1. logstash介绍
1.1 数据采集
logstash是一个插件,将其他地方的数据(如数据库)同步到elasticsearch
1.2 以id或update_time作为同步边界
当数据库中的id增长时(前提是数据库使用自增id),es做定时任务时,比较自己数据的id和数据库的id,如果增长了,那就是有新增的数据,那么,再进行同步。以id作为同步边界这种方法只能识别到增长的数据,不能识别到更改的数据。而以update_time作为同步边界,同理,也是定时比较自己的update_time和数据库中的update_time大小,如果大于自身的,那就是增长或者发生更改了,再进行同步。
所以,我们以update_time作为同步边界比较好。
1.3 logstash-input-jdbc插件
老版本logstash需要集成logstash-input-jdbc插件,新版本自带,不需要集成。
1.4 预先创建索引
在将数据库中的数据同步到es上之前,我们要先创建索引。
2. 安装logstash
2.1 下载
下载链接:https://www.elastic.co/cn/downloads/past-releases/logstash-6-4-3 这里我用的是6.4.3版本的,其他版本可自行下载。logstash版本要对应elasticsearch版本。
2.2 安装
我采取分布式,将logstash安装在不与elasticsearch服务相同的服务器上。当然,安装在一个服务器上也是可以的。
安装前准备:jdk环境、mysql-connector-java-5.1.41.jar(这个jar包在自己本地maven仓库里就可以找到,每个人根据自己的数据库版本而定)
2.2.1 解压
tar -zxvf logstash-6.4.3.tar.gz
2.2.2 将解压后的文件夹移动到 /usr/local
mv logstash-6.4.3 /usr/local/
2.2.3 进入 /usr/local/logstash-6.4.3 创建文件夹sync
2.2.4 拷贝数据库驱动到sync
cp /home/software/mysql-connector-java-5.1.41.jar .
2.2.5 在sync目录下,创建文件logstash-db-sync.conf
vim logstash-db-sync.conf
2.2.6 编辑logstash-db-sync.conf
input {
jdbc {
# 设置 MySql/MariaDB 数据库url以及数据库名称
jdbc_connection_string => "jdbc:mysql://192.168.1.6:3306/foodie-shop-dev?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-5.1.41.jar"
# 驱动类名
jdbc_driver_class => "com.mysql.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
hosts => ["192.168.1.34:9200"]
# 同步的索引名
index => "foodie-items"
# 设置_docID和数据库中的id保持相同
document_id => "%{itemId}"
}
# 日志输出
stdout {
codec => json_lines
}
}
2.2.7 创建sql脚本
vim foodie-items.sql
3. 启动logstash
cd /usr/local/logstash-6.4.3/bin
./logstash -f /usr/local/logstash-6.4.3/sync/logstash-db-sync.conf
数据同步成功
4. 遇到的问题
数据库端口3306连不通,解决方法:
由于mysql安装在本地win上,所以win+R打开命令提示符,输入 mysql -u root -p 输入密码
再执行授权语句:
grant all privileges on *.* to 'root'@'192.168.1.40' identified by '123456';
5. 删除数据
对于es,不能真正的删除数据,只能逻辑删除,当我们在数据库也逻辑删除时,会修改update_time,那么es就会对应的进行逻辑删除。
6. 自定义模板配置中文分词
目前的数据同步,mappings映射会自动创建,但是分词不会,还是会使用默认的英文分词,而我们需要中文分词,这个时候就需要自定义模板功能来设置分词了。
6.1 获取logstash模板内容
修改获取到的json内容
{
"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": {}
}
在/usr/local/logstash-6.4.3/sync下,创建文件logstash-ik.json,将以上json内容粘贴进去
修改文件logstash-db-sync.conf
#定义模板名称
template_name => "myik"
#模板所在位置
template => "/usr/local/logstash-6.4.3/sync/logstash-ik.json"
#重写模板
template_overwrite => true
#默认为true,false关闭logstash自动管理模板功能,如果自定义模板,则设置为false
manage_template => false
然后,重新运行logstash
./logstash -f /usr/local/logstash-6.4.3/sync/logstash-db-sync.conf
但是,logstash模板没有指定为自定义的模板。
我又尝试了另一种方法,将logstash-ik.json里的内容贴到请求body,采用PUT请求的方式,指定模板内容。
最后,查看mapping映射,成功。
string属性里多以一个 "analyzer": "ik_max_word"