mysql-elasticsearch数据同步方案

前言

上两篇文章介绍过EL的安装和使用，接下来，我们面临的问题是怎么把数据同步到es里，比如，商城的商品数据，商品需要搜索，所以在添加商品的同时，除了往数据库添加一份，同时还要把这些数据同步到es里才行。

方案对比

解决方案，目前比较流行的可分为以下几种：

1. 程序同步
直接在代码里写逻辑，数据在增删改查进数据库的同时，也往es里同步一份。
优点：方便，无需集成其他的技术；
缺点：代码耦合性太高，增加接口的处理时间；
2. logstash
定时查询数据库，查询到数据有变化就发送到es中。
优点：解耦，官方推荐。
缺点：
1、不支持同步删除，当然可以在数据库用逻辑删除代替物理删除，对于logstash来说就是更新操作了；
2、大数据量有性能问题，在对数据库的压力上，logstash的原理是定时扫描变动的表，所以对数据库有一定压力，并且如果有其他程序在进行某条语句更新，锁住了这条行数据，那logstash读取数据时，就会被“卡住”，如果这个时间过长，可能会影响服务器卡死。
3、无法做到实时同，只能秒级同步。

如果实时性要求不高，并且定时时间内数据变化量不大，推荐使用这个，学习维护成本比较低，毕竟是官方推荐，ELK全家桶。
3. canal
利用数据库的binlog同步变化数据，然后将数据发送给es,当然也可以通过java代码监听拿到数据，再发送到es或做其他处理。
优点：解耦，实时同步，没有大数据性能压力。
缺点：学习和维护成本高，要求对数据库有创建用户的权限，毕竟要用到数据库同步功能，开启binlog数据库的压力也会增加。
4. MQ中间件
有数据变化的时候，就通知mq，然后监听mq实现数据同步到mq。
优点：解耦，适合高并发。
缺点：如何保证消息可靠性，需要在业务代码中加入发送消息到MQ的代码。

logstash方式

演示同步mysql数据到es。

安装

官网下载

下载之后解压即可。

配置

本文安装的版本是logstash-7.12.1，准备测试的数据库表结构

• 创建自己的专属 配置
  进入解压好的文件夹logstash-7.12.1，创建自定义配置文件夹，用来存放配置文件。

mkdir mysqlnote

创建核心配置文件，名字自定义，主要用来配置mysql和logstash的数据映射和数据转换等等信息。

touch logstash-sync.conf

配置详情

input {
    jdbc {
        # 设置 MySql/MariaDB 数据库url以及数据库名称
        jdbc_connection_string => "jdbc:mysql://127.0.0.1:3306/test?useUnicode=true&allowMultiQuerie=true&characterEncoding=utf-8&serverTimezone=Asia/Shanghai"
        # 用户名和密码
        jdbc_user => "root"
        jdbc_password => "root"
        # 数据库驱动mysql-connector-java-8.0.19.jar所在位置，可以是绝对路径或者相对路径
        jdbc_driver_library => "/usr/local/logstash/logstash-7.12.1/mysqlnote/mysql-connector-java-8.0.27.jar"
        # 驱动类名
        jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
         # 是否开启分页,ture为开启
        jdbc_paging_enabled => false
         # 分页每页数量
        jdbc_page_size => "50"
        # 设置时区
        jdbc_default_timezone =>"Asia/Shanghai"
        # 执行的sql文件路径
        statement_filepath => "/usr/local/logstash/logstash-7.12.1/mysqlnote/mysql.sql"
        #使用这个可以直接写sql语句，但是复杂的语句最好是写在文件内
        #statement =>""
        # 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 => "*/5 * * * * *"
        #是否需要记录某个字段值,如果为true,我们可以自定义要记录的数据库某个字段值，例如id或date字段。如果为false，记录的是上次执行的标记，默认是一个timestamp
        use_column_value => true
        #记录上次执行字段值路径。我们可以在sql语句中这么写：WHERE ID > :last_sql_value。其中 :sql_last_value 取得就是该文件中的值，这个last_time会以文件形式存在
        last_run_metadata_path => "/usr/local/logstash/logstash-7.12.1/mysqlnote/last_time"
        #如果use_column_value为真,需配置此参数. 指定增量更新的字段名。当然该字段必须是递增的，比如id或date字段。
        tracking_column => "updateTime"
        # tracking_column 对应字段的类型，只能选择timestamp或者numeric(数字类型)，默认numeric。
        tracking_column_type => "timestamp"
       #如果为true，每次会记录所更新的字段的值,并保存到 last_run_metadata_path 指定的文件中
        record_last_run => true
        # 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
         # 是否将字段名称转小写。默认是true。这里注意Elasticsearch是区分大小写的
        lowercase_column_names => false
    } 
}
output {
    elasticsearch {
         # es地址 集群数组hosts => ["127.0.0.1:9200","127.0.0.1:9201"]     
        hosts => ["127.0.0.1:9200"] 
       # 同步的索引名必须要有@timestamp  不然yyyyMM不起效
        index => "user"
        # 设置_docID和数据相同
        document_id => "%{id}"
        #自定的模板名称
       #template_name => "ps_seal_log"
        #自定义的模板配置文件
       #template => "/usr/local/logstash/logstash-7.12.1/mysqlnote/ps_test_log_template.json"
        #是否重写模板
       #template_overwrite => true 
    }
  # 日志输出形式设置
    stdout {
        codec => json_lines
        #codec => rubydebug
    }
}

注意：output 中的映射模板注释掉了，原因是找了一圈不知道怎么写这个文件，网上的案例也是众说纷纭，所以，最好是直接用kibana直接先定义好，例如下边：

PUT /user
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "userName": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "age": {
        "type": "integer",
        "index" : false
      },
       "sex": {
        "type": "integer"
      },
       "address": {
        "type": "text"
      },
       "price": {
        "type": "double",
         "index" : false
      },
      "createTime": {
        "type": "date",
        "index" : false
      },
      "updateTime": {
        "type": "date",
        "index" : false
      },
      "status": {
      "type": "keyword"
      }
    }
  }
}

这个配置满足一般的需求了，如果有更多的需求，此配置无法满足，可以使用logstash的过滤配置，input和output中间还有一个filter配置，可以用来过滤和转换数据，有需求的可以自行研究，这里因为暂时没需要，就没有去研究了。

• 准备资源

接下来，准备上边配置所需要的东西，本次配置需要下边的文件和jar包。

创建时间记录文件，文件内容会在logstash启动连上数据库之后自动创建。

touch last_time

创建sql文件，查询出你要映射到es中的数据，我这里演示最简单的查询全部

vim mysql.sql

文件内容

select id,user_name as userName,age,sex,address,price,create_time as createTime,update_time as updateTime,status
from user
where update_time > :sql_last_value;

这个sql_last_value就是上边last_time文件中记录的值。

下载数据库驱动jar包。
官网地址
注意，5版本和8版本设置驱动类名（jdbc_driver_class）是有区别的：
5版本：com.mysql.jdbc.Driver。
8版本：com.mysql.cj.jdbc.Driver。

启动

进入logstash文件夹

./bin/logstash -f ./mysqlnote/logstash-sync.conf

测试

往数据库里添加数据，每5秒之后logstash就会查询数据库，增加添加数据到es中。

由此可见，因为同步数据是依赖查询mysql，所以logstash不支持同步删除操作，当然，就像我开头说的，可以设置逻辑删除字段status,以更新代替删除。
如果实在不想用逻辑删除，可以用下边两种方式。

• 其他
  多表同步或者海量数据初同步方法，请参考这篇文章的后半部分

canal方式

canal分为三个组件构成，deployer服务端，adapter客户端、admin web管理端，有集群高可用的一套解决方案，官方文档也比较详细，大项目推荐使用。

canal同步MySQL数据到Elasticsearch

MQ方式

MQ有很多种，此处采用kafka来实现。
利用springboot集成kafka，随后接口收到消息，直接将增删改的消息扔进kafka，在消费端处理信息，之后同步到ES即可，缺点就是需要维护一套kafka以及消息处理的逻辑代码。
kafka的安装和整合springboot，参考下方的文章即可：
Linux安装kafka
springboot集成整合kafka