ElasticSearch + Logstash进行数据库同步

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

获取需要的环境

本文暂时只提供下载地址（暂时偷个大懒 😄,安装顺序是按照链接排列顺序）,logstash会给予详细使用说明，它是不需要安装的是需要解压就行了。

Virtual machine：VMware 11.0.2

Operator System：CentOS release 6.9 (Final)

使用logstash

如果环境都安装好了可以看下面的了，没安装好也可以看😁

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