需求背景

系统有数据识别、数据脱敏逻辑，支持可配置规则，自定义等，需要进行异构数据同步，大数据量。现在针对以下几个需求进行讲解

1、支持冗余设计
2、支持任务自动分发，支持自动负载均衡
3、支持随时扩容节点而无需关停原有的系统和业务

架构和模块

架构图

五核心模块及其主要功能

• 调度平台

  • 使用Nginx方式来调用数据中心，通过注册中心获取数据中心的服务列表
  • 可以合理的根据数据同步的情况，去调用服务；比如数据同步可能存在的顺序性，执行延时；
  • 读取控制台DB的配置信息，定时执行数据同步任务
  • 对数据同步的调用，可以按照简单的轮询方式，也可以根据数据同步服务器的性能情况，进行负载均衡

• 数据同步

  • 负责执行数据库异构数据同步任务，可支持增量，全量模式，用DataX框架来实现
  • 服务于调度平台的调用
  • 会存储数据同步的执行结果，供控制台进行展示
  • 会上报服务器的性能指标到数据同步DB，以供调度平台参考

• 控制台

  • 配置管理界面，服务于用户进行数据同步任务的配置信息，并存储到控制台DB中；

• 数据识别

  • 负责针对数据库的数据进行数据识别任务

• 数据脱敏

  • 按照内置规则、自定义配置，负责脱敏数据
  • 可提前进行数据脱敏，以供数据同步转换环节调用

三个辅助服务发现模块

• 注册中心

  • 用于服务发现和注册
  • 数据同步注册实例并定期报心跳
  • 可以用zookeerper来实现
  • 调度平台通过域名访问注册中心获取数据同步的地址列表

• Nginx

  • 和域名系统配合，协助调度平台访问注册中心获取数据同步地址列表
  • 和域名系统配合，协助用户访问控制台进行配置管理

可用性分析

高可用通过Nginx、注册中心来实现，可以支持动态扩容。每个主要模块都是以无状态集群方式部署的，各自模块都可以通过注册中心来实现服务注册，模块之间的调用服务发现来获取，并以域名方式实现。

考虑到扩展，所以设想的方案是尽可能的做到每个服务职责单一。

这样的拆分，也是考量到每个环节的瓶颈都不一样，目前预估不是很精确，这样可以为后续扩展提供方便性。

数据脱敏、数据识别需要单独独立出来，原因：本身的服务不在数据同步中，可能提前预处理进行。

通过集群部署方式，支持冗余设计。

调度平台、Nginx集群通过数据同步性能情况,实现任务自动分发，支持自动负载均衡。

可用性分析

可用性表格分析

结论

数据同步、控制台、调度平台、数据识别、数据脱敏是数据脱敏的几大核心微服务模块，相互协作完成配置中心业务功能，Nginx、注册中心是辅助微服务之间进行服务发现的模块。

采用微服务架构设计，架构和部署（部署方式可以用容器思路来操作）都有一些复杂，但是每个服务职责单一，易于扩展。