软件架构阅读笔记9
背景：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。
问题：各个数据平台整合
架构：
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。
2、如何将三个功能集成在一个平台架构下？
将离线同步，实时订阅，实时同步三个需求抽象为三种作业，分别为BatchJob,StreamJob,PieJob。
- BatchJob参考Sqoop的模式，将需同步的数据先根据指定的规则进行分片，然后将作业根据分片拆分成多个任务，每个任务只同步本分片的数据，多个任务可同时运行，以加快同步效率；
- 以BatchJob的模式为基础，StreamJob也可根据需要采集的mysql实例分成多个任务，每个任务负责采集解析一个mysql的binlog，并将解析后的事件封装成消息存于本地供订阅者消费；
- PieJob是对订阅客户端的封装，每一个订阅客户端即可看作一个任务。
三种不同的作业最终都可以通过分片分成多个任务去运行，使用统一的模型。
二、集群
1、高可用
- 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；
- Queen：通过zookeeper来实现Active与StandBy的切换
- 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。
演进
问题：Binlog采集解析后的消息存于本地hhl文件中，一但主机发生HA切换后，之前的消息会全部丢失。
方案一：复本，缺点：占用大量磁盘资源，实现逻辑复杂，放弃使用；
方案二：数据补全，因本身mysql为满足运维需要,binlog会存储N天，丢失消息完全可以重新抽取解析binlog获得，此时不再需要对消息做复本，丢失的消息如果被请求可以重新生成
问题：
Binlog中并不记录字段名等相关信息，导致生成的消息只有数据，没有结构。
方案一：通过查询数据库获得，缺点：在解析存在延迟情况下，表结构可能不正确，弃用；
方案二：快照，StreamJob在初次启动时会对mysql中所有的表做一份快照，此后在运行期间当解析到DDL操作时会将原快照取出生成一个新的复本，并在该复本上应用对应的DDL操作，最后生成一个新快照。保证任何时刻的binlog都可以找到其对应的元数据。
同时每个StreamTask会提供一个元数据服务，消息在传输时不存储字段等信息，客户端需要时直接请求元数据服务即可，以减少带宽占用。
