MongoDB数据同步工具之 MongoShake

之前360出的那个mongodb数据同步工具比较老，对于3.X版本的mongodb支持不太好。

阿里巴巴出了个  MongoShake ， 目前可以支持到MongoDB4.X（我测试从mongodb3.2.16同步数据到mongodb4.0.4没问题）

 

官方地址： https://github.com/alibaba/MongoShake

中文介绍地址： https://yq.aliyun.com/articles/603329

 

具体的介绍，可以参考上面第二个链接。 实际原理类似于 我们在mysql环境下常用的canal （MongoShake 通过订阅oplog， 然后给下游消费或者直接发送给下游mongodb实例）

 

 

MongoShake应用场景举例

    1.  MongoDB集群间数据的异步复制，免去业务双写开销。

    2.  MongoDB集群间数据的镜像备份（当前1.0开源版本支持受限）

    3.  日志离线分析

    4.  日志订阅

    5.  数据路由。根据业务需求，结合日志订阅和过滤机制，可以获取关注的数据，达到数据路由的功能。

    6.  Cache同步。日志分析的结果，知道哪些Cache可以被淘汰，哪些Cache可以进行预加载，反向推动Cache的更新。

    7.  基于日志的集群监控

 

MongoShake功能介绍

MongoShake从源库抓取oplog数据，然后发送到各个不同的tunnel通道。源库支持：ReplicaSet，Sharding，Mongod，目的库支持：Mongos，Mongod。现有通道类型有：

    1.  Direct：直接写入目的MongoDB

    2.  RPC：通过net/rpc方式连接

    3.  TCP：通过tcp方式连接

    4.  File：通过文件方式对接

    5.  Kafka：通过Kafka方式对接

    6.  Mock：用于测试，不写入tunnel，抛弃所有数据

 

其它的介绍，可以参考上面的地址，这里就不大段贴了。

 

直接上实操吧：

环境： centos7 

源库： mongodb 3.2.16

目的库： mongodb 4.0.4

 

mongo-shake的编译安装

1. yum install golang  golang-bin golang-src  # 我这里安装的是1.9.4的go包

2.  

3. mkdir /home/gocode/

4. export GOPATH=/home/gocode/

5. echo 'export GOPATH=/home/gocode/' >> /root/.bashrc

6. source /root/.bashrc

7.  

8. git clone https://github.com/aliyun/mongo-shake.git

9. cd mongo-shake/src/vendor

10. GOPATH=`pwd`/../..

11.  

12. go get -u -v github.com/kardianos/govendor   # 依赖到这个包，需要先安装下govendor

13.  

14. /home/gocode/bin/govendor sync

15.  

16. cd ../../ && ./build.sh

17. 这样，就会在 bin目录下生成可执行的二进制文件

 

我这里编写的collector.conf 配置文件内容如下：

1. mongo_urls = mongodb://root:[email protected]:27019     ## 如果是复制集环境，建议这里填从节点地址以减少主的压力

2. collector.id = mongoshake

3. checkpoint.interval = 5000

4.  

5. http_profile = 9100

6. system_profile = 9200

7.  

8. log_level = debug

9. log_file = collector.log

10. log_buffer = true

11.  

12. # 配置同步的黑白名单

13. filter.namespace.black = 

14. filter.namespace.white =

15.  

16. oplog.gids =   

17. shard_key = auto

18. syncer.reader.buffer_time = 1

19. worker = 8

20. worker.batch_queue_size = 64

21. adaptive.batching_max_size = 16384

22. fetcher.buffer_capacity = 256

23. worker.oplog_compressor = none

24.  

25. tunnel = direct    # 拿到的oplog 直接写到目标实例

26. tunnel.address = mongodb://127.0.0.1:28017   # 目标库地址是 28017端口

27. context.storage = database

28. context.address = ckpt_default

29. context.start_position = 2000-01-01T00:00:01Z

30. master_quorum = false

31. replayer.dml_only = true    ## 我这里只允许dml数据的同步，如果要允许ddl也传说到目标实例，需要把这个设置为false，具体参考官方的说明

32. replayer.executor = 1

33. replayer.executor.upsert = false

34. replayer.executor.insert_on_dup_update = false

35. replayer.conflict_write_to = none

36. replayer.durable = true

 

启动方式：

./bin/collector -conf=conf/collector.conf

 

日志在 logs 目录下：

tailf logs/collector.log

 

在源实例上测试写入：

1. use testdb;

2. for (i=1;i<=10000;i++) db.tb3.insert( {name:"student"+i, age:(i%120), address: "shanghai" } ); 

3. db.tb3.count()

 

然后，在目标节点执行验证操作:

1. use testdb;

2. db.tb3.count()

 

可以看到，数据记录是一致的。  实际上测试下来，会有2秒左右的延迟。

 

其他走kafka，file ，rpc 等操作，没用到过，暂时不具备实验的条件。

如果只是单次的数据迁移，用dircet方式基本上就够了。 如果用在跨机房同步，一般建议走kafka的方式。