微服务之数据同步Porter

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」。

一库多服还是一库一服？

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:

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...

Porter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。

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。

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

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：

zookeeper集群模式插件

zookeeper数据结构协议：

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=127.0.0.1:2181
porter.cluster.client.sessionTimeout=100000

#单机模式配置
porter.cluster.strategy=STANDALONE
porter.cluster.client.home=/path/.porter