0 、采集通道
第1章 Maxwell简介
1.1 Maxwell概述
Maxwell 是由美国Zendesk公司开源,用Java编写的MySQL变更数据抓取软件。它会实时监控MySQL数据库的数据变更操作(包括insert、update、delete),并将变更数据以 JSON 格式发送给 Kafka、Kinesi等流数据处理平台。官网地址:Maxwell's Daemon
1.2 Maxwell输出数据格式
注:Maxwell输出的json字段说明:
字段 | 解释 |
database | 变更数据所属的数据库 |
table | 表更数据所属的表 |
type | 数据变更类型 |
ts | 数据变更发生的时间 |
xid | 事务id |
commit | 事务提交标志,可用于重新组装事务 |
data | 对于insert类型,表示插入的数据;对于update类型,标识修改之后的数据;对于delete类型,表示删除的数据 |
old | 对于update类型,表示修改之前的数据,只包含变更字段 |
第2章 Maxwell原理
Maxwell的工作原理是实时读取MySQL数据库的二进制日志(Binlog),从中获取变更数据,再将变更数据以JSON格式发送至Kafka等流处理平台。
2.1 MySQL二进制日志
二进制日志(Binlog)是MySQL服务端非常重要的一种日志,它会保存MySQL数据库的所有数据变更记录。Binlog的主要作用包括主从复制和数据恢复。Maxwell的工作原理和主从复制密切相关。
2.2 MySQL主从复制
MySQL的主从复制,就是用来建立一个和主数据库完全一样的数据库环境,这个数据库称为从数据库。
1)主从复制的应用场景如下
(1)做数据库的热备:主数据库服务器故障后,可切换到从数据库继续工作。
(2)读写分离:主数据库只负责业务数据的写入操作,而多个从数据库只负责业务数据的查询工作,在读多写少场景下,可以提高数据库工作效率。
2)主从复制的工作原理如下
(1)Master主库将数据变更记录,写到二进制日志(binary log)中
(2)Slave从库向mysql master发送dump协议,将master主库的binary log events拷贝到它的中继日志(relay log)
(3)Slave从库读取并回放中继日志中的事件,将改变的数据同步到自己的数据库
2.3 Maxwell原理
很简单,就是将自己伪装成slave,并遵循MySQL主从复制的协议,从master同步数据。
第3章 Maxwell部署
3.1 安装Maxwell
1)下载安装包
(1)地址:https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz
注:Maxwell-1.30.0及以上版本不再支持JDK1.8。
(2)将安装包上传到hadoop102节点的/opt/software目录
2)将安装包解压至/opt/module
[shuidi@hadoop102 bin]$ cd /opt/software/
[shuidi@hadoop102 software]$ tar -zxvf maxwell-1.29.2.tar.gz -C /opt/module/
3)修改名称
[shuidi@hadoop102 software]$ cd ../module/
[shuidi@hadoop102 module]$ mv maxwell-1.29.2/ maxwell
3.2 配置MySQL
3.2.1 启用MySQL Binlog
MySQL服务器的Binlog默认是未开启的,如需进行同步,需要先进行开启。
1)修改MySQL配置文件/etc/my.cnf
[shuidi@hadoop102 module]$ sudo vim /etc/my.cnf
2)增加如下配置
#数据库id
server-id = 1
##启动binlog,该参数的值会作为binlog的文件名
log-bin=mysql-bin
##binlog类型,maxwell要求为row类型
binlog_format=row
##启用binlog的数据库,需根据实际情况作出修改
binlog-do-db=gmall
注:MySQL Binlog模式
Statement-based:基于语句,Binlog会记录所有写操作的SQL语句,包括insert、update、delete等。
优点:节省空间
缺点:有可能造成数据不一致,例如insert语句中包含now()函数。
Row-based:基于行,Binlog会记录每次写操作后被操作行记录的变化。
优点:保持数据的绝对一致性。
缺点:占用较大空间。
mixed:混合模式,默认是Statement-based,如果SQL语句可能导致数据不一致,就自动切换到Row-based。
Maxwell要求Binlog采用Row-based模式。
3)重启MySQL服务
[shuidi@hadoop102 module]$ sudo systemctl restart mysqld
3.2.2 创建Maxwell所需数据库和用户
Maxwell需要在MySQL中存储其运行过程中的所需的一些数据,包括binlog同步的断点位置(Maxwell支持断点续传)等等,故需要在MySQL为Maxwell创建数据库及用户。
1)创建数据库
msyql> CREATE DATABASE maxwell;
2)创建Maxwell用户并赋予其必要权限
mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'Zan@#2024';
mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';
3.3 配置Maxwell
1)修改Maxwell配置文件名称
[shuidi@hadoop102 module]$ cd /opt/module/maxwell
[shuidi@hadoop102 maxwell]$ cp config.properties.example config.properties
2)修改Maxwell配置文件
[shuidi@hadoop102 maxwell]$ vim config.properties
#Maxwell数据发送目的地,可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
producer=kafka
# 目标Kafka集群地址
kafka.bootstrap.servers=hadoop102:9092,hadoop103:9092,hadoop104:9092
#目标Kafka topic,可静态配置,例如:maxwell,也可动态配置,例如:%{database}_%{table}
kafka_topic=topic_db
# MySQL相关配置
host=hadoop102
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
# 过滤gmall中的z_log表数据,该表是日志数据的备份,无须采集
filter=exclude:gmall.z_log
# 指定数据按照主键分组进入Kafka不同分区,避免数据倾斜
producer_partition_by=primary_key
第4章 Maxwell使用
4.1 启动Kafka集群
若Maxwell发送数据的目的地为Kafka集群,则需要先确保Kafka集群为启动状态。
4.2 Maxwell启停
1)启动Maxwell
[shuidi@hadoop102 ~]$ /opt/module/maxwell/bin/maxwell --config /opt/module/maxwell/config.properties --daemon
2)停止Maxwell
[shuidi@hadoop102 ~]$ ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
3)Maxwell启停脚本
(1)创建并编辑Maxwell启停脚本
[shuidi@hadoop102 bin]$ vim mxw.sh
(2)脚本内容如下
#!/bin/bash
MAXWELL_HOME=/opt/module/maxwell
status_maxwell(){
result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`
return $result
}
start_maxwell(){
status_maxwell
if [[ $? -lt 1 ]]; then
echo "启动Maxwell"
$MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --daemon
else
echo "Maxwell正在运行"
fi
}
stop_maxwell(){
status_maxwell
if [[ $? -gt 0 ]]; then
echo "停止Maxwell"
ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
else
echo "Maxwell未在运行"
fi
}
case $1 in
start )
start_maxwell
;;
stop )
stop_maxwell
;;
restart )
stop_maxwell
start_maxwell
;;
esac
保存退出
:wq
(3)赋予权限
[shuidi@hadoop102 bin]$ chmod 777 mxw.sh
(4)启动Maxwell
[shuidi@hadoop102 bin]$ mxw.sh start
启动Maxwell
Redirecting STDOUT to /opt/module/maxwell/bin/../logs/MaxwellDaemon.out
Using kafka version: 1.0.0
查看进程
[shuidi@hadoop102 bin]$ jps -ml
27195 com.zendesk.maxwell.Maxwell --config /opt/module/maxwell/config.properties --daemon
(5)停止Maxwell
[shuidi@hadoop102 bin]$ mxw.sh stop
4.3 增量数据同步
1)启动Kafka消费者
[shuidi@hadoop102 bin]$ cd $KAFKA_HOME
[shuidi@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic topic_db
2)模拟生成数据
(1)修改application.yml
确保mysql url的数据库为gmall
spring:
datasource:
type: com.alibaba.druid.pool.DruidDataSource
druid:
url: jdbc:mysql://hadoop102:3306/gmall?characterEncoding=utf-8&allowPublicKeyRetrieval=true&useSSL=false&serverTimezone=GMT%2B8
username: root
password: "Zan@#2024"
driver-class-name: com.mysql.cj.jdbc.Driver
max-active: 20
test-on-borrow: true
(2)生成数据
[shuidi@hadoop102 applog]$ lg.sh
3)观察Kafka消费者
{"database":"gmall","table":"order_info","type":"update","ts":1719475385,"xid":18294,"commit":true,"data":{"id":95,"consignee":"独孤波宁","consignee_tel":"13148472765","total_amount":300.00,"order_status":"1006","user_id":62,"payment_way":"3501","delivery_address":null,"order_comment":null,"out_trade_no":"346742785916372","trade_body":"香奈儿(Chanel)女士香水5号香水 粉邂逅柔情淡香水EDT 5号淡香水35ml等1件商品","create_time":"2022-06-08 18:00:34","operate_time":"2022-06-09 00:21:49","expire_time":null,"process_status":null,"tracking_no":null,"parent_order_id":null,"img_url":null,"province_id":26,"activity_reduce_amount":0.00,"coupon_reduce_amount":0.00,"original_total_amount":300.00,"feight_fee":null,"feight_fee_reduce":null,"refundable_time":"2022-06-15 18:00:34"},"old":{"order_status":"1005","operate_time":"2022-06-08 23:21:44"}}
{"database":"gmall","table":"order_status_log","type":"insert","ts":1719475385,"xid":18301,"commit":true,"data":{"id":369,"order_id":95,"order_status":"1006","create_time":"2022-06-09 00:21:49","operate_time":null}}
4.4 历史数据全量同步
上一节,我们已经实现了使用Maxwell实时增量同步MySQL变更数据的功能。但有时只有增量数据是不够的,我们可能需要使用到MySQL数据库中从历史至今的一个完整的数据集。这就需要我们在进行增量同步之前,先进行一次历史数据的全量同步。这样就能保证得到一个完整的数据集。
4.4.1 Maxwell-bootstrap
Maxwell提供了bootstrap功能来进行历史数据的全量同步,命令如下:
[shuidi@hadoop102 kafka]$ /opt/module/maxwell/bin/maxwell-bootstrap --database gmall --table user_info --config /opt/module/maxwell/config.properties
4.4.2 boostrap数据格式
采用bootstrap方式同步的输出数据格式如下:
{
"database": "fooDB",
"table": "barTable",
"type": "bootstrap-start",
"ts": 1450557744,
"data": {}
}
{
"database": "fooDB",
"table": "barTable",
"type": "bootstrap-insert",
"ts": 1450557744,
"data": {
"txt": "hello"
}
}
{
"database": "fooDB",
"table": "barTable",
"type": "bootstrap-insert",
"ts": 1450557744,
"data": {
"txt": "bootstrap!"
}
}
{
"database": "fooDB",
"table": "barTable",
"type": "bootstrap-complete",
"ts": 1450557744,
"data": {}
}
注意事项:
(1)第一条type为bootstrap-start和最后一条type为bootstrap-complete的数据,是bootstrap开始和结束的标志,不包含数据,中间的type为bootstrap-insert的数据才包含数据。
(2)一次bootstrap输出的所有记录的ts都相同,为bootstrap开始的时间。