（神州优车）数据交换平台架构分享

作者：卢彪（神州优车技术专家）
QQ：634659517

一、数据交换平台定义（百度百科）

数据交换平台是指将分散建设的若干应用信息系统进行整合，通过计算机网络构建的信息交换平台，它使若干个应用子系统进行信息/数据的传输及共享，提高信息资源的利用率，成为进行信息化建设的基本目标，保证分布异构系统之间互联互通，建立中心数据库，完成数据的抽取、集中、加载、展现，构造统一的数据处理和交换。

二、Why数据交换平台?

1.分布式的需要

PS：(分布式出现的两个驱动要素：1.业务场景越来越复杂，需要进行系统拆分；2.性能的需要)

场景举例一：EDA

通过数据交换平台，把数据库Log事件（如Mysql的binlog）发送到MQ，驱动后续流程（如:刷新缓存，构造搜索引擎，业务流程驱动<如:下单之后发短信>等）

场景举例二：CQRS

【命令、查询分离】的思想本质上就是同一份数据建立两套视图：一套是模型清晰的Domain-Mode，代表业务实体，满足复杂业务逻辑的需要；另一套是查询视图，主要面向查询场景，不关心数据库范式，只关心查询最优最快

2.容灾备份的需要

场景举例一：多机房

多中心、多备份、异地多活等是很多大公司正在实践或者已经实践过的技术难题，这中间的核心便是一整套完整的数据同步方案

场景举例二：数据镜像

通过数据交换平台，可以创建各种类型的DB镜像，满足不同场景下的使用需要

场景举例三：数据归档

通过增量交换，可以实现实时归档

3.异构、重构的需要

场景举例一：DB升级换代

通过数据交换平台解决升级过程中的版本兼容性问题

场景举例二：资产复用

任何一个公司都有大大小小的各种IT资产，通过数据交换平台，可以实现这些核心资产的整合、复用

场景举例三：迁库、拆库

系统进行重构，业务应用要拆分为两个子系统，对应的数据库由一个拆成两个，需要数据交换平台先进行全量Copy，再进行增量同步，然后配合系统完成迁移对接，如下所示

三、(神州优车)数据交换平台总体架构

总体架构图如下所示，整个平台由三个子系统组成

ucar_datalink（增量同步子系统）

ucar_datalink是优车技术团队自研的一套数据同步中间件，主要满足各异构数据源之间的实时增量同步需求，具有高伸缩性、高扩展性和高性能等优点

ucar_dataX（全量同步子系统）

ucar_datax是对Alibaba开源的datax进行了深度定制和改造，满足集团内的全量数据同步需求

Admin（管理监控子系统）

管理子系统对整个增量和全量集群进行运维管理，包括：HA、同步申请自动处理、延迟监控、异常监控、机器监控等等

四、Datalink产品介绍

Datalink借鉴了数个开源产品的设计

• 借鉴了Kafka-Connect的基础设施：分组、HA、Rebalance协议、Task模型等
• 借鉴了Otter的诸多功能模型：领域模型抽象、双向同步、数据压缩合并、数据权重算法等
• 参与了Linkedin的Databus的一些设计思想

1.Datalink的基础设施模型

Manager

整个Datalink集群的大脑，负载均衡协调器、配置管理、集群监控

Group

分组是一个核心逻辑概念，通过分组实现组内自治、组间隔离，便于进行拆分管理

Worker

Worker是Task的运行容器，一个Worker节点运行一系列同步任务，Worker归属于某个分组

Task

数据同步任务实例，由一个reader和至少一个writer组成，归属于某个分组，在一个分组内Task通过一定的负载均衡策略，被分配到不同的Worker上执行

Rebalance

Rebalance单位：分组；
Rebalance时机：Manager主备切换、Worker加入分组、Worker离开分组、新增Task、删除Task

2.Datalink的领域模型

Contract

针对每种类型的数据库，我们会抽象一套契约类型，有了这套契约便可实现Reader和Writer的任意组合
比如我们针对关系型数据库抽象一个契约，契约的核心类名为RdbEventRecord，代表一条数据库log事件变更，围绕这个契约，我们可以开发若干插件
如果是Reader插件，这个插件的一个核心功能就是做数据类型转换，如MysqlReader、SqlserverReader、OracleReader分别会把自己对应数据库的底层log-event转换为RdbEventRecord即可
如果是Writer插件，需要的是针对每一种契约实现一个处理器，如HbaseWriter，其主要目的是往hbase写数据，但是在不同的Task中，它对接的Reader是随机的，所以需要的是对不同类型契约的数据做适配

Business Model

领域模型借鉴了Aalibaba-Otter的一些思想，针对数据同步领域的一些常见功能，我们进行了深度分析和抽象
* MediaSource：
是对数据源的抽象，所有类型的数据源都会保存到这个模型，神州内部已经支持的数据源有 MYSQL, SQLSERVER, ORACLE, HDFS,  HBASE, ELASTICSEARCH, ZOOKEEPER,POSTGRESQL
* Media：
是对数据存储单元的抽象，可以是关系型数据库的表、Hbase的表、ElastaicSearch的索引等等
* MediaMapping：
是对数据交换协议的抽象，所有类型的Media之间的数据同步关系都保存到这个模型
* 支持的功能
依托这套领域模型，可以实现的一些主要功能特性如下所示
    库别名
    表别名
    列别名
    列白名单
    列黑名单
    多表合一
    多表聚合
    主键跳过
    同步拦截器
    按权重同步

3.Datalink的插件模型

Task&Plugin

* Task是Datalink中的一个核心概念，一个运行中的Task就是一个数据同步任务
* Task由一个Reader和若干个Writer组成，即可以实现一对多的数据同步
* Task的数据同步流程：由Reader端取数据，然后放到内存队列，Writer端消费数据，成功的话执行Ack操作，失败的话执行Rollback操作
* Task提供了插件机制，一个Task只有在运行时才知道自己组装的Reader和Writer是什么
* Task的Reader和Writer插件在运行时有自己独立的ClassLoader，以解决同一进程中jar包冲突的问题
* 通过这套插件模型我们可以实现最大程度的基础设施复用：一套框架支持各种数据源之间的增量同步需求，框架稳定之后，后期关注重点只需要放到插件开发上即可，目前我们内部实现的插件有：
    MysqlReader
    FlexibleQReader（FlexibleQ：内部消息中间件）
    RdbmsWriter
    HbaseReader（建设中）
    ElasticSearchWriter
    HdfsWriter
    FlexibleQWriter
    HbaseWriter(建设中)

（神州优车内部）Datalink同步场景举例

1.Mysql同步到RDBMS

简介

* 该场景下的数据同步主要分为两种：一种是线上各个系统间的基础参数表同步，另外一种是线上数据同步到OLAP系统（主要是BI）
* 支持多种同步模式
    全局有序同步：完全按照源端binlog的执行顺序进行重放
    局部有序同步：以表为单位进行聚合，保证单表内同步是有序的
    完全并发：当开启merger功能的时候，在merge合并完之后，能保证同一张表的同一条数据只有一条binlog事件，此时可以完全打乱顺序，保证最终一致即可

2.Mysql同步到ElasticSearch

简介

* 订单库(Mysql)为应对线上的各种交易请求已经足够忙碌，查询操作必须放到二级系统中去做，所以实现了Mysql到ES的同步，所有查询走ES
* 在同步过程中，可以实现多表聚合，即将Mysql中多张有外键关系的表，在同步过程中进行聚合，到ES端，多张表的数据合并成一条

3.Mysql同步到Hadoop

简介

* 作为大数据平台的第一层，datalink负责把线上生产库的binlog变更同步到Hadoop
* 数据处理平台每天凌晨对T-1的数据进行清洗、去重，把同步过去的binlog数据更新到spark-hive

4.Mysql同步到MQ

简介

* 目前我们内部主要是通过监听binlog事件实现【缓存刷新】和【业务通知】功能

5.分布式DB同步

简介

* 类似于电商平台【买家和卖家】的划分，神州专车平台对应的划分为【乘客和司机】，为应对性能压力，我们对DB进行了分库处理，这样就产生了两个维度，主维度是乘客，子维度是司机
  我们需要把主维度产生的数据进行Re-Sharding操作同步到司机维度的分库，以满足司机数据查询的需求

主要列举这些，后续梳理完之后再进行补充