「从零单排canal 07」 parser模块源码解析

基于1.1.5-alpha版本，具体源码笔记可以参考我的github：https://github.com/saigu/JavaKnowledgeGraph/tree/master/code_reading/canal

本文将对canal的binlog订阅模块parser进行分析。

parser模块(绿色部分)在整个系统中的角色如下图所示，用来订阅binlog事件，然后通过sink投递到store.

parser模块应该来说是整个项目里面比较复杂的模块，代码非常多。

因此，本文根据过程中的主线来进行展开分析，从 启动 开始，进行分析。

如果读者有其他相关内容不明白的，可以给我留言，我会进行解答或者根据情况再单独写相关内容。

模块内的类如下：

重点需要关注几个核心问题

• 如何抓取binlog
• 对binlog消息处理做了怎样的性能优化
• 如何控制位点信息
• 如何兼容阿里云RDS的高可用模式下的主备切换问题

1.从启动进入parser主流程

前面的文章我们已经提到了，instance启动的是，会按照顺序启动instance的各个模块

parser模块就是在这里开始的。

这里需要注意一下，在beforeStartEventParser方法中，启动了parser的两个相关组件CanalLogPositionManager 和 CanalHAController，这里先分别介绍一下。

• CanalLogPositionManager：管理位点信息
• CanalHAController：instance连接源数据库的心跳检测，并实现数据库的HA（如果配置了standby的数据库）

1.1 位点信息管理CanalLogPositionManager

我们用的是default-instance.xml的配置，所以实际实现类是FailbackLogPositionManager

这里构造器有两个入参，一个是primary的MemoryLogPositionManager，一个是second的MetaLogPositionManager。

前者是内存的位点信息，后者我们我们看一下构造器的metaManager是基于zk的位点信息管理器。

所以FailbackLogPositionManager逻辑也比较简单，获取位点信息时，先尝试从内存memory中找到lastest position，如果不存在才尝试找一下zookeeper里的位点信息。

1.2 心跳控制器CanalHAController

我们用的是default-instance.xml的配置，所以实际实现类是HeartBeatHAController

HeartBeatHAController里面没有特别复杂的逻辑，就是实现了心跳检测成功的onSuccess方法和onFail方法。另外维护了一个CanalHASwitchable对象，一旦心跳检测失败超过一定次数，就执行doSwitch()进行主备切换。

前提是我们要设置了主备数据库的连接信息。

这里的代码写的真的是有点混乱，居然是用MysqlEventParser实现了这个doSwitch()方法。

另外，在MysqlEventParser中，写了一个MysqlDetectingTimeTask内部类，集成了TimerTask来做定时心跳检测。

• 定时去连接数据库，可以通过select\desc\show\explain等方法做存活检测
• 如果检测成功，就调用HeartBeatHAController的onSuccess方法
• 如果失败，就HeartBeatHAController的onFail方法
• 如果失败超过一定次数，onFail方法中就会调用doSwitch方法进行主备切换

2.核心逻辑

从parser.start()进去后，我们就来到了parser的核心。

从default-instance.xml配置文件看，默认的parser实现是从base-instance.xml的baseEventParser来的，用的是RdsBinlogEventParserProxy类。

我们看下这个类图的结构。

从这个结构来看，我们从上到下，就能对parser模块的主体逻辑进行抽丝剥茧了。

Let’s go!

2.1 CanalEventParser接口

定义了一个空的接口

2.2 AbstractEventParser抽象类

这个类里面代码非常多，我们重点关注核心流程。

2.2.1 构造器AbstractEventParser()

构造器里面就只做了一件事情，创建了一个EventTransactionBuffer。

EventTransactionBuffer这个类顾名思义就是一个缓冲buffer，它的作用源码里的注释也很清楚，它是缓冲event队列，提供按事务刷新数据的机制。

那对于这里构造器中实现的TransactionFlushCallback的flush(List<CanalEntry.Entry> transaction) 方法，肯定就是对于事务中的一系列event，刷新到store中。

我们可以看下consumeTheEventAndProfilingIfNecessary(transaction)方法，跟我们想的一样，具体的sink方法放在后面的sink模块再展开分析。

2.2.2 主干的start()方法

主要做了这些事情：

• 初始化缓冲队列transactionBuffer
• 初始化binlogParser
• 启动一个新的线程进行核心工作
• 构造Erosa连接ErosaConnection
• 利用ErosaConnection启动一个心跳线程
• 执行dump前的准备工作,查看数据库的binlog_format和binlog_row_image，准备一下DatabaseTableMeta
• findStartPosition获取最后的位置信息（挺重要的，具体实现在MysqlEventParser）
• 构建一个sinkHandler，实现具体的sink逻辑（我们可以看到，里面就是把单个event事件写入到transactionBuffer中）
• 开始dump过程，默认是parallel处理的，需要构建一个MultiStageCoprocessor；如果不是parallel，就直接用sinkHandler处理。内部while不断循环，根据是否parallel，选择MultiStageCoprocessor或者sinkHandler进行投递。
• 如果有异常抛出，那么根据异常类型做相关处理，然后退出sink消费，释放一下状态，sleep一段时间后重新开始

代码很长，逻辑比较清晰，就不贴了。

2.2.3 核心dump过程

dump过程默认是parallel处理的，需要构建一个MultiStageCoprocessor；如果不是parallel，就直接用sinkHandler处理。内部while不断循环，根据是否parallel，选择MultiStageCoprocessor或者sinkHandler进行投递。

注意multiStageCoprocessor在这里start启动。

代码如下

dump方法在MysqlConnection类中实现，主要就是把自己注册到数据库作为一个slave，然后获取binlog变更，具体到协议我们就不展开分析了。

通过fetcher抓取到event，然后调用sink投递到store。

注意，parallel为false的，是单线程交给sinkHandler处理，parallel为true的，交给MultiStageCoprocessor的coprocessor.publish(buffer)处理，后面展开分析下并行处理的逻辑。

注意multiStageCoprocessor在这里publish进行写入RingBuffer，下文会详细讲下这里的机制。

2.3 AbstractMysqlEventParser抽象类

这个类比较简单，就是做了根据配置做了一些对象创建和设置的工作，比如BinlogParser的构建、filter的设置等

2.4 MysqlEventParser实现类

总共有将近1000行代码，里面其实代码组织有点混乱。像前面提到的MysqlDetectingTimeTask内部类、HeartBeatHAController的部分方法实现，都是在这个类里面的。

那抛开这些来说，这个类的主要功能还是在处理根据journalName、position、timestamp等配置查找对应的binlog位点。

我们选取核心流程里面的关键逻辑 findStartPostion( ) 方法进行分析即可。

这个是AbstractEventParser类中start方法中调用的，获取dump起始位点。

我们默认是使用 非GTID mode记录位点信息的，所以直接看下来看下findStartPositionInternal( ) 具体逻辑，这里可以了解到如何正确配置位点信息：

• logPositionManager找历史记录
• 如果没有找到
• 如果instance没有配置canal.instance.master.journal.name
• 如果instance配置了canal.instance.master.timestamp,就按照时间戳去binlog查找
• 如果没有配置timestamp，就返回数据库binlog最新的位点
• 如果instance配置了canal.instance.master.journal.name
• 如果instance配置了canal.instance.master.position，那就根据journalName和position获取bingo位点信息
• 如果配置了timestamp，就用journalName + timestamp形式获取位点信息
• 如果找到了历史记录
• 如果历史记录的连接信息和当前连接信息一致，那么判断下是否有异常，没有异常就直接返回
• 如果历史记录的连接信息和当前连接信息不一致，说明可能发生主备切换，就把历史记录的时间戳回退一分钟，重新查询

这里是纯if else 流程代码，挺长的，就不贴了。

在这个过程中，调用了几个有意思的方法，可以了解一下

• findServerId( )：查询当前db的serverId信息，mysql命令为 show variables like 'server_id'
• findEndPosition（）：查询当前的binlog位置，mysql命令为 show master status
• findStartPosition（）：查询当前的binlog位置，mysql命令为 show binlog events limit 1
• findSlavePosition（）：查询当前的slave视图的binlog位置，mysql命令为 show slave status

2.5 RdsBinlogEventParserProxy实现类

这个类比较简单，就是canal为阿里云rds定制的一个代理实现类。

主要解决了云rds本身高可用架构下，服务端HA切换后导致的binlog位点信息切换。

所以对于抛出的异常做了一定的处理，兼容了这种服务端HA的情况。

同时，也能满足rds的备份文件指定位点开始增量消费的特性。

主要过程如下

• 如果抛出了PositionNotFoundException异常，就委托rdsLocalBinlogEventParser进行处理
• rdsLocalBinlogEventParser会通过下载binlog的oss备份，找到目标binlog文件和位置

3.事件处理优化 MultiStageCoprocessor

我们前面说过，parallel为false的，是单线程交给sinkHandler处理，parallel为true的，交给MultiStageCoprocessor处理。

这里展开看看并行处理是如何实现的。

实现类是MysqlMultiStageCoprocessor， 看下基本结构，持有了EventTransactionBuffer（前文提到过的存储事务内多个evnet的buffer）、RingBuffer<MessageEvent>、几个线程池、两个BatchEventProcessor<MessageEvent>。

这些属性类型基本是跟Disruptor框架相关。

start（）方法里面对一系列属性做了初始化配置并进行启动，要理解这里的逻辑，其实主要是使用Disruptor框架做的任务队列。

如果了解了Disruptor框架的使用，就能明白这里所做的任务队列处理模型了。

start（）源码如下：

首先，这里用了Disruptor框架的典型单生产者-多消费者模型。

这里创建生产者的时候，就创建了RingBuffer和Sequencer，全局唯一。

上面在dump方法内，订阅到binlog事件后，通过multiStageCoprocessor的publish方法写入RingBuffer，作为单一的生产者。

多消费者主要通过Disruptor的Sequencer管理。

Sequencer 接口有两种实现，SingleProducerSequencer 和 MultiProducerSequencer，分别来处理单个生产者和多个生产者的情况，这里使用了SingleProducerSequencer。

在 Sequencer 中有一个 next() 方法，就是这个方法来产生 Sequence 中的 value。Sequence 本质上可以认为是一个 AtomicLong，消费者和生产者都会维护自己的 Sequence。

Sequencer 的核心就是解决了两个问题，第一个是对于所有的消费者，在 RingBuffer 为空时，就不能再从中取数据，对于生产者，新生产的内容不能把未消费的数据覆盖掉。

上图中 C 代表消费者，P 代表生产者。

当然，在多消费者模型中，一个关键的问题是控制消费者的消费顺序。

这里主要通过消费者之间控制依赖关系其实就是控制 sequence 的大小，如果说 C2 消费者 依赖 C1，那就表示 C2 中 Sequence 的值一定小于等于 C1 的 Sequence。

具体的方法是通过RingBuffer的addGatingSequences( )进行的。

具体Disruptor的原理和使用就不展开说明了，这里了解这些关键问题即可。

通过这样的编程模型，parser实现了解析器的多阶段顺序处理。

• Stage1: 网络接收 (单线程)，publish投递到RingBuffer
• Stage2: 从RingBuffe获取事件，使用SimpleParserStage进行基本解析 (单线程，事件类型、DDL解析构造TableMeta、维护位点信息)
• Stage3: 事件深度解析 ，用workpool进行多线程, 使用DmlParserStage进行DML事件数据的完整解析
• Stage4: SinkStoreStage单线程投递到store

SimpleParserStage和SinkStoreStage使用了stageExecutor这个线程池进行管理，DmlParserStage使用了workpool进行管理。

这三个类都是MysqlMultiStageCoprocessor的内部类，通过实现OnEvent方法进行逻辑处理，具体处理逻辑就不展开了，大家有兴趣可以看下源码。

4.总结

这个模块是非常核心的，涉及到了对binlog事件的抓取和处理，以及相关位点信息的处理。

回头看开头几个问题，相信也都有了答案：

• 如何抓取binlog

dump方法在MysqlConnection类中实现，主要就是把自己注册到数据库作为一个slave，然后获取binlog变更（具体的协议我们就不展开分析了）。

• 对binlog消息处理做了怎样的性能优化

利用disruptor框架，基于RingBuffer实现了

单线程接受 -> 单线程解析事件 -> 多线程深度解析事件 -> 单线程投递store 这样的一个流程。

（这里有点疑惑，单线程接受事件后，为什么需要一个单线程先解析一下再多线程深度解析，而不是直接多线程深度解析？有了解的朋友可以给我留言指点一下，谢谢）

• 如何控制位点信息

有多种CanalLogPositionManager可以选择。

默认采用FailbackLogPositionManager，获取位点信息时，先尝试从内存memory中找到lastest position，如果不存在才尝试找一下zookeeper里的位点信息。

• 如何兼容阿里云RDS的高可用模式下的主备切换问题

RdsBinlogEventParserProxy如果发现了PositionNotFoundException异常，就委托rdsLocalBinlogEventParser通过下载binlog的oss备份，找到目标binlog文件和位置。

都看到最后了，原创不易，点个关注，点个赞吧～

文章持续更新，可以微信搜索「阿丸笔记 」第一时间阅读，回复关键字【学习】有我准备的一线大厂面试资料。

知识碎片重新梳理，构建Java知识图谱：github.com/saigu/JavaK…（历史文章查阅非常方便）