测试环境

类型	配置
MySQL A	Intel(R) Xeon(R) CPU E5-2430 0 @ 2.20GHz (24core 96G)
MySQL B	Intel(R) Xeon(R) CPU E5-2430 0 @ 2.20GHz (24core 96G) 日常业务库
Canal Server	Intel(R) Xeon(R) CPU E5-2430 0 @ 2.20GHz (24core 96G)
Canal Client	Intel(R) Xeon(R) CPU E5-2430 0 @ 2.20GHz (24core 96G)

测试方式

为了更加精准的描述canal的性能，会从整个流程上进行优化和分析.

整个canal流程处理binlog，分为这么5步操作(4+1)，整个优化和评测对这5步分别进行.
构造了两个测试场景，批量Insert/Update/Delete 和普通业务DB(单条操作为主)

优化内容
网络读取优化
- socket receiveBuffer/sendBuffer调优
- readBytes减少数据拷贝
- 引入BufferedInputStream提升读取能力
binlog parser优化
- 时间毫秒精度解析优化
- 并发解析模型 (引入ringbuffer，拆分了几个阶段：网络接收、Event基本解析、DML解析和protobuf构造、加入memory store，针对瓶颈点protobuf构造采用了多线程的模式提升吞吐)
序列化和传输优化
- 提前序列化，避免在SessionHandler里主线程里串行序列化
- 嵌套protobuf对象序列化会产生多次byte[]数据拷贝，硬编码拉平到一个byte[]里处理，避免拷贝
- 客户端接收数据时，做lazy解析，避免在主线程串行处理
- 客户端ack做异步处理，避免在主线程串行处理
  优化过程

|
序号
|
阶段
|
批量操作Insert/Update/Delete (导入业务)
|
单条操作 (普通业务)

|
1
|
Binlog接收
|
200w TPS (网络 117MB/s)
|
71w TPS (网络 112MB/s)

|
2
|
Binlog Event解析
|
200w TPS (网络 117MB/s)
|
70w TPS (网络 110MB/s)

|
3
|
Insert/Update/Delete深度解析
|
200w TPS (网络 117MB/s)
|
65w TPS (网络 105MB/s)

|
4
|
生成CanalEntry (存储到memory store)
|
130w TPS (网络 75MB/s)
|
50w TPS (网络 90MB/s)

|
5
|
client接收
|
20w TPS 1.canal server机器网络 11MB/s

2.canal client机器网络 75MB/s

binlog膨胀率为 1:6.8
|
10w TPS 1.canal server网络 22MB/s

2.canal client网络 42MB/s

binlog膨胀率为 1:1.9

各个阶段测试代码：

FetcherPerformanceTest.java
MysqlBinlogEventPerformanceTest.java
MysqlBinlogParsePerformanceTest.java
MysqlBinlogDumpPerformanceTest.java
SimpleCanalClientPermanceTest.java

小结
从最开始接收(跑满网络带宽)到最后client机器收到格式化的binlog数据，binlog解析的5个阶段是一个漏斗形的性能。目前整个阶段4->阶段5，性能下降比较明显主要是因为网络传输、序列化的代价影响，binlog接收为了保序采用了串行方式，所以串行里的每个代码逻辑处理都会影响最后吞吐。so. 如果基于canal做额外的数据扩展，比如对接到MQ系统，可以在步骤3、4阶段介入，最大化的吞吐.

结论数据：

1.0.26经过优化之后的性能，从业务binlog入库到canal client拿到数据，基本可以达到10~20w的TPS. 相比于canal 1.0.24的4w tps，提升了150%的吞吐性能.
单纯的binlog解析能力可以跑到60w ~ 200w的TPS，相当于100MB/s的解析速度

原文: https://github.com/alibaba/canal/wiki/Performance