Elasticsearch最佳实践从Mysql到Elasticsearch
原创Elasticsearch最佳实践从Mysql到Elasticsearch
原创
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.html 和 https://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：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。