Canal binlog 日志 Dump 流程分析

Canal 的 dump 支持串行和并行模式两种模式，本篇重点梳理 dump 的核心流程，以便对 dump 过程有一个充分的了解，更好的理解 Canal 的实现原理与细节，下一篇中将重点关注Canal是如何引入并行模式来提高dump的性能，即并行编程相关的技巧。

从前面的文章我们得知 Canal binlog 日志解析的基本流程如下图所示：

Step1：在发送dump之前先设置相关的参数。

• set wait_timeout=9999999
  连接空闲超时时间，默认为8消息，用于 Canal Slave 的等待超时时间远大于默认值。

• set net_write_timeout=1800
  网络写请求超时时间，针对正在进行数据读写的连接，该值默认为 60s。

• set net_read_timeout=1800
  网络读请求超时时间，针对正在进行数据读写的连接，该值默认为 30s。

• set names ‘binary’
  设置服务端返回结果时不做编码转化，直接按照数据库的二进制编码进行发送，由客户端自己根据需求进行编码转化。

• set @master_binlog_checksum= @@global.binlog_checksum
  设置master_binlog_checksum，因为在mysql5.6之后为binlog引入了checksum机制，例如crc32，canal作为mysql slave，需要与服务端相关参数保持一致。

• set @slave_uuid=uuid()
  canal相对与mysql数据库服务而言就是一个从服务器，这个指令用于设置server_id，使用uuid，避免server_id重复。

• SET @master_heartbeat_period=15
  设置客户端与服务端心跳发送间隔，默认为15s。
  
  Step2：从主库查询binlog checksum，具体向主库发送 select @@global.binlog_checksum 语句。
  
  Step3：向MySQL Master 注册从节点，告知客户端的host、port、用户名与密码、serverId，具体实现是发送命令CODE为 0x15。
  
  Step4：向 MySQL Master 发送 dump 请求，MySQL是基于请求与应答模式，发送请求命令后，就会向网络通道中写入响应请求。（在这里大家不妨先大概思考一下如何读取 dump 命令的返回值，这部分虽然涉及到网络相关的知识，我在这边会稍微简单提一下）。
  
  Step5：构建 DirectLogFetcher对象，实现基于 socket 的日志拉取服务，并构建 LogDecoder 对象，用于解析 binlog 日志。
  
  Step6：使用 while 循环反复拉取消息，通过通过 LogDecoder 对二进制流进行解析，提取一条完整的binlog事件，交给 SinkFunction 去处理，并且如果开启了半同步机制，则需要向master发送ACK。既然是while循环，该方法的退出条件还是值的我们关注的：

• fetch.fetch()方法返回 false

• SinkFunction 的 sink 方法 false，SinkFunction的详细处理流程将在下文介绍，这里先告知返回false的情况是 binlog 日志解析线程已停止运行。

上面粗略的介绍了 dump 命令的几个核心关键步骤，要想详细掌握其实现细节，我们必须继续深入探讨如下几个问题：

• DirectLogFetcher 内部工作机制

• LogDecoder binlog 日志解析

• 发送Dump底层网实现思路

2、DirectLogFetcher 内部工作机制

2.1 DirectLogFetcher 类图

DirectLogFetcher的类继承体系如上图所示，我们来看一下其关键点：

• LogBuffer
  日志buffer，主要定义如下属性：

• byte[] buffer
  缓存区中数据容器。

• int origin
  当前buffer中的读指针

• int limit
  当前buffer的最大可读可写指针

• int position
  当前buffer的写指针。

• int semival
  是否需要发送ACK(用于半同步)。
  LogBuffer封装了字节相关的操作，不仅定义了上面的属性，也定义了字节读取相关众多API，其截图如下：
  

• LogFetcher
  binlog日志抓取抽象类，定义了如下关键属性与抽象方法。

• int DEFAULT_INITIAL_CAPACITY
  LogBuffer中的初始容量，默认为8K。

• float DEFAULT_GROWTH_FACTOR
  容量增长因子，默认为 2.0。

• int BIN_LOG_HEADER_SIZE
  binlog日志条目 header 的长度，固定为4字节。

• float factor
  增长因子。

• public abstract boolean fetch()
  抓取binlog日志。

• public abstract void close()
  关闭 Fetch。

• DirectLogFetcher
  Canal LogFetcher模式实现类，其核心属性如下：

• SocketChannel channel
  网络通道，用于发送dump请求的网络通道。

• boolean issemi = false
  是否开启半同步。

2.2 fetch流程详解

接下来我们重点剖析 DirectLogFetcher 的 fetch 方法，来探究其实现原理。
在研究DirectLogFetcher的fetch方法之前，我们先重点跟踪一下其内部网络读写方法fetch0方法，该方法是具体与网络读写相关的实现。

在详细介绍该方法之前先来介绍一下其参数的含义：

• int off
  从通道中读取到的内容放入到buffer中的起始位置

• int len
  期望从通道中读取的字节长度。

该方法的实现关键点如下：

• 首先先确保接收缓存区有足够的剩余空间，如果空间不足，则进行扩容。

• 然后从通道中读取指定长度的字节。

接下来我们来重点看一下DirectLogFetcher的fetch的实现流程。

Step1：尝试从网络通道中读取４个字节（即读取协议的头部），如果通道中还没有可读取内容，返回false，造成的效果是一次 dump 请求结束。

Step2：从上文读到的４个字节分别读出该网络包的总长度以及当前包的序号，从这里可以看成MySQL协议头为４字节，前３个字节为网络包的总长度，第４个字节为包的序列号。再取出数据包的长度后，继续向通道中读取netlen个字节，即读取一个完整的数据包到buffer中。

Step3：继续从数据包中读取一个字节，判断该包的状态码，是否是一个成功的响应，如果是错误的响应，会向外抛出一次，Canal 会记录dump命令执行错误的次数。

Step４：如果一个包的长度为允许的最大包长度，则继续读取，这个主要是根据MySQL协议做的处理，即读取到一个数据包，然后返回true，表示拉取到一条日志，然后通过LogDecoder解码，然后传入到sink方法中，进行日志的后续处理。

Step5：这一步的目的，就是将buffer中的当前指针指向数据的开始位置。这样一次 fetch就结束了。

从上面的流程来看，DirectLogFetcher#fetch 方法结束后，就将进入到LogDecoder中。经过一次DirectLogFetcher#fetch方法后，即取回一条binlog日志，即二进制流，接下来就根据binlog协议对其解析。本文暂不深入该方法，如果大家想深入数据库中间件方面，可以作为一个很好的示例，面向MySQL通信协议进行编程。

３、SinkFunction

通过 LogDecoder从中解析一个事件后，会调用SinkFunction的sink方法，如果该方法返回 false，一次dump请求将介绍，接下来我们看一下其sink方法。

该方法的实现比较简单，这里不打算继续深入，我们重点来看一下 Canal.Entry 的结构：

这个结构是基于Canal做架构设计，解决顺序消费、数据不丢失一个重要参考依据，没解析一条事务，最终放如到环形缓存区，环形缓存区尽量以一个事务提交到Sink组件，其代码如下：

这里主要有如下几个关键点：

• 首先需要调用EventSink组件将解析出来的数据传入EventSink。

• EventSink组件处理成功后，会提交解析位点。

本文就介绍到这里了，Dump的流程就分析到这里了。