logstash mysql 準實時同步到 elasticsearch

weixin_33872660發表於2018-04-14
原文網址 : https://blog.csdn.net/weixin_33872660/article/details/88130317
MySqlElasticsearch

mysql 作為成熟穩定的資料持久化解決方案，廣泛地應用在各種領域，但是在資料分析方面稍有不足，而 elasticsearch 作為資料分析領域的佼佼者，剛好可以彌補這項不足，而我們要做的只需要將 mysql 中的資料同步到 elasticsearch 中即可，而 logstash 剛好就可以支援，所有你需要做的只是寫一個配置檔案而已

logstash 獲取

獲取 logstash

wget https://artifacts.elastic.co/downloads/logstash/logstash-6.2.3.zip
unzip logstash-6.2.3.zip && cd logstash-6.2.3

安裝 jdbc 和 elasticsearch 外掛

bin/logstash-plugin install logstash-input-jdbc
bin/logstash-plugin install logstash-output-elasticsearch

獲取 jdbc mysql 驅動

wget https://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.46.zip
unzip mysql-connector-java-5.1.46.zip

編寫配置檔案

logstash-input-jdbc

使用 logstash-input-jdbc 外掛讀取 mysql 的資料，這個外掛的工作原理比較簡單，就是定時執行一個 sql，然後將 sql 執行的結果寫入到流中，增量獲取的方式沒有通過 binlog 方式同步，而是用一個遞增欄位作為條件去查詢，每次都記錄當前查詢的位置，由於遞增的特性，只需要查詢比當前大的記錄即可獲取這段時間內的全部增量，一般的遞增欄位有兩種，AUTO_INCREMENT 的主鍵 id 和 ON UPDATE CURRENT_TIMESTAMP 的 update_time 欄位，id 欄位只適用於那種只有插入沒有更新的表，update_time 更加通用一些，建議在 mysql 表設計的時候都增加一個 update_time 欄位

input {
  jdbc {
    jdbc_driver_library => "../mysql-connector-java-5.1.46/mysql-connector-java-5.1.46-bin.jar"
    jdbc_driver_class => "com.mysql.jdbc.Driver"
    jdbc_connection_string => "jdbc:mysql://<mysql_host>:3306/rta"
    jdbc_user => "<username>"
    jdbc_password => "<password>"
    schedule => "* * * * *"
    statement => "SELECT * FROM table WHERE update_time >= :sql_last_value"
    use_column_value => true
    tracking_column_type => "timestamp"
    tracking_column => "update_time"
    last_run_metadata_path => "syncpoint_table"
  }
}
  • jdbc_driver_library: jdbc mysql 驅動的路徑，在上一步中已經下載
  • jdbc_driver_class: 驅動類的名字，mysql 填 com.mysql.jdbc.Driver 就好了
  • jdbc_connection_string: mysql 地址
  • jdbc_user: mysql 使用者
  • jdbc_password: mysql 密碼
  • schedule: 執行 sql 時機，類似 crontab 的排程
  • statement: 要執行的 sql，以 ":" 開頭是定義的變數，可以通過 parameters 來設定變數，這裡的 sql_last_value 是內建的變數，表示上一次 sql 執行中 update_time 的值，這裡 update_time 條件是 >= 因為時間有可能相等，沒有等號可能會漏掉一些增量
  • use_column_value: 使用遞增列的值
  • tracking_column_type: 遞增欄位的型別，numeric 表示數值型別, timestamp 表示時間戳型別
  • tracking_column: 遞增欄位的名稱，這裡使用 update_time 這一列，這列的型別是 timestamp
  • last_run_metadata_path: 同步點檔案，這個檔案記錄了上次的同步點，重啟時會讀取這個檔案，這個檔案可以手動修改

logstash-output-elasticsearch

output {
  elasticsearch {
    hosts => ["172.31.22.165", "172.31.17.241", "172.31.30.84", "172.31.18.178"]
    user => "<user>"
    password => "<password>"
    index => "table"
    document_id => "%{id}"
  }
}
  • hosts: es 叢集地址
  • user: es 使用者名稱
  • password: es 密碼
  • index: 匯入到 es 中的 index 名，這裡我直接設定成了 mysql 表的名字
  • document_id: 匯入到 es 中的文件 id，這個需要設定成主鍵，否則同一條記錄更新後在 es 中會出現兩條記錄，%{id} 表示引用 mysql 表中 id 欄位的值

執行

把上面的程式碼儲存到一個配置檔案裡面 sync_table.cfg，執行下面命令即可

cd logstash-6.2.3 && bin/logstash -f config/sync_table.cfg

如果成功了會在標準輸出輸出執行的 sql 語句

[2018-04-14T18:12:00,278][INFO ][logstash.inputs.jdbc     ] (0.001011s) SELECT version()
[2018-04-14T18:12:00,284][INFO ][logstash.inputs.jdbc     ] (0.000723s) SELECT * FROM table WHERE update_time > '2018-04-14 17:55:00'

其他問題

多表同步

一個 logstash 例項可以藉助 pipelines 機制同步多個表，只需要寫多個配置檔案就可以了，假設我們有兩個表 table1 和 table2，對應兩個配置檔案 sync_table1.cfg 和 sync_table2.cfg

在 config/pipelines.yml 中配置

- pipeline.id: table1
  path.config: "config/sync_table1.cfg"
- pipeline.id: table2
  path.config: "config/sync_table2.cfg"

直接 bin/logstash 啟動即可

@timestamp 欄位

預設情況下 @timestamp 欄位是 logstash-input-jdbc 新增的欄位，預設是當前時間，這個欄位在資料分析的時候非常有用，但是有時候我們希望使用資料中的某些欄位來指定這個欄位，這個時候可以使用 filter.date, 這個外掛是專門用來設定 @timestamp 這個欄位的

比如我有我希望用欄位 timeslice 來表示 @timestamp，timeslice 是一個字串，格式為 %Y%m%d%H%M

filter {
  date {
    match => [ "timeslice", "yyyyMMddHHmm" ]
    timezone => "Asia/Shanghai"
  }
}

把這一段配置加到 sync_table.cfg 中，現在 @timestamp 和 timeslice 一致了

參考連結

轉載請註明出處
本文連結：http://www.hatlonely.com/2018/04/14/logstash-mysql-%E5%87%86%E5%AE%9E%E6%97%B6%E5%90%8C%E6%AD%A5%E5%88%B0-elasticsearch/

相關文章