實現MySQL與elasticsearch的數據同步的代碼示例
由于傳統的 mysql 數據庫并不擅長海量數據的檢索，當數據量到達一定規模時（估算單表兩千萬左右），查詢和插入的耗時會明顯增加。同樣，當需要對這些數據進行模糊查詢或是數據分析時，MySQL作為事務型關系數據庫很難提供良好的性能支持。使用適合的數據庫來實現模糊查詢是解決這個問題的關鍵。
但是，切換數據庫會迎來兩個問題，一是已有的服務對現在的 MySQL 重度依賴，二是 MySQL 的事務能力和軟件生態仍然不可替代，直接遷移數據庫的成本過大。我們綜合考慮了下，決定同時使用多個數據庫的方案，不同的數據庫應用于不同的使用場景。而在支持模糊查詢功能的數據庫中，elasticsearch 自然是首選的查詢數據庫。這樣后續對業務需求的切換也會非常靈活。
那具體該如何實現呢？在又拍云以往的項目中，也有遇到相似的問題。之前采用的方法是在業務中編寫代碼，然后同步到 elasticsearch 中。具體是這樣實施的：每個系統編寫特定的代碼，修改 MySQL 數據庫后，再將更新的數據直接推送到需要同步的數據庫中，或推送到隊列由消費程序來寫入到數據庫中。
但這個方案有一些明顯的缺點：
系統高耦合，侵入式代碼，使得業務邏輯復雜度增加
方案不通用，每一套同步都需要額外定制，不僅增加業務處理時間，還會提升軟件復復雜度
工作量和復雜度增加
在業務中編寫同步方案，雖然在項目早期比較方便，但隨著數據量和系統的發展壯大，往往最后會成為業務的大痛點。
解決思路及方案調整架構既然以往的方案有明顯的缺點，那我們如何來解決它呢？優秀的解決方案往往是 “通過架構來解決問題“，那么能不能通過架構的思想來解決問題呢？
答案是可以的。我們可以將程序偽裝成 “從數據庫”，主庫的增量變化會傳遞到從庫，那這個偽裝成 “從數據庫” 的程序就能實時獲取到數據變化，然后將增量的變化推送到消息隊列 MQ，后續消費者消耗 MQ 的數據，然后經過處理之后再推送到各自需要的數據庫。
這個架構的核心是通過監聽 MySQL 的 binlog 來同步增量數據，通過基于 query 的查詢舊表來同步舊數據，這就是本文要講的一種異構數據庫同步的實踐。
改進數據庫經過深度的調研，成功得到了一套異構數據庫同步方案，并且成功將公司生產環境下的 robin/logs 的表同步到了 elasticsearch 上。
首先對 MySQL 開啟 binlog，但是由于 maxwell 需要的 binlog_format=row 原本的生產環境的數據庫不宜修改。這里請教了海楊前輩，他提供了”從庫聯級“的思路，在從庫中監聽 binlog 繞過了操作生產環境重啟主庫的操作，大大降低了系統風險。
后續操作比較順利，啟動 maxwell 監聽從庫變化，然后將增量變化推送到 kafka ，最后配置 logstash 消費 kafka中的數據變化事件信息，將結果推送到 elasticsearch。配置 logstash需要結合表結構，這是整套方案實施的重點。
這套方案使用到了kafka、maxwell、logstash、elasticsearch。其中 elasticsearch 與 kafka已經在生產環境中有部署，所以無需單獨部署維護。而 logstash 與 maxwell 只需要修改配置文件和啟動命令即可快速上線。整套方案的意義不僅在于成本低，而且可以大規模使用，公司內有 MySQL 同步到其它數據庫的需求時，都可以上任。
成果展示前后對比使用該方案同步和業務實現同步的對比
寫入到 elasticsearch 性能對比 (8核4G內存)
經過對比測試，800w 數據量全量同步，使用 logstash 寫到 elasticsearch，實際需要大概 3 小時，而舊方案的寫入時間需要 2.5 天。
方案實施細節接下來，我們來看看具體是如何實現的。
本方案無需編寫額外代碼，非侵入式的，實現 MySQL 數據與 elasticsearch 數據庫的同步。
下列是本次方案需要使用所有的組件：
MySQL
Kafka
Maxwell（監聽 binlog）
Logstash（將數據同步給 elasticsearch）
Elasticsearch
1. MySQL配置本次使用 MySQL 5.5 作示范，其他版本的配置可能稍許不同需要
首先我們需要增加一個數據庫只讀的用戶，如果已有的可以跳過。
-- 創建一個 用戶名為 maxwell 密碼為 xxxxxx 的用戶CREATE USER 'maxwell'@'%' IDENTIFIED BY 'XXXXXX';GRANT ALL ON maxwell.* TO 'maxwell'@'localhost';GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';開啟數據庫的 binlog，修改 mysql 配置文件，注意 maxwell 需要的 binlog 格式必須是row。
# /etc/mysql/my.cnf[mysqld]# maxwell 需要的 binlog 格式必須是 rowbinlog_format=row# 指定 server_id 此配置關系到主從同步需要按情況設置，# 由于此mysql沒有開啟主從同步，這邊默認設置為 1server_id=1# logbin 輸出的文件名， 按需配置log-bin=master重啟 MySQL 并查看配置是否生效：
sudo systemctl restart mysqldselect @@log_bin;-- 正確結果是 1select @@binlog_format;-- 正確結果是 ROW如果要監聽的數據庫開啟了主從同步，并且不是主數據庫，需要再從數據庫開啟 binlog 聯級同步。
# /etc/my.cnflog_slave_updates = 1需要被同步到 elasticsearch 的表結構。
-- robin.logsshow create table robin.logs;-- 表結構CREATE TABLE `logs` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT, `content` text NOT NULL, `user_id` int(11) NOT NULL, `status` enum('SUCCESS','FAILED','PROCESSING') NOT NULL, `type` varchar(20) DEFAULT '', `meta` text, `created_at` bigint(15) NOT NULL, `idx_host` varchar(255) DEFAULT '', `idx_domain_id` int(11) unsigned DEFAULT NULL, `idx_record_value` varchar(255) DEFAULT '', `idx_record_opt` enum('DELETE','ENABLED','DISABLED') DEFAULT NULL, `idx_orig_record_value` varchar(255) DEFAULT '', PRIMARY KEY (`id`), KEY `created_at` (`created_at`)) ENGINE=InnoDB AUTO_INCREMENT=8170697 DEFAULT CHARSET=utf82. Maxwell 配置本次使用 maxwell-1.39.2 作示范, 確保機器中包含 java 環境， 推薦 openjdk11
下載 maxwell 程序
wget https://github.com/zendesk/maxwell/releases/download/v1.39.2/maxwell-1.39.2.tar.gztar zxvf maxwell-1.39.2.tar.gz **&&** cd maxwell-1.39.2maxwell 使用了兩個數據庫：
一個是需要被監聽binlog的數據庫(只需要讀權限)
另一個是記錄maxwell服務狀態的數據庫，當前這兩個數據庫可以是同一個
重要參數說明：
host 需要監聽binlog的數據庫地址
port 需要監聽binlog的數據庫端口
user 需要監聽binlog的數據庫用戶名
password 需要監聽binlog的密碼
replication_host 記錄maxwell服務的數據庫地址
replication_port 記錄maxwell服務的數據庫端口
replication_user 記錄maxwell服務的數據庫用戶名
filter 用于監聽binlog數據時過濾不需要的數據庫數據或指定需要的數據庫
producer 將監聽到的增量變化數據提交給的消費者 (如 stdout、kafka)
kafka.bootstrap.servers kafka 服務地址
kafka_version kafka 版本
kafka_topic 推送到kafka的主題
啟動 maxwell
注意，如果 kafka 配置了禁止自動創建主題，需要先自行在 kafka 上創建主題，kafka_version 需要根據情況指定, 此次使用了兩張不同的庫
./bin/maxwell --host=mysql-maxwell.mysql.svc.cluster.fud3 --port=3306 --user=root --password=password --replication_host=192.168.5.38 --replication_port=3306 --replication_user=cloner --replication_password=password--filter='exclude: *.*, include: robin.logs' --producer=kafka --kafka.bootstrap.servers=192.168.30.10:9092 --kafka_topic=maxwell-robinlogs --kafka_version=0.9.0.13. 安裝 LogstashLogstash 包中已經包含了 openjdk，無需額外安裝。
wget https://artifacts.elastic.co/downloads/logstash/logstash-8.5.0-linux-x86_64.tar.gztar zxvf logstash-8.5.0-linux-x86_64.tar.gz刪除不需要的配置文件。
rm config/logstash.yml修改 logstash 配置文件
# config/logstash-sample.confinput { kafka { bootstrap_servers => '192.168.30.10:9092' group_id => 'main' topics => ['maxwell-robinlogs'] }}filter { json { source => 'message' } # 將maxwell的事件類型轉化為es的事件類型 # 如增加 -> index 修改-> update translate { source => '[type]' target => '[action]' dictionary => { 'insert' => 'index' 'bootstrap-insert' => 'index' 'update' => 'update' 'delete' => 'delete' } fallback => 'unknown' } # 過濾無效的數據 if ([action] == 'unknown') { drop {} } # 處理數據格式 if [data][idx_host] { mutate { add_field => { 'idx_host' => '%{[data][idx_host]}' } } } else { mutate { add_field => { 'idx_host' => '' } } } if [data][idx_domain_id] { mutate { add_field => { 'idx_domain_id' => '%{[data][idx_domain_id]}' } } } else { mutate { add_field => { 'idx_domain_id' => '' } } } if [data][idx_record_value] { mutate { add_field => { 'idx_record_value' => '%{[data][idx_record_value]}' } } } else { mutate { add_field => { 'idx_record_value' => '' } } } if [data][idx_record_opt] { mutate { add_field => { 'idx_record_opt' => '%{[data][idx_record_opt]}' } } } else { mutate { add_field => { 'idx_record_opt' => '' } } } if [data][idx_orig_record_value] { mutate { add_field => { 'idx_orig_record_value' => '%{[data][idx_orig_record_value]}' } } } else { mutate { add_field => { 'idx_orig_record_value' => '' } } } if [data][type] { mutate { replace => { 'type' => '%{[data][type]}' } } } else { mutate { replace => { 'type' => '' } } } mutate { add_field => { 'id' => '%{[data][id]}' 'content' => '%{[data][content]}' 'user_id' => '%{[data][user_id]}' 'status' => '%{[data][status]}' 'meta' => '%{[data][meta]}' 'created_at' => '%{[data][created_at]}' } remove_field => ['data'] } mutate { convert => { 'id' => 'integer' 'user_id' => 'integer' 'idx_domain_id' => 'integer' 'created_at' => 'integer' } } # 只提煉需要的字段 mutate { remove_field => [ 'message', 'original', '@version', '@timestamp', 'event', 'database', 'table', 'ts', 'xid', 'commit', 'tags' ] }}output { # 結果寫到es elasticsearch { hosts => ['http://es-zico2.service.upyun:9500'] index => 'robin_logs' action => '%{action}' document_id => '%{id}' document_type => 'robin_logs' } # 結果打印到標準輸出 stdout { codec => rubydebug }}執行程序：
# 測試配置文件*bin/logstash -f config/logstash-sample.conf --config.test_and_exit# 啟動*bin/logstash -f config/logstash-sample.conf --config.reload.automatic4. 全量同步完成啟動后，后續的增量數據 maxwell 會自動推送給 logstash 最終推送到 elasticsearch ，而之前的舊數據可以通過 maxwell 的 bootstrap 來同步，往下面表中插入一條任務，那么 maxwell 會自動將所有符合條件的 where_clause 的數據推送更新。
INSERT INTO maxwell.bootstrap ( database_name, table_name, where_clause, client_id ) values ( 'robin', 'logs', 'id > 1', 'maxwell' );后續可以在 elasticsearch 檢測數據是否同步完成，可以先查看數量是否一致，然后抽樣對比詳細數據。
# 檢測 elasticsearch 中的數據量GET robin_logs/robin_logs/_count以上就是實現MySQL與elasticsearch的數據同步的代碼示例的詳細內容，更多關于MySQ與elasticsearch數據同步的資料請關注好吧啦網其它相關文章！
相關文章：
網公網安備