Logstash 是 Elastic 技术栈中的一个技术,它是一个数据采集引擎,可以从数据库采集数据到 ES 中。可以通过设置 自增 ID 主键 或 更新时间 来控制数据的自动同步:
- 自增 ID 主键:Logstatsh 会有定时任务,如果发现有主键的值大于先前同步记录的主键值,就会将对应的增量数据同步到 ES 中
- 更新时间:其实原理与主键类似,不过如果设置使用主键作为依据的话,那么数据库的数据更新就不会被识别从而更新到 ES 中。
安装 Logstash
官网 安装 Logstash 与安装分词器一样,都要与 ES 版本号保持一致,解压:
tar -zxvf logstash-6.4.3.tar.gz
数据同步设置
- 1、在解压缩 Logstash 的目录下创建一个
sync
目录用于存放数据同步文件 - 2、将对应的数据库驱动放置到该文件下,我这边是
mysql-connector-java-8.0.11.jar
- 3、在该目录下创建执行 sql 文件
foodie-items.sql
用于获取数据库数据,内容如下,其中要注意的是:sql_last_value
,它是一个变量,表示上一次同步时记录下的时间。
SELECT
i.id as itemId,
i.item_name as itemName,
i.sell_counts as sellCounts,
i.updated_time as updated_time,
ii.url as imgUrl,
tempSpec.price_discount as price
from items i
left JOIN
items_img ii
on i.id = ii.item_id
left JOIN
(select item_id, MIN(price_discount) as price_discount
from items_spec GROUP BY item_id) tempSpec
on i.id = tempSpec.item_id
where
ii.is_main = 1
and
i.updated_time >= :sql_last_value
- 4、修改 Logstash 模板,在默认情况下数据的同步,Logstash 都会自动创建映射,如果想要设置单独的分词器就需要自定义 Logstash 模板来设置分词器,
查看 Logstash 默认模板:Get /_template/logstash
,在sync
目录下创建logstash-ik.json
文件,将String
类型的分词器设置为ik_max_word
:
{
"order": 0,
"version": 1,
"index_patterns": ["*"],
"settings": {
"index": {
"refresh_interval": "5s"
}
},
"mappings": {
"_default_": {
"dynamic_templates": [
{
"message_field": {
"path_match": "message",
"match_mapping_type": "string",
"mapping": {
"type": "text",
"norms": false
}
}
},
{
"string_fields": {
"match": "*",
"match_mapping_type": "string",
"mapping": {
"type": "text",
"norms": false,
"analyzer": "ik_max_word",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
],
"properties": {
"@timestamp": {
"type": "date"
},
"@version": {
"type": "keyword"
},
"geoip": {
"dynamic": true,
"properties": {
"ip": {
"type": "ip"
},
"location": {
"type": "geo_point"
},
"latitude": {
"type": "half_float"
},
"longitude": {
"type": "half_float"
}
}
}
}
}
},
"aliases": {}
}
不过这样子去修改模板很容易不生效,起码我这么做是不生效的,后来我参考了这边文章 《ES创建自定义模板,实现中文分词 》 的做法,使用 API 去设置模板
myik
,即使用PUT /_template/myik
请求体是上面的内容,然后使用GUT /_template/myik
可以查看到设置的模板信息。
- 5、然后在该目录下创建配置同步文件
logstash-db-sync.conf
,其内容如下:
input {
jdbc {
# 设置 MySql/MariaDB 数据库url以及数据库名称
jdbc_connection_string => "jdbc:mysql://localhost:3306/foodie?useUnicode=true&characterEncoding=UTF-8&autoReconnect=true"
# 用户名和密码
jdbc_user => "root"
jdbc_password => "123456"
# 数据库驱动所在位置,可以是绝对路径或者相对路径
jdbc_driver_library => "/usr/local/logstash-6.4.3/sync/mysql-connector-java-8.0.11.jar"
# 驱动类名
jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
# 开启分页
jdbc_paging_enabled => "true"
# 分页每页数量,可以自定义
jdbc_page_size => "1000"
# 执行的sql文件路径
statement_filepath => "/usr/local/logstash-6.4.3/sync/foodie-items.sql"
# 设置定时任务间隔 含义:分、时、天、月、年,全部为*默认含义为每分钟跑一次任务
schedule => "* * * * *"
# 索引类型
type => "_doc"
# 是否开启记录上次追踪的结果,也就是上次更新的时间,这个会记录到 last_run_metadata_path 的文件
use_column_value => true
# 记录上一次追踪的结果值
last_run_metadata_path => "/usr/local/logstash-6.4.3/sync/track_time"
# 如果 use_column_value 为true, 配置本参数,追踪的 column 名,可以是自增id或者时间
tracking_column => "updated_time"
# tracking_column 对应字段的类型
tracking_column_type => "timestamp"
# 是否清除 last_run_metadata_path 的记录,true则每次都从头开始查询所有的数据库记录
clean_run => false
# 数据库字段名称大写转小写
lowercase_column_names => false
}
}
output {
elasticsearch {
# es地址,如果是集群,则需要配置多个地址
hosts => ["127.0.0.1:9200"]
# 同步的索引名
index => "foodie-items"
# 设置_docID和数据相同
document_id => "%{itemId}"
# 定义模板名称
template_name => "myik"
# 模板所在位置,如果使用 API 的方式生成模板,可以注释掉
template => "/usr/local/logstash-6.4.3/sync/logstash-ik.json"
# 重写模板,如果使用 API 的方式生成模板,可以注释掉
template_overwrite => true
# Logstash 自动管理模板功能,默认为 true,如果使用 API 的方式生成模板,可以注释掉
manage_template => false
}
# 日志输出
stdout {
codec => json_lines
}
}
- 6、在启动 Logstash 之前,需要先在 ES 中创建索引库(无需设置
_Mapping
) - 7、在
bin
目录下启动 Logstash
./logstash -f /usr/local/logstash-6.4.3/sync/logstash-db-sync.conf