Debezium 实现 MySQL 到 Elasticsearch 高效实时同步

栏目: 数据库 · 发布时间: 4年前

内容简介:来自Elasticsearch中文社区的问题——MySQL中表无唯一递增字段,也无唯一递增时间字段,该怎么使用logstash实现MySQL实时增量导数据到es中?

题记

来自Elasticsearch中文社区的问题——

MySQL中表无唯一递增字段,也无唯一递增时间字段,该怎么使用logstash实现 MySQL 实时增量导数据到es中?

logstash和kafka_connector都仅支持基于自增id或者时间戳更新的方式 增量 同步数据。

回到问题本身:如果库表里没有相关字段,该如何处理呢?

本文给出相关探讨和解决方案。

1、 binlog认知

1.1 啥是 binlog?

binlog是Mysql sever层维护的一种 二进制日志 ,与innodb引擎中的redo/undo log是完全不同的日志; 其主要是用来记录对mysql数据更新或潜在发生更新的 SQL 语句,并以"事务"的形式保存在磁盘中。

作用主要有:

  • 1)复制:达到master-slave数据一致的目的。

  • 2)数据恢复:通过mysqlbinlog工具恢复数据。

  • 3) 增量备份

1.2 阿里的Canal实现了增量Mysql同步

Debezium 实现 MySQL 到 Elasticsearch 高效实时同步

一图胜千言,canal是用 java 开发的基于数据库增量日志解析、提供增量数据订阅&消费的中间件。

目前,canal主要支持了MySQL的binlog解析,解析完成后才利用canal client 用来处理获得的相关数据。目的: 增量数据订阅&消费

综上,使用binlog可以突破logstash或者kafka-connector没有自增id或者没有时间戳字段的限制,实现增量同步。

2、基于binlog的同步方式

1)基于kafka Connect的Debezium 开源工程,地址:. https://debezium.io/

2)不依赖第三方的独立应用: Maxwell开源项目, 地址:http://maxwells-daemon.io/

由于已经部署过conluent(kafka的企业版本,自带zookeeper、kafka、ksql、kafka-connector等),本文仅针对Debezium展开。

3、Debezium介绍

Debezium是捕获数据实时动态变化的开源的分布式同步平台。能实时捕获到数据源(Mysql、Mongo、PostgreSql)的:新增(inserts)、更新(updates)、删除(deletes)操作,实时同步到Kafka,稳定性强且速度非常快。

特点:

  • 1)简单。无需修改应用程序。可对外提供服务。

  • 2)稳定。持续跟踪每一行的每一处变动。

  • 3)快速。构建于kafka之上,可扩展,经官方验证可处理大容量的数据。

4、同步架构

Debezium 实现 MySQL 到 Elasticsearch 高效实时同步

如图,Mysql到ES的同步策略,采取“曲线救国”机制。

步骤1:基Debezium的binlog机制,将Mysql数据同步到Kafka。

步骤2:基于Kafka_connector机制,将kafka数据同步到Elasticsearch。

5、Debezium实现Mysql到ES增删改实时同步

软件版本:

confluent:5.1.2;
Debezium:0.9.2_Final;
Mysql:5.7.x.
Elasticsearch:6.6.1

5.1 Debezium安装

confluent的安装部署参见:http://t.cn/Ef5poZk,不再赘述。

Debezium的安装只需要把debezium-connector-mysql的压缩包解压放到Confluent的解压后的插件目录(share/java)中。

MySQL Connector plugin 压缩包的下载地址:

https://debezium.io/docs/install/

注意 重启 一下confluent,以使得Debezium生效。

5.2 Mysql binlog等相关配置。

Debezium使用MySQL的binlog机制实现数据动态变化监测,所以需要Mysql提前配置binlog。

核心配置如下,在Mysql机器的/etc/my.cnf的mysqld下添加如下配置。

1[mysqld] 2 3server-id         = 223344 4log_bin           = mysql-bin 5binlog_format     = row 6binlog_row_image  = full 7expire_logs_days  = 10

然后,重启一下Mysql以使得binlog生效。

1systemctl start mysqld.service

5.3 配置connector连接器。

配置confluent路径目录 : /etc

创建文件夹命令 :

1mkdir kafka-connect-debezium

在mysql2kafka_debezium.json存放connector的配置信息 :

1[root@localhost kafka-connect-debezium]# cat mysql2kafka_debezium.json  2{   3        "name" : "debezium-mysql-source-0223",  4        "config":  5        {  6             "connector.class" : "io.debezium.connector.mysql.MySqlConnector",  7             "database.hostname" : "192.168.1.22",  8             "database.port" : "3306",  9             "database.user" : "root", 10             "database.password" : "XXXXXX", 11             "database.whitelist" : "kafka_base_db", 12             "table.whitlelist" : "accounts", 13             "database.server.id" : "223344", 14             "database.server.name" : "full", 15             "database.history.kafka.bootstrap.servers" : "192.168.1.22:9092", 16             "database.history.kafka.topic" : "account_topic", 17             "include.schema.changes" : "true" , 18             "incrementing.column.name" : "id", 19             "database.history.skip.unparseable.ddl" : "true", 20             "transforms": "unwrap,changetopic", 21             "transforms.unwrap.type": "io.debezium.transforms.UnwrapFromEnvelope", 22             "transforms.changetopic.type":"org.apache.kafka.connect.transforms.RegexRouter", 23             "transforms.changetopic.regex":"(.*)", 24             "transforms.changetopic.replacement":"$1-smt" 25        } 26}

注意如下配置:

  1. "database.server.id",对应Mysql中的server-id的配置。

  2. "database.whitelist" : 待同步的Mysql数据库名。

  3. "table.whitlelist" :待同步的Mysq表名。

  4. 重要:“database.history.kafka.topic”:存储数据库的Shcema的记录信息,而非写入数据的topic、

  5. "database.server.name":逻辑名称,每个connector确保唯一,作为写入数据的kafka topic的前缀名称。

坑一:transforms相关5行配置作用是写入数据格式转换。

如果没有,输入数据会包含:before、after记录修改前对比信息以及元数据信息(source,op,ts_ms等)。

这些信息在后续数据写入Elasticsearch是不需要的。(注意结合自己业务场景)。

格式转换相关原理:http://t.cn/EftoaIi

5.4 启动connector

1curl -X POST -H "Content-Type:application/json"  2--data @mysql2kafka_debezium.json.json  3http://192.168.1.22:18083/connectors | jq

5.5 验证写入是否成功。

5.5.1  查看kafka-topic

1    kafka-topics --list --zookeeper localhost:2181

此处会看到写入数据topic的信息。

注意新写入数据topic的格式:database.schema.table-smt 三部分组成。

本示例topic名称:

full.kafka_base_db.account-smt

5.5.2 消费数据验证写入是否正常

1./kafka-avro-console-consumer --topic full.kafka_base_db.account-smt --bootstrap-server 192.168.1.22:9092 --from-beginning

至此,Debezium实现mysql同步kafka完成。

6、kafka-connector实现kafka同步Elasticsearch

6.1、Kafka-connector介绍

见官网: https://docs.confluent.io/current/connect.html

Kafka Connect是一个用于连接Kafka与外部系统(如数据库,键值存储,检索系统索引和文件系统)的框架。 

连接器实现公共数据源数据(如Mysql、Mongo、Pgsql等)写入Kafka,或者Kafka数据写入目标数据库,也可以自己开发连接器。

6.2、kafka到ES connector同步配置

配置路径:

1/home/confluent-5.1.0/etc/kafka-connect-elasticsearch/quickstart-elasticsearch.properties

配置内容:

1"connector.class": "io.confluent.connect.elasticsearch.ElasticsearchSinkConnector", 2"tasks.max": "1", 3"topics": "full.kafka_base_db.account-smt", 4"key.ignore": "true", 5"connection.url": "http://192.168.1.22:9200", 6"type.name": "_doc", 7"name": "elasticsearch-sink-test"

6.3 kafka到ES启动connector

启动命令

1confluent load  elasticsearch-sink-test  2-d /home/confluent-5.1.0/etc/kafka-connect-elasticsearch/quickstart-elasticsearch.properties

6.4 Kafka-connctor RESTFul API查看

Mysql2kafka,kafka2ES的connector详情信息可以借助postman或者浏览器或者命令行查看。

1curl -X GET http://localhost:8083/connectors

7、坑复盘。

坑2:同步的过程中可能出现错误,比如:kafka topic没法消费到数据。
排解思路如下:

  • 1)确认消费的topic是否是写入数据的topic;

  • 2)确认同步的过程中没有出错。可以借助connector如下命令查看。

1 curl -X GET http://localhost:8083/connectors-xxx/status

坑3:Mysql2ES出现日期格式不能识别。

是Mysql jar包的问题,解决方案:在my.cnf中配置时区信息即可。

坑4:kafka2ES,ES没有写入数据。

排解思路:

  • 1)建议:先创建同topic名称一致的索引,注意:Mapping静态自定义,不要动态识别生成。

  • 2)通过connetor/status排查出错原因,一步步分析。

8、小结

  1. binlog的实现突破了字段的限制,实际上业界的go-mysql-elasticsearch已经实现。

  2. 对比:logstash、kafka-connector,虽然Debezium“曲线救国”两步实现了实时同步,但稳定性+实时性能相对不错。

  3. 推荐大家使用。大家有好的同步方式也欢迎留言讨论交流。

参考:

[1 ]http://t.cn/EftX2p8

[2]  http://t.cn/EftXJU6

[3]  http://t.cn/EftXO8c

[4] http://t.cn/EftXn9M

[5]  http://t.cn/EftXeOc

推荐阅读:

重磅 | 死磕Elasticsearch方法论认知清单(2019春节更新版)

Debezium 实现 MySQL 到 Elasticsearch 高效实时同步

Elasticsearch基础、进阶、实战第一公众号


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

进化式运营:从互联网菜鸟到绝顶高手

进化式运营:从互联网菜鸟到绝顶高手

李少加 / 电子工业出版社 / 2016-11 / 59

互联网运营作为一个新兴的岗位,一方面它是企业的核心岗职,身负重任,另一方面,又由于其短暂的历史,缺乏成熟体系的工作方法论,而目前业界主流的运营方法却是从企业视角出发,存在极大的改进空间。 《进化式运营:从互联网菜鸟到绝顶高手》作者基于自身十年的互联网洞察、实践经验,并融合了信息论、心理学、经济学、管理学、甚至包括生态学、进化论等跨学科跨学业的知识,从无到有地构建了一套全新的互联网运营体系:基......一起来看看 《进化式运营:从互联网菜鸟到绝顶高手》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

URL 编码/解码
URL 编码/解码

URL 编码/解码

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换