社区wiki主页：https://github.com/linkedin/Databus/wiki

背景

一个大型分布式系统往往存在多种的存储系统，mysql，tair，redis，memcache，hbase等等。一些重要的或者需要事务支持的数据操作，通常都会放到mysql处理。但是，为了满足高性能的访问需求或者做一些服务定制化的查询，业务上通常又会把mysql的数据再写到tair或者redis等外部存储中一份。

以业务将tair作为mysql的高速缓存为例，通常业务在代码中会有这么一段逻辑，读取tair，数据不存在，从mysql读取数据，然后写入tair。用户变更mysql，然后会同时刷新tair，或者将tair数据删除。为了降低客户端复杂度并且防止缓存穿透，常会引入MQ进行异步同步，如下图所示：

image.png

但是无论客户端同步方式还是MQ方式，其实都会存在数据一致性问题，这些场景，如果没有一个强一致协议（比如两阶段提交，paxos等）是很难解决掉的。

现在，有了Databus，上面提到的这些一致性问题就都没有了，并且，那些冗长的双写逻辑也可以去掉了。

功能介绍

Databus是一个实时的、可靠的、支持事务的、保持一致性的数据变更抓取系统。 2011年在LinkedIn正式进入生产系统，2013年开源。

Databus通过挖掘数据库日志的方式，将数据库变更实时、可靠的从数据库拉取出来，业务可以通过定制化client实时获取变更。

Databus的传输层端到端延迟是微秒级的，每台服务器每秒可以处理数千次数据吞吐变更事件，同时还支持无限回溯能力和丰富的变更订阅功能。

功能&特性

• 来源独立：Databus支持多种数据来源的变更抓取，包括Oracle和MySQL。
• 可扩展、高度可用：Databus能扩展到支持数千消费者和事务数据来源，同时保持高度可用性。
• 事务按序提交：Databus能保持来源数据库中的事务完整性，并按照事务分组和来源的提交顺寻交付变更事件。
• 低延迟、支持多种订阅机制：数据源变更完成后，Databus能在微秒级内将事务提交给消费者。同时，消费者使用Databus中的服务器端过滤功能，可以只获取自己需要的特定数据。
• 无限回溯：这是Databus最具创新性的组件之一，对消费者支持无限回溯能力。当消费者需要产生数据的完整拷贝时（比如新的搜索索引），它不会对数据库产生任何额外负担，就可以达成目的。当消费者的数据大大落后于来源数据库时，也可以使用该功能。

设计

架构设计

Databus概要结构：

image.png

图中显示：Search Index和Read Replicas等系统是Databus的消费者。当主数据库发生写操作时，连接其上的中继系统会将数据拉到中继中。签入在Search Index或是缓存中的Databus消费者客户端，就会从中继中拉出数据，并更新索引或缓存。

系统结构设计

image.png

上图中介绍了Databus系统的构成，包括中继Relay、bootstrap服务和客户端库。Bootstrap服务中包括Bootstrap Producer和Bootstrap Server。快速变化的消费者直接从Relay中取事件。如果一个消费者的数据更新大幅落后，它要的数据就不在Relay的日志中，而是在 Bootstrap Producer里面，提交给它的，将会是自消费者上次处理变更之后的所有数据变更快照。

• Databus Relay中继的功能主要包括：

1. 从Databus来源读取变更行，并在内存缓存内将其序列化为Databus变更事件
2. 监听来自Databus客户端（包括Bootstrap Producer）的请求，并传输新的Databus数据变更事件

• Databus客户端的功能主要包括：

1. 检查Relay上新的数据变更事件，并执行特定业务逻辑的回调
2. 如果落后Relay太多，向Bootstrap Server发起查询
3. 新Databus客户端会向Bootstrap Server发起bootstrap启动查询，然后切换到向中继发起查询，以完成最新的数据变更事件
4. 单一客户端可以处理整个Databus数据流，或者可以成为消费者集群的一部分，其中每个消费者只处理一部分流数据

• Databus Bootstrap Producer的功能有：

1. 检查中继上的新数据变更事件
2. 将变更存储在MySQL数据库中
3. MySQL数据库供Bootstrap和客户端使用

• Databus Bootstrap Server的主要功能，监听来自Databus客户端的请求，并返回长期回溯数据变更事件。

业务应用

Databus在linkedin

在LinkedIn，Databus支持的系统有：

• 社会化图谱索引（Social Graph Index），服务LinkedIn所有图谱查询
• 人员搜索索引（People Search Index），支持搜索所有LinkedIn用户
• 用户档案数据（Member Profile）多个冗余的读取查询

欢迎关注 高广超的简书博客 与 收藏文章 ！
欢迎关注 头条号：互联网技术栈 ！

个人介绍：

高广超：多年一线互联网研发与架构设计经验，擅长设计与落地高可用、高性能、可扩展的互联网架构。

本文首发在 高广超的简书博客 转载请注明！