DBus data bus (1): DBus all one deployment
Labels (separated by spaces): DBus series
data
[tap]
One: Overview of DBus
1.1: Background
采集工具的局限性
当前有很多数据采集工具，他们或多或少都存在一些局限性：
上面这些采集工具还以一个共性问题是缺乏统一的数据源端管控，所以也就无法找到统一的数据入口，
那后续处理元数据或者血缘分析会异常困难。数据同步方法局限性
同时过去通常的同步数据的方法有很多种，比如：
各个数据使用方在业务低峰期各种抽取所需数据（缺点是存在重复抽取而且数据不一致）
由统一的数仓平台通过sqoop到各个系统中抽取数据（缺点是sqoop抽取方法时效性差，一般都是
T+1的时效性）
基于trigger或时间戳的方式获得增量的变更（缺点是对业务方侵入性大，带来性能损失等）
这些方案都不能算完美，要想同时解决数据一致性和实时性，比较合理的方法应该是基于日志的解决方
案，同时能够提供消息订阅的方式给下游系统使用。在这个背景下DBus就诞生了。Two: DBus data bus
2.1 Introduction to DBus data bus
专注于数据的收集及实时数据流计算，通过简单灵活的配置，以无侵入的方式对源端数据进行采集，采用高可用的流式计算框架，对公司各个IT系统在业务流程中产生的数据进行汇聚，经过转换处理后成为统一JSON的数据格式（UMS），提供给不同数据使用方订阅和消费，充当数仓平台、大数据分析平台、实时报表和实时营销等业务的数据源。支持多租户管理，提供租户级资源、数据隔离机制。2.2 DBus system architecture and working principle
DBUS主要分为两个部分：貼源数据采集和多租户数据分发。两个部分之间以Kafka为媒介进行衔接。无多租户资源、数据隔离需求的用户，可以直接消费源端数据采集这一级输出到kafka的数据，无需再配置多租户数据分发。
2.3 DBUS source data collection
DBUS源端数据采集大体来说分为两部分：
读取RDBMS增量日志的方式来 实时获取增量数据日志，并支持全量拉取；
基于logtash，flume，filebeat等抓取工具来实时获得数据，以可视化的方式对数据进行结构化输出；
以下为具体实现原理
主要模块如下：
日志抓取模块：从RDBMS的备库中读取增量日志，并实时同步到kafka中；
增量转换模块：将增量数据实时转换为UMS数据，处理schema变更，脱敏等；
全量抽取程序：将全量数据从RDBMS备库拉取并转换为UMS数据；
日志算子处理模块：将来自不同抓取端的日志数据按照算子规则进行结构化处理；
心跳监控模块：对于RDMS类源，定时向源端发送心跳数据，并在末端进行监控，发送预警通知；对于日志类，直接在末端监控预警。
web管理模块：管理所有相关模块。2.4 Multi-tenant data distribution
对于不同租户对不同源端数据有不同访问权限、脱敏需求的情形，需要引入Router分发模块，将源端貼源数据，根据配置好的权限、用户有权获取的源端表、不同脱敏规则等，分发到分配给租户的Topic。这一级的引入，在DBUS管理系统中，涉及到用户管理、Sink管理、资源分配、脱敏配置等。不同项目消费分配给他的topic。
2.5 Main functions
无侵入方式接入多种数据源： 业务系统无需任何修改，以无侵入性读取数据库系统的日志获得增量数据实时变化。目前RDBMS支持mysql，oracle数据源（Oracle数据源请参考Oracle相关协议）， 日志方面支持基于logstash，flume和filebeat的多种数据日志抽取方案。
海量数据实时传输： 使用基于Storm的流式计算框架，秒级延时，整体无单点保证高可用性。
多租户支持： 提供用户管理、资源分配、Topology管理、租户表管理等丰富的功能，可根据需求，为不同租户分配不同的源端表数据访问权限，应用不同的脱敏规则，从而实现多租户资源隔离、差异化数据安全。
详细参考：
https://bridata.github.io/DBus/index.html
文档参考：
https://github.com/BriData/DBus/blob/master/docs/quick-start.md
Three: Dbus deployment
3.1 Dbus deployment
DBus安装部署分为以下两种方式（注意：两种方式不可以混用）：
All In One体验版
该版本安装在单机上，自动部署安装dbus所依赖的相关组件，仅用于体验dbus基本功能，
不可以用于生产。
该版本支持mysql数据源接入体验。
集群部署
用于生产环境或测试环境部署。
可部署在单机上或集群上。
包含对Oracle、mysql，logstash、filebeat、flume等数据源的支持。
3.2 dbus all in one deployment
3.2.1 Software preparation system:
系统：
CentOS7.9x64
hostname Dbus-ns1
下载软件：
https://github.com/BriData/DBus/releases
说明all in one是一个单机版本dbus环境，是给用户快速体验dbus的功能，只是一个简单体验版，不能
用于其它环境或者用途，具体包括如下：
基础组件：
zookeeper 3.4.6
kafka 0.10.0.0
storm 1.0.1
granfana 4.2.0
logstash 5.6.1
influxdb
mysql
---------------------------
dbus相关包：
dbus-keeper 0.5.0
dbus-stream-main 0.5.0
dbus-keeper 0.5.0
dbus-stream-main 0.5.0
dbus-router 0.5.0
dbus-heartbeat 0.5.0
dbus-log-processor 0.5.0
--------------------------
mysql数据源所需软件：
canal3.2.3 Install MySQL
Canal 对 MySQL的需求版本5.7 以上：
-----------------------
安装MySQL5.7 yum
yum -y localinstall https://dev.mysql.com/get/mysql57-community-release-el7-10.noarch.rpm
安装MySQL：
yum -y install mysql-community-server
systemctl enable mysqld
systemctl start mysqld
systemctl status mysqld
grep 'temporary password' /var/log/mysqld.log
set global validate_password_policy=0;
set global validate_password_mixed_case_count=0;
set global validate_password_number_count=3;
set global validate_password_special_char_count=0;
set global validate_password_length=3;
ALTER USER 'root'@'localhost' IDENTIFIED BY 'root%123';
exit
sudo vi /etc/my.cnf
[mysqld]
# dbus相关配置开始
log-bin=mysql-bin
binlog-format=ROW
server_id=1
# dbus相关配置结束
然后重启MySQL:
sudo systemctl restart mysqld
3.2.4: Configure influxdb
wget https://dl.influxdata.com/influxdb/releases/influxdb-1.1.0.x86_64.rpm
sudo yum -y localinstall influxdb-1.1.0.x86_64.rpm
sudo systemctl start influxdb
sudo systemctl status influxdb
sudo systemctl enable influxdb
初始化 influx
#执行初始化脚本
create database dbus_stat_db
use dbus_stat_db
CREATE USER "dbus" WITH PASSWORD 'dbus!@#123'
ALTER RETENTION POLICY autogen ON dbus_stat_db DURATION 15d
exit
3.2.5 Configure allinone dbus
# 如果没有app目录，要先创建app目录
mkdir -p /app/
mv dbus-allinone.tar.gz /app/
tar -zxvf dbus-allinone.tar.gz
导入MySQL数据
执行以下命令进行数据库初始化，会创建dbmgr库以及用户、canal用户、dbus库以及用户、testschema库以及用户：
MySQL：
mysql -uroot -proot%123
source /app/dbus-allinone/sql/init.sql；
3.2.6 Start DBus
cd /app/dbus-allinone/
./start.sh
3.2.7 Generate startup report
进入目录/app/dbus-allinone/allinone-auto-check-0.5.0，执行自动检测脚本auto-check.sh，
./auto-check.sh
会在目录/app/dbus-allinone/allinone-auto-check-0.5.0/reports下生产对应时间的检查报告，如下所示:
3.2.8 Import data test
验证MySQL数据是否能增量采集很简单，先打开grafana监控，然后在MySQL里插入数据，看监控是否显示DBus已经采集到。
验证机配置hosts 文件
我们在Windows上远程登录Grafana， 修改C:\Windows\System32\drivers\etc\hosts文件设置相应的域名信息如下：
替换成部署allinone包的服务器ip地址 192.168.100.11 dbus-n1登录grafana
登录grafana url地址: http://dbus-n1:3000/login
默认 用户 admin/admin
mysql插入数据验证
#登录测试用户
mysql -utestschema -p #testschema账户密码：j0<C6cqcqr:TestSchema
#执行测试脚本
use testschema;
INSERT INTO test_table (NAME, BIRTHDAY) VALUES ('testdataname', '2018-08-10 18:00:00');
INSERT INTO test_table (NAME, BIRTHDAY) VALUES ('testdataname', '2018-08-10 18:00:00');
INSERT INTO test_table (NAME, BIRTHDAY) VALUES ('testdataname', '2018-08-10 18:00:00');
INSERT INTO test_table (NAME, BIRTHDAY) VALUES ('testdataname', '2018-08-10 18:00:00');
INSERT INTO test table (NAME, BIRTHDAY) VALUES ('testdataname', '2018-08-10 18:00:00');
验证日志数据采集
dbus-heartbeat心跳模块儿产生日志位置在：/app/dbus-allinone/dbus-heartbeat-
0.5.0/logs/heartbeat/heartbeat.log，利用logstash抽取该日志文件，把非结构化的数据，提取成结构化的数据
我们可以看他他定期会产生日志：
cd /app/dbus-allinone/dbus-heartbeat-0.5.0/logs/heartbeat/ tail -f heartbeat.log 
3.2.8 Open web
http://dbus-n1:6090/login
admin/12345678
用户体验版本:
体验租户功能，请使用用户：[email protected] 密码：12345678租户界面如下:
