实现mysql和es数据同步的两大工具——Logstash和Canal_logstash 亿级数据同步

 用途

在大型实战项目开发过程中，当数据量达到比较大的规模时，不可避免的要考虑使用ElasticSearch（es）等搜索引擎来解决大量数据的查询性能压力，因此，做好mysql的数据同步变得至关重要。我所了解，并且使用的是通过Logstash和Canal中间件，来实现将数据写入到ES等中。

一、实现同步原理

1.1  Logstash

Logstash提供了一个JDBC插件，它可以定期查询数据库并捕获变化。通过配置Logstash指定连接到mysql的哪个表和es的哪个索引库，并指定对应的查询语句。当MySQL中的数据发生变化时，Logstash的JDBC插件会定时的检测到这些变化，并且迅速捕获这些新数据或者以更新的数据（根据文档id），并将其同步到es中。

注意

• 因为涉及到数据的更新，ES和Mysql表的id字段对应关系
• 因为是根据时间实现增量同步，所以mysql表中必须有一个包含更新或插入时间的字段

1.2  Canal

Canal中间件则是通过模拟成mysql的从库，实时接收mysql的增量数据，然后通过RESTful API将数据写入到ES中。

二、使用步骤（以es为7.14.0为例）

2.1  Logstash

1. 下载与es对应版本的logstash-7.14.0和使用的mysql jar包
2. 在logstash-7.14.0安装目录下创建文件夹mysqltb,将jar包放在该目录下,新建mysql.conf文件，添加内容如下：
3. 命令行执行 logstash ‐f ../mysqletc/mysql.conf

input {

  jdbc {

      # 连接的数据库以及表

      jdbc_connection_string => ""

      # 数据库的账号和密码

      jdbc_user => ""

      jdbc_password => ""

      # mysql jar包的路径

      jdbc_driver_library => ""

      # the name of the driver class for mysql

      jdbc_driver_class => "com.mysql.jdbc.Driver"

      jdbc_paging_enabled => "true"

      jdbc_page_size => "50000"

      #以下对应着要执行的sql的绝对路径。

      #statement_filepath => ""

      statement => ""

      #定时字段 各字段含义（由左至右）分、时、天、月、年，全部为*默认含义为每分钟都更新

      schedule => "* * * * *"

       # 数据标签，用于标记不同的索引数据

      type => "user"

      # 加上jdbc时区, 要不然logstash的时间会不准确

      jdbc_default_timezone => "Asia/Shanghai"

      # 设置列名区分大小写， 默认全小写

      lowercase_column_names => "false"

  }

}

output {

  if[type] == "user"{

  elasticsearch {

      #ESIP地址与端口

      hosts => ["" ]

      #ES索引名称（自己定义的）

      index => ""

      #！！！自增ID编号，与查询语句中特有字段名一致

      document_id => "%{id}"

      # 这个必须要写不然不会同步

      document_type => "_doc"

  }}

  stdout {

      #以JSON格式输出

      codec => json_lines

  }

   

2.2  Canal

下载canal1.1.5

8.0以下版本均要开启mysql的binlog写入功能，在mysql中使用使用命令show variables like ‘%log_bin%’看是否修改成功

#开启binlog模式

log_bin=mysql-bin

binlog-format=row

#single DB binlog-ignore-db=mysql

在Canal.deployer目录下找到配置文件conf/example/instance.properties，修改如下字段

# 同步数据库地址

canal.instance.master.address=你的mysql数据库地址

# 同步数据库账号密码

canal.instance.dbUsername=你的mysql账号

canal.instance.dbPassword=你的mysql密码

修改完成后，保存，启动bin目录下面的startup.bat（linux启动startup.sh），显示Listening for transport dt_socket at address: 9099则没错

在canal.adapter目录下找到配置文件conf/application.yml，修改以下配置：

 srcDataSources:

    defaultDS:

      url: 你自己的mysql数据库地址

      username: mysql数据库账号

      password: mysql数据库密码

  canalAdapters:

  - instance: example # canal instance Name or mq topic name

    groups:

    - groupId: g1

      outerAdapters:

      - name: logger

      - name: es7 #ES同步适配器

        key: es7Key

        hosts: #ES连接地址，！！！！！！主要这里有的地方要加http:

        properties:

         mode: rest

在conf/es7目录中，新建与sql映射表名一样的yml文件

outerAdapterKey: es7Key # 这里和主配置canalAdapters.instance.groupId.outerAdapters.key下面的的key一样

dataSourceKey: defaultDS # 源数据源的key, 对应上面配置的srcDataSources中的值

destination: example  

groupId: g1

esMapping:

  _index: #ES的索引名称

  _id: _id  

  sql: ""        # sql映射

  etlCondition: "where a.c_time>={}"  

  commitBatch: 3000   #提交批大小

注意：

如果报错，可以先看日志，如果日志没有报错，并且监听到了mysql数据的改变，但是没有同步到es，可能是由于es7.x的版本问题，解决办法如下：

将canal 1.1.5.alpha-2中plugins目录下的client-adapter.es7x-1.1.5-SNAPSHOT-jar-with-dependencies.jar复制到1.1.5的plugins下

更多报错参考：canalAdapter同步至es7.x踩坑指南_client-adapter.es7x-1.1.5-snapshot-jar-with-depend-CSDN博客

三、总结

logstash使用相对比较简单，易上手，可扩展插件生态系统，支持定时存储，但是它耗资源较大，并且不能与消息队列缓存。canal实时同步存储，查询更快、更迅速，对数据库无压力，但是相对而言难些。