Elasticsearch最佳实践从Mysql到Elasticsearch

1. 前言

  Elasticsearch(ES)可用于全文检索、日志分析、指标分析、APM等众多场景,而且搭建部署容易,后期弹性扩容、故障处理简单。ES在一定程度上实现了一套系统支持多个场景的希望,大幅度降低使用多套专用系统的运维成本(当然ES不是万能的,不能满足事务等场景)。正是因为其通用性和易用性,ES自2010年发布首个版本以来得到爆发式的发展,广泛应用于各类互联网公司的不同业务场景,在数据库的专业排名中(DB Engines)上升至第8位。

    对于很多用户,想要将Mysql中的数据导入到ES中,而又找不到一种较好的方法,笔者这里给出一种简单快捷的方式,轻松将Mysql中的数据同步到ES。

2. 工具介绍 --- go-mysql-elasticsearch

    go-mysql-elasticsearch是一款开源的高性能的Mysql数据同步ES的工具,其由go语言开发,编译及使用非常简单。go-mysql-elasticsearch的原理很简单,首先使用mysqldump获取当前MySQL的数据,然后在通过此时binlog的name和position获取增量数据,再根据binlog构建restful api写入数据到ES中。下面笔者将会给出详细的使用步骤。

3. Mysql数据同步ES步骤

3.1 Mysql样例数据构建

    既然读者有Mysql导入ES的需求,那Mysql的安装就不用多说了。这里笔者为了整个流程的完整性,就从样例数据的灌入开始,笔者用go写了一个小工具,生成一些样例数据并灌入到Mysql中,表结构如下:

mysql> desc test_table;
+-----------+-------------+------+-----+---------+----------------+
| Field     | Type        | Null | Key | Default | Extra          |
+-----------+-------------+------+-----+---------+----------------+
| id        | int(11)     | NO   | PRI | NULL    | auto_increment |
| timestamp | bigint(20)  | YES  |     | NULL    |                |
| cpu_usage | float       | YES  |     | NULL    |                |
| host_ip   | varchar(20) | YES  |     | NULL    |                |
| region    | varchar(20) | YES  |     | NULL    |                |
+-----------+-------------+------+-----+---------+----------------+

    以上创建了一个名为test_table的表,然后向该表灌入2000条样例数据,部分数据如下所示:

mysql> select * from test_table;
+------+------------+-----------+-------------+-----------+
| id   | timestamp  | cpu_usage | host_ip     | region    |
+------+------------+-----------+-------------+-----------+
|    1 | 1527676339 |      0.23 | 192.168.1.1 | beijing   |
|    2 | 1527676399 |      0.78 | 192.168.1.2 | shanghai  |
|    3 | 1527676459 |       0.2 | 192.168.1.3 | guangzhou |
|    4 | 1527676519 |      0.47 | 192.168.1.4 | shanghai  |
|    5 | 1527676579 |      0.13 | 192.168.1.5 | beijing   |
|    6 | 1527676639 |      0.15 | 192.168.1.1 | beijing   |
|    7 | 1527676699 |      0.07 | 192.168.1.2 | shanghai  |
|    8 | 1527676759 |      0.17 | 192.168.1.3 | guangzhou |
|    9 | 1527676819 |      0.94 | 192.168.1.4 | shanghai  |
|   10 | 1527676879 |      0.06 | 192.168.1.5 | beijing   |

    至此,Mysql端的样例数据准备完毕。

3.2 go-mysql-elasticsearch使用

    由于go-mysql-elasticsearch是用go语言开发,因此首先安装go,官方要求的版本是1.6以上,go的安装非常简单,参考官方文档,下载:https://golang.org/dl/, 安装:https://golang.org/doc/install#install, 然后开始安装 go-mysql-elasticsearch,整个步骤如下:

$ go get github.com/siddontang/go-mysql-elasticsearch
$ cd $GOPATH/src/github.com/siddontang/go-mysql-elasticsearch
$ make

    工具安装好后,需要进行一些合理地配置我们才能愉快地使用,下面笔者将会给出一个配置范例,并给予相应地注释说明:

# 注意:go-mysql-elasticsearch的默认配置文件在go-mysql-elasticsearch/etc/river.toml

# MySQL address, user and password
# user must have replication privilege in MySQL.
my_addr = "127.0.0.1:3306"
my_user = "root"
my_pass = "123456"
my_charset = "utf8"

# Set true when elasticsearch use https
#es_https = false
# ES 地址
es_addr = "9.6.174.42:13982"
# 如果使用的是带权限的ES,需要设置用户名和密码
#es_user = "root"
#es_pass = "changeme"

# Path to store data, like master.info, if not set or empty,
# we must use this to support breakpoint resume syncing. 
# TODO: support other storage, like etcd. 
data_dir = "./var"  # 存储的是binlog的名字及位置

# Inner Http status address
stat_addr = "127.0.0.1:12800"

# pseudo server id like a slave 
server_id = 1001

# mysql or mariadb
flavor = "mysql"

# mysqldump execution path
# if not set or empty, ignore mysqldump.
mysqldump = "mysqldump"

# minimal items to be inserted in one bulk
bulk_size = 512

# force flush the pending requests if we don't have enough items >= bulk_size
flush_bulk_time = "200ms"

# Ignore table without primary key
skip_no_pk_table = true  # 这里需要注意,go-mysql-elasticsearch会

# MySQL data source
[[source]]
schema = "mysql_es"

# Only below tables will be synced into ES.
# "t_[0-9]{4}" is a wildcard table format, you can use it if you have many sub tables, like table_0000 - table_1023
# I don't think it is necessary to sync all tables in a database.
tables = ["test_table*"]

[[rule]]
schema = "mysql_es"   # Mysql数据库名
table = "test_table"  # Mysql表名
index = "test_index"  # ES中index名
type = "doc"          # 文档类型

    以上配置,为笔者测试所使用的配置,如果用户有更高级的需求可以参考官方文档,合理进行配置。配置ok后,我们来运行go-mysql-elasticsearch,如下所示:

$  ./bin/go-mysql-elasticsearch -config=./etc/river.toml
2018/05/31 21:43:44 INFO  create BinlogSyncer with config {1001 mysql 127.0.0.1 3306 root   utf8 false false <nil> false false 0 0s 0s 0}
2018/05/31 21:43:44 INFO  run status http server 127.0.0.1:12800
2018/05/31 21:43:44 INFO  skip dump, use last binlog replication pos (mysql-bin.000002, 194296) or GTID %!s(<nil>)
2018/05/31 21:43:44 INFO  begin to sync binlog from position (mysql-bin.000002, 194296)
2018/05/31 21:43:44 INFO  register slave for master server 127.0.0.1:3306
2018/05/31 21:43:44 INFO  start sync binlog at binlog file (mysql-bin.000002, 194296)
2018/05/31 21:43:44 INFO  rotate to (mysql-bin.000002, 194296)
2018/05/31 21:43:44 INFO  rotate binlog to (mysql-bin.000002, 194296)
2018/05/31 21:43:44 INFO  save position (mysql-bin.000002, 194296)

    这里需要 注意 ,由于go-mysql-elasticsearch需要利用binlog,而且binlog一定要变成row-based format格式,同时需要用到canal组件来同步数据(canal模拟mysql slave的交互协议,伪装自己为mysql slave,向mysql master发送dump协议),因此在Mysql必须配置如下参数:

# 以下参数需要配置,否则必踩坑
log_bin=mysql-bin
binlog_format = ROW
server-id=1

    现在,我们来看看ES中是否成功导入了Mysql中的数据:

#命令:
GET test_index/_search?size=1000
{
  "sort": [
    {
      "timestamp": {
        "order": "desc"
      }
    }
  ], 
  "docvalue_fields": ["timestamp", "host_ip", "region", "cpu_usage"]
}

#结果:
{
  "took": 8,
  "timed_out": false,
  "_shards": {
    "total": 3,
    "successful": 3,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2000,
    "max_score": null,
    "hits": [
      {
        "_index": "test_index",
        "_type": "doc",
        "_id": "2000",
        "_score": null,
        "fields": {
          "host_ip": [
            "192.168.1.5"
          ],
          "region": [
            "beijing"
          ],
          "cpu_usage": [
            0.05000000074505806
          ],
          "timestamp": [
            1527807286000
          ]
        },
        "sort": [
          1527807286000
        ]
      },
      ......
}

    从total可以看出,2000条数据完全导入,至此,Mysql数据导入成功。

    对于一些项目如果使用了分表机制,我们可以用通配符来匹配,这里假设我们需要同步test_table和test_table1两个表到Elasticsearch的同一个index下,只需将上述中的rule配置改为:

[[rule]]
schema = "mysql_es"   # Mysql数据库名
table = "test_table*"  # Mysql表名,这里的table必须在source下的tables里
index = "test_index"  # Elasticsearch中index名
type = "doc"          # 文档类型

    为了验证配置是否生效,笔者在mysql中另外建了一张表test_table1,并插入三条测试数据:

mysql> select * from test_table1;
+------+------------+-----------+-------------+-----------+
| id   | timestamp  | cpu_usage | host_ip     | region    |
+------+------------+-----------+-------------+-----------+
| 3333 | 1528960639 |      0.55 | 192.168.1.2 | chongqing |
| 4444 | 1528960649 |      0.56 | 192.168.1.3 | chengdu   |
| 5555 | 1528960649 |      0.58 | 192.168.1.6 | shenzhen  |
+------+------------+-----------+-------------+-----------+

    然后清空go-mysql-elasticsearch下的var目录,重启程序,再看看ES中同步的数据:

"hits": {
    "total": 2003,
    "max_score": null,
    "hits": [
      {
        "_index": "test_index",
        "_type": "doc",
        "_id": "5555",
        "_score": null,
        "fields": {
          "host_ip": [
            "192.168.1.6"
          ],
          "region": [
            "shenzhen"
          ],
          "cpu_usage": [
            0.5799999833106995
          ],
          "timestamp": [
            1528960649000
          ]
        },
        "sort": [
          1528960649000
        ]
      },
      {
        "_index": "test_index",
        "_type": "doc",
        "_id": "4444",
        "_score": null,
        "fields": {
          "host_ip": [
            "192.168.1.3"
          ],
          "region": [
            "chengdu"
          ],
          "cpu_usage": [
            0.5600000023841858
          ],
          "timestamp": [
            1528960649000
          ]
        },
        "sort": [
          1528960649000
        ]
      },
     ... ...

    从上述结果可以看出,ES中有2003条数据,至此,test_table、test_table1中的数据都成功同步到ES。

小结

    可以看到,使用 go-mysql-elasticsearch,我们仅需要在配置文件里面写规则,就能非常方便的将数据从 MySQL 同步给 ES。上面仅仅举了一些简单的例子,如果有更多的需求可以参考 go-mysql-elasticsearch的官方文档。

    除了本文所介绍的工具外,这里再推荐两种工具,一个是 py-mysql-elasticsearch-sync,该工具是使用python语言编写,与go-mysql-elasticsearch的原理类似,都是利用binlog来实现数据的同步,安装及使用见官方文档https://github.com/zhongbiaodev/py-mysql-elasticsearch-sync; 另一个工具是logstash,使用logstash同步数据时需要安装logstash-input-jdbc、logstash-output-elasticsearch两个插件,具体使用参考官方文档:https://www.elastic.co/guide/en/logstash/current/plugins-inputs-jdbc.htmlhttps://www.elastic.co/guide/en/logstash/current/plugins-outputs-elasticsearch.html

    如果你在使用上述工具中遇到问题,欢迎联系我们。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Zephery

谈谈个人网站的建立(六)—— 数据库同步

先来回顾一下上一篇的小集群架构,tomcat集群,nginx进行反向代理,服务器异地: ? 由上一篇讲到,部署的时候,将war部署在不同的服务器里,通过spri...

48850
来自专栏我是攻城师

ElasticSearch入门介绍之会当凌绝顶(一)

37750
来自专栏数据和云

Oracle 12.2新特性掌上手册 - 第五卷 RAC and Grid

编辑手记:RAC是Oracle最重要的高可用架构之一,具有扩展性良好、实现负载均衡等多维度的优势,Oracle RAC提供了相应的集群软件和存储管理软件,今天我...

33140
来自专栏PHP在线

手把手教会你小程序登录鉴权

56840
来自专栏恰童鞋骚年

【大型网站技术实践】初级篇:搭建MySQL主从复制经典架构

  随着网站业务的不断发展,用户量的不断增加,数据量成倍地增长,数据库的访问量也呈线性地增长。特别是在用户访问高峰期间,并发访问量突然增大,数据库的负载压力也会...

13140
来自专栏同步博客

Memcached与MySQL数据同步

  在生产环境中,我们经常使用MySQL作为应用的数据库。但是随着用户的增多数据量的增大,我们将会自然而然的选择Memcached作为缓存数据库,从而减小MyS...

18220
来自专栏性能与架构

一个命令快速搭建 Mysql 主从复制

Mysql Utilities 是一个 Mysql 的工具箱,里面有不少好用的小工具 其中的 mysqlreplicate 命令,可以让我们通过一个命令就能快...

41460
来自专栏沃趣科技

ASM 翻译系列第三十弹:高级知识 Physical metadata replication

原作者:Bane Radulovic 译者: 邱大龙 审核: 魏兴华 DBGeeK社群联合出品 Physical metadata replicat...

36640
来自专栏数据和云

【MySQL】磁盘写满之后,数据库show status受到阻塞的原因

编辑手记:前两天同事讨论到一个问题,当mysql从库磁盘满之后,show status及show slave status会被卡住,但其他select操作不受影...

40660
来自专栏MYSQL轻松学

Mysql主从延迟解决办法

1.MIXED模式无索引或SQL慢 在从库上pager grep -v Sleep;show processlist 查看到正在执行的SQL。 解决方...

50750

扫码关注云+社区

领取腾讯云代金券