_USER的记录
boolean tableMatch = r.getFinalTable().equalsIgnoreCase("T_USER"); if (!tableMatch) return tableMatch; //第二步 找到字段FLAG的值不等于0的记录
boolean columnMatch = r.getColumns().stream().filter(c -> c.getFinalName().equalsIgnoreCase("FLAG")
&& (null == c.getFinalValue() || !c.getFinalValue().equals("0"))).count() > 0; return tableMatch && columnMatch;
}).collect(Collectors.toList()); //第三步 清除不符合条件的集合
etlBucket.getRows().removeAll(rows);
}
}在任务中指定自定义数据处理插件:
porter.task[0].taskId=任务ID porter.task[0].consumer.consumerName=CanalFetch porter.task[0].consumer.converter=canalRow porter.task[0].consumer.source.sourceType=CANAL porter.task[0].consumer.source.slaveId=0porter.task[0].consumer.source.address=127.0.0.1:3306porter.task[0].consumer.source.database=数据库 porter.task[0].consumer.source.username=账号 porter.task[0].consumer.source.password=密码 porter.task[0].consumer.source.filter=*.\.t_user porter.task[0].consumer.eventProcessor.className=cn.vbill.middleware.porter.plugin.UserFilter porter.task[0].consumer.eventProcessor.content=/path/UserFilter.classporter.task[0].loader.loaderName=JdbcBatch #目标端插件porter.task[0].loader.source.sourceType=JDBC porter.task[0].loader.source.dbType=ORACLE porter.task[0].loader.source.url=jdbc:oracle:thin:@//127.0.0.1:1521/oracledbporter.task[0].loader.source.userName=demo porter.task[0].loader.source.password=demo porter.task[0].mapper[0].auto=falseporter.task[0].mapper[0].table=T_USER,T_USER_2
集群机制
Porter的集群模式依赖集群插件，默认的集群插件基于zookeeper实现。Porter任务节点和管理节点并不是强制绑定关系，任务部署可以通过任务配置文件，也可以通过管理节点推送。管理节点还可以管理节点、收集、展示监控指标信息等，是一个不错的、简化运维的管理平台。同样的，可以基于zookeeper数据结构协议实现你自己的管理平台。
集群模式下的系统结构：
image
zookeeper集群模式插件
zookeeper数据结构协议：
{% asset_img zk_data_schema.png zk_data_schema.png %}
Porter的集群机制主要有以下功能:
实现节点任务的负载，当前任务节点失效后自动漂移到其他任务节点
实现任务节点与管理节点的通信
实现任务处理进度的存储与拉取
实现统计指标数据的上传(最新的开发版本支持自定义统计指标上传客户端，原生支持kafka)
用于节点、任务抢占的分布式锁实现
基于文件系统的单机模式插件
最新开发版支持Porter任务节点以单机模式运行,不依赖管理后台和zookeeper，通过配置文件配置任务。单机模式是一种特殊的集群模式，仅支持部分集群功能，但简化了任务部署的复杂性，灵活多变。
实现任务处理进度的存储与拉取
实现统计指标数据的上传
Porter任务节点运行模式的配置方式
#zookeeper集群配置porter.cluster.strategy=ZOOKEEPER porter.cluster.client.url=127.0.0.1:2181porter.cluster.client.sessionTimeout=100000 #单机模式配置porter.cluster.strategy=STANDALONE porter.cluster.client.home=/path/.porter
最后
笔者在开源Porter之前有幸参与apache skywalking社区并受其感召，随后参与sharding-sphere等多个开源项目。我们竭尽所能提供优质的开源软件，为中国的开源社区贡献一份力量。但受限于技术能力及开源社区的运营经验，不足之处，恳求大家的批评指正。
作者：马力_随行付
链接：https://www.jianshu.com/p/e52f900ad19d
共同学习，写下你的评论
评论加载中...
作者其他优质文章
