这里写自定义目录标题
Elasticsearch 与mysql数据同步
通过调用Elasticsearch的api来插入检索数据比较麻烦,这里介绍另外一种方案,利用logstash插件、logstash-input-jdbc插件,与mysql数据进行增量同步。
增量同步包括,初始数据,新增数据、修改数据的同步,但是不包括删除数据,删除数据还是需要调用api来操作。简单描述下工作原理,就是定时去查询mysql数据库,把新数据和修改的数据批量插入到索引中。
那么什么样的数据才是新数据或者修改过的数据呢,这里需要数据库的表设计来配合,比如设定一个时间戳字段updatetime,logstash插入索引数据的时候会自动缓存最后一条记录的指定的字段,那么只要updatetime大于缓存值就是新数据或者修改过的数据,对于没有修改需求的记录我们可以直接指定主键id就可以。
安装logstash
安装logstash
安装 logstash的插件 logstash-input-jdbc
将mysql的驱动jar包,放到指定目录。
准备两个文件jdbc.conf、msg.sql,名字不重要随便起
jdbc.conf ,输入下面的内容
input {
jdbc {
# 数据库连接字符串
jdbc_connection_string => "jdbc:mysql://数据库IP地址:3306/db?characterEncoding=UTF-8&useSSL=false"
# 数据库用户名和密码
jdbc_user => "root"
jdbc_password => "password"
# 数据库java驱动包目录
jdbc_driver_library => "/opt/logstash/mysql-connector-java-5.1.46-bin.jar"
# the name of the driver class for mysql
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 关联第二个文件
statement_filepath => "msg.sql"
# 开启用户字段追踪判断,缓存最后记录的对应字段,这里缓存的是主键id字段
use_column_value => true
tracking_column => "id"
record_last_run => true
# 缓存文件目录,会把最后操作的记录的id缓存到这个文件中,可以先建好放在合适的位置
last_run_metadata_path => "/opt/logstash/msg-id.last"
# 设定同步周期,当前设置是每分钟一次
schedule => "* * * * *"
# 索引的分类
type => "msg"
}
}
filter {
json {
source => "message"
remove_field => ["message"]
}
}
output {
elasticsearch {
# 地址
hosts => "192.168.3.123:9200"
# 索引的名称,这边跟数据库起了一样的名字
index => "db_search"
# 索引下面的分类,直接用了上面配置中的值
document_type => "%{type}"
}
stdout {
codec => json_lines
}
}
msg.sql 里面输入以下内容
select
id,
msg_title,
msg_link,
publish_time
from
msg
where
id > :sql_last_value
其中 :sql_last_value 这个值会自动读取之前设置的缓存文件msg-id.last中的值
很显然我这个配置是不支持数据修改的,因为我用的是主键id字段,如果有数据修改的需求可以指定其他的字段。
启动
sudo bin/logstash -f jdbc.conf
注意事项,很重要
此方法自动建立的索引有个很重要的问题,就是分词器是用的系统默认的,对中文支持很烂,而且索引一旦建立是不能修改分词器的!所以如果你需要指定分词器(比如IK),就必须先建立索引,然后再进行数据同步。