为什么通过日志方式采集数据？

减少对业务库的入侵，如果使用全量方式获取数据会对业务库造成很大的性能影响。通过流式采集binlog对业务库的入侵性降到最低。

目前流式采集binlog的几种开源方案

1.Maxwell

maxwell是读取mysql binlogs 并将行更新为json格式数据到kafka,kinesis,或者其他流式平台一个守护进程。Maxwell的操作开销很低，只需要mysql和一个写入位置。Maxwell为您提供了无需重新构建整个平台的事件源的一些好处。

Maxwell与mysql 通信是采用mysql-binlog-connector-java开源框架。

2.Canal

canal是纯Java开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了MySQL.

Maxwell 与 Cannal 对比

1. 两者都是纯java开发。
2. canal集群方式部署，系统比较臃肿，复杂性也相对较高，可定制性也比较差，所以我们没有考虑这种方案。
3. 虽然Maxwell不能直接支持HA，但是它支持断点还原，即错误解决后重启继续上次点儿读取数据。
4. Canal是服务端，数据过来了并不能直接写出去，需要一个客户端：syncClient去获取数据。Maxwell即是服务端也是客户端。
5. Maxwell支持Bootstrap，即刷全量的数据，而Canal不支持。
6. 两家产品社区都比较活跃。

小结：个人推荐选择Maxwell。

• 服务端和客户端是一体的
• Maxwell是轻量级的，出错风险低，Canal经常出错
• 虽然部署的是单台，但是具有断点还原能力，出错好解决

BinLog的协议，数据发送方式

通过dump协议进行数据交互。

image.png

binlog日志格式为ROW：binlog推送的event中包含变更的数据。

BinLog日志格式

• Statement:每一条会修改数据的sql都会记录在binlog中。
  优点：不需要记录每一行的变化，减少了binlog日志量，节约了IO，提高性能。(相比row能节约多少性能与日志量，这个取决于应用的SQL情况，正常同一条记录修改或者插入row格式所产生的日志量还小于Statement产生的日志量，但是考虑到如果带条件的update操作，以及整表删除，alter表等操作，ROW格式会产生大量日志，因此在考虑是否使用ROW格式日志时应该跟据应用的实际情况，其所产生的日志量会增加多少，以
  及带来的IO性能问题。)
  缺点：由于记录的只是执行语句，为了这些语句能在slave上正确运行，因此还必须记录每条语句在执行的时候的一些相关信息，以保证所有语句能在slave得到和在master端执行时候相同 的结果。另外mysql 的复制,像一些特定函数功能，slave可与master上要保持一致会有很多相关问题(如sleep()函数， last_insert_id()，以及user-defined functions(udf)会出现问题).
• Row:不记录sql语句上下文相关信息，仅保存哪条记录被修改。
  优点： binlog中可以不记录执行的sql语句的上下文相关的信息，仅需要记录那一条记录被修
  改成什么了。所以rowlevel的日志内容会非常清楚的记录下每一行数据修改的细节。而且不会
  出现某些特定情况下的存储过程，或function，以及trigger的调用和触发无法被正确复制的
  问题
  缺点:所有的执行的语句当记录到日志中的时候，都将以每行记录的修改来记录，这样可能会产生大量的日志内容,比如一条update语句，修改多条记录，则binlog中每一条修改都会有记录，这样造成binlog日志量会很大，特别是当执行alter table之类的语句的时候，由于表结构修改，每条记录都发生改变，那么该表每一条记录都会记录到日志中。
• Mixedlevel:以上两种Level的混合。