Elasticsearch 与mysql数据同步

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。