ElasticSearch + Logstash进行数据库同步
ElasticSearch + Logstash进行数据库同步
作者：fallinjava链接：https://juejin.im/post/5ca1d76c6fb9a05e1a7a999b介绍
在我们使用mysql和elasticsearch结合使用的时候，可能会有一些同步的需求，想要数据库和elasticsearch同步的方式其实有很多。
可以使用canal，它主要是监听mysql的binlog 日志，可以监听数据的一些变化，如果数据发生了变化我们需要做什么逻辑，这些都是可以人为实现的，它是将自己模拟成一个slave节点，当master节点的数据发生变化是，它能够看到数据的变化。但是缺点也很明显，由于是java实现的，所以比较重，还需要使用zookeeper等集群管理工具来管理canal节点，所以本文暂时不介绍这种方式。
本文主要介绍使用Logstash JDBC的方式来实现同步，这个方式同步比较简单。当然它有一些缺点，就是有点耗内存（内存大就当我没说?）。
最终效果展示
- 先看下ElasticSearch的数据, 这要好分辨效果,从响应结果可以看到现在有id为1，2，3的三条数据。 执行查询语句
GET /myapp/_search{ "_source": "id"}响应结果：
{ "took": 5, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 }, "hits": { "total": 3, "max_score": 1, "hits": [ { "_index": "myapp", "_type": "doc", "_id": "2", "_score": 1, "_source": { "id": 2 } }, { "_index": "myapp", "_type": "doc", "_id": "1", "_score": 1, "_source": { "id": 1 } }, { "_index": "myapp", "_type": "doc", "_id": "3", "_score": 1, "_source": { "id": 3 } } ] }}- 现在我们来修改增加一条数据，看看es数据的变化 这里是数据库现在的数据, 可以看到里面有3条记录。
mysql> select * from user;+------+----------+-------------+------------+-------+------------+---------+| id | name | phone | password | title | content | article |+------+----------+-------------+------------+-------+------------+---------+| 1 | zhnagsan | 181222 | 123123 | ??? | ?????? | ???IE || 2 | lishi | 181222113 | 232123123 | 23??? | 234?????? | 4???IE || 3 | wangwu | 18111214204 | 1337547531 | ????? | lc content | Java |+------+----------+-------------+------------+-------+------------+---------+3 rows in set (0.00 sec)mysql>现在我们执行一个sql向里面添加一条数据
mysql> insert into user (id, name, phone, password, title, content, article) values (4, "lc", "123456789", "123456789", "测试", "测试内容", "Java") Query OK, 1 row affected (0.00 sec)mysql>- 在次执行查询语句，看看es的数据变化，可以看到已经多了一条id为4的数据了，中间这个同步默认会有1分钟的延迟。 执行搜索
GET /myapp/_search{ "_source": "id"}响应结果
{ "took": 2, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 }, "hits": { "total": 4, "max_score": 1, "hits": [ { "_index": "myapp", "_type": "doc", "_id": "2", "_score": 1, "_source": { "id": 2 } }, { "_index": "myapp", "_type": "doc", "_id": "4", "_score": 1, "_source": { "id": 4 } }, { "_index": "myapp", "_type": "doc", "_id": "1", "_score": 1, "_source": { "id": 1 } }, { "_index": "myapp", "_type": "doc", "_id": "3", "_score": 1, "_source": { "id": 3 } } ] }}环境
Virtual machine：VMware 11.0.2 Operator System：CentOS release 6.9 (Final) ElasticSearch：6.4.0 Kibana版本：6.4.0 LogStash版本：6.6.1 JDK版本：1.8.0_181 MySQL版本： 5.1.73（这个版本是用yum直接安装的，其实这个教程和mysql版本没有多大关系，因为到时候是使用jdbc的驱动包来连接数据库的） logstash jdbc驱动包版本 5.1.46
logstash 介绍
Logstash是一个开源数据收集引擎，具有实时管道功能。Logstash可以动态地将来自不同数据源的数据统一起来，并将数据标准化到你所选择的目的地。
集中、转换和存储你的数据
Logstash是一个开源的服务器端数据处理管道，可以同时从多个数据源获取数据，并对其进行转换，然后将其发送到你最喜欢的“存储”。（当然，我们最喜欢的是Elasticsearch）
输入：采集各种样式、大小和来源的数据
数据往往以各种各样的形式，或分散或集中地存在于很多系统中。Logstash 支持各种输入选择 ，可以在同一时间从众多常用来源捕捉事件。能够以连续的流式传输方式，轻松地从您的日志、指标、Web 应用、数据存储以及各种 AWS 服务采集数据。
过滤器：实时解析和转换数据
数据从源传输到存储库的过程中，Logstash 过滤器能够解析各个事件，识别已命名的字段以构建结构，并将它们转换成通用格式，以便更轻松、更快速地分析和实现商业价值。 Logstash 能够动态地转换和解析数据，不受格式或复杂度的影响：
- 利用 Grok 从非结构化数据中派生出结构
- 从 IP 地址破译出地理坐标
- 将 PII 数据匿名化，完全排除敏感字段
- 整体处理不受数据源、格式或架构的影响
输出：选择你的存储，导出你的数据
尽管 Elasticsearch 是我们的首选输出方向，能够为我们的搜索和分析带来无限可能，但它并非唯一选择。Logstash 提供众多输出选择，您可以将数据发送到您要指定的地方，并且能够灵活地解锁众多下游用例。
安装logstash
首先，让我们通过最基本的Logstash管道来测试一下刚才安装的Logstash Logstash管道有两个必需的元素，输入和输出，以及一个可选元素过滤器。输入插件从数据源那里消费数据，过滤器插件根据你的期望修改数据，输出插件将数据写入目的地。
接下来，从命令行输入如下命令
bin/logstash -e 'input { stdin {} } output { stdout {} }'选项 -e 的意思是允许你从命令行指定配置当启动完成时，会等待你的输入，你可以输入hello world试试，它会给你一下信息的回馈。
使用logstash进行Mysql和ElasticSearch的同步
准备JDBC驱动包
- 首先，将我们刚才给予的下载链接里面的jdbc驱动包放到logstash目录里面来
- 解压这个文件
[root@localhost logstash-6.6.1]# unzip mysql-connector-java-5.1.46.zip
生成mysqlsyn.conf文件
- 进入config目录，创建文件mysqlsyn.conf
- 使用vim编辑器打开这个文件，并向里面添加以下内容,并且保存退出。
input { jdbc { # jdbc驱动包位置 jdbc_driver_library => "/mnt/logstash-6.6.1/mysql-connector-java-5.1.46/mysql-connector-java-5.1.46-bin.jar" # 要使用的驱动包类，有过java开发经验的应该很熟悉这个了，不同的数据库调用的类不一样。 jdbc_driver_class => "com.mysql.jdbc.Driver" # myqsl数据库的连接信息 jdbc_connection_string => "jdbc:mysql://0.0.0.0:3306/myapp" # mysql用户 jdbc_user => "root" # mysql密码 jdbc_password => "root" # 定时任务， 多久执行一次查询, 默认一分钟，如果想要没有延迟，可以使用 schedule => "* * * * * *" schedule => "* * * * *" # 你要执行的语句 statement => "select * from user" } }
output { # 将数据输出到ElasticSearch中 elasticsearch { # es ip加端口 hosts => ["0.0.0.0:9200"] # es文档索引 index => "myusreinfo" # es文档数据的id，%{id}代表的是用数据库里面记录的id作为文档的id document_id => "%{id}" } }启动logstash进行同步
上面我们已经生成了这个mysqlsyn.conf这个文件，接下来我们就使用logstash来进行数据同步吧，同步之前先看下我们的数据库的user表的数据。
- 查看mysql数据， 能够看到我们还是只有刚开始的4条数据
- 检查ElasticSearch是否有
myusreinfo这个索引，可以从图中看到我们只有myapp这个索引。
- 带上配置文件启动logstash
[root@localhost logstash-6.6.1]# ./bin/logstash -f config/mysqlsyn.conf-f 指定配置文件启动启动成功，并且已经在同步数据了，这个同步默认是每分钟执行一次，可以看到5分钟执行了5次
检查同步效果
- 上面已经启动了同步，现在我们去看看ElasticSearch里面的是否有数据，从图中可以看到myusrinfo已经同步到es里面了，并且可以看到
docs.count的数量就是我们刚才数据库里面数据的数量。
- 我们像数据库里面增加一条数据，然后看下ElasticSearch的数据是否会改变
- 查看ElasticSearch里面是否有刚才添加的数据, 从图中可以看到已经有5条数据了
- 先看ElasticSearch里面id为5的数据，可以看到name为
yinya
- 数据库修改一条id为5的数据，看看ElasticSearch的数据变化
- 查看ElasticSearch里面数据是否已经更改，可以看到数据已经更改了
- 删除两条数据看看ElasticSearch数据的变化, 删除了id为1和2的两条数据
- 查看ElasticSearch里面数据是否已经更改, 然而数据并没有变
对delete操作的实时同步泼冷水
到目前为止，所有google,stackoverflow,elastic.co,github上面搜索的插件和实时同步的信息，告诉我们：目前同步delete还没有好的解决方案。 折中的解决方案如下：
https://link.juejin.im/?target=https%3A%2F%2Fdiscuss.elastic.co%2Ft%2Fdelete-elasticsearch-document-with-logstash-jdbc-input%2F47490%2F9
https://link.juejin.im/?target=http%3A%2F%2Fstackoverflow.com%2Fquestions%2F34477095%2Felasticsearch-replication-of-other-system-data%2F34477639%2334477639
- 方案一 在原有的mysql数据库表中，新增一个字段status, 默认值为ok，如果要删除数据，实则用update操作，status改为deleted, 这样，就能同步到es中。es中以status状态值区分该行数据是否存在。deleted代表已删除，ok代表正常。
- 方案二 使用go elasticsearch 插件实现同步。