ElasticSearch作为搜索引擎-Oracle数据同步

ElasticSearch作为搜索引擎，我们需要解决2大问题：

1， 如何将被搜索的数据在ES上创建反向索引

2， Java代码如何与ES交互

其中第一个大问题又分为两个小问题

1.1，如何初始化已有的数据

1.2，如何同步增量数据

第二个大问题也有两种集成方式

2.1 Spring Data 9300端口集成

2.2 Restful API 9200端口集成

 

本篇先解决第一大问题。

 

利用Logstash的收集转化功能来做数据的同步，所以要先安装好Logstash和ElasticSearch。

参考《 ElasticSearch单节点安装》《 ELK-ElasticSearch+Logstash+Kibana 》

与关系型数据库的同步，需要 安装logstash-input-jdbc插件

进入到logstash的根目录，进入bin，执行以下命令

./logstash-plugininstall logstash-input-jdbc

作为Java开发人员找个ojdbc6.jar不算是难事吧，丢一个到logstash目录里，随便放，我放在了/home/docker/logstash/logstash-5.6.3下。

 

Logstash配置：

核心文件有2个，一个是input-filter-output格式的运行文件logstash.conf，一个是需要做索引的脚本文件jdbc_oracle.sql。

 

logstash.conf配置如下：

input{
	stdin{
 
	}
	jdbc{
		jdbc_connection_string => "jdbc:oracle:thin:@//192.168.120.156:1521/irm"
		jdbc_user => "irmstagejx2"
		jdbc_password => "******"
		jdbc_driver_library => "/home/docker/logstash/logstash-5.6.3/ojdbc6.jar"
		jdbc_driver_class => "Java::oracle.jdbc.driver.OracleDriver"
		record_last_run => "true"
		use_column_value => "false"
		tracking_column => "id"
		last_run_metadata_path => "/home/docker/logstash/logstash-5.6.3/info"
		clean_run => "false"
		jdbc_paging_enabled => "true"
		jdbc_page_size => "50000"
		statement_filepath =>"/home/docker/logstash/logstash-5.6.3/jdbc_oracle.sql"
		schedule => "* * * * *"
		type => "tstype"
	}
}
 
output{
	elasticsearch{
		hosts => "192.168.226.133:9200"
		index => "index_entity"
		document_id => "%{id}"
	}
}

配置具体详解：

Jdbc开头的这些都比较好理解，注意ojdbc6.jar的目录要跟你自己存放该包的目录一致。

record_last_run：效果不明

use_column_value：配合jdbc_oracle.sql里的时间戳，此项配置成true，时间戳使用上次执行计划中最后的值，此项配置成false，时间戳使用上次执行的时间点。

tracking_column：效果不明。

last_run_metadata_path：配合use_column_value，上次执行的中间数据总要有地方来存储。

clean_run：每次执行是增量同步还是全量同步

statement_filepath：执行计划需要同步的脚本位置

schedule：执行计划时间策略，分、时、天、月、年，最小间隔是1分钟。上面配置的就是1分钟。

type:索引中的type

document_id：ES索引中id对应的脚本中属性

 

jdbc_oracle.sql 脚本：

select id,name from mm_entitytype where updatedate>:sql_last_value

比较好理解，:sql_last_value是插件维护的最后执行时间，会存储到last_run_metadata_path中。

启动logstash：

bin/logstash-f logstash.conf

可以看到 logstash.conf 的配置已经生效：

由于我的数据都是老数据，我修改其中一条updatedate使其满足脚本中的判断条件

去ElasticSearch中搜索下，注意这里的index、type、source、id中的内容，都对应着我们前面的2个配置文件。

再看下last_run_metadata_path中是不是跟我们想象中的一样维护了组后一次执行时间。

OK，目前为止索引新增已经验证完毕，我们来修改下这条数据，看看es会不会更新

数据库中将 TC 修改成 TC-ADD ， 1 分钟后来 ES 中查看，发生了变化，证明修改也是可以的。

删除不尝试了，后面有详细说明和解决方案。

 

既然info中维护的是时间戳信息，那我尝试直接修改info想改个最小时间做一次全量增改，测试结果失败了，我猜应该info只是个备份的时间，真正生效的维护在内存中。于是先关闭logstash，修改info里的时间到一个很小的时间保证jdbc_oracle.sql中可以刷新到所有的数据，再重启logstash，果然这次生效了，es为我的这个表做了次全量的初始化更新。

 

那么问题来了，为什么delete不行？

logstash-input-jdbc不支持物理删除，我猜跟它的机制有关，假设记录在表中被物理删除，id随着记录一起被干掉了，等到logstash监听周期到了的时候根本没办法把这个已删除的id送给ES中的index了。为弥补这一缺陷，需要将物理删除改为逻辑删除，通过状态位来维护它是否存活，同时将这个状态信息同步给ElasticSearch，并在对索引进行搜索时将“死掉”的文档过滤掉。当然为了节约存储空间和减少搜索范围，最好定时将数据库中和ES中逻辑删除的部分通过手工或定时任务物理清理掉。

 

 

回头看我们开头分析的2大问题，第一大问题数据如何初始化和同步，已经解决了。下一篇博文我们来解决如何被代码调用。