分布式搜索elasticsearch java API 之（七）------与MongoDB同步数据

原文：http://blog.csdn.net/laigood/article/details/7691068

elasticsearch提供river这个模块来读取数据源中的数据到es中，es官方有提供couchDB的同步插件，因为项目用到的是mongodb，所以在找mongodb方面的同步插件，在git上找到了elasticsearch-river-mongodb。

这个插件最初是由aparo写的，最开始的功能就是读取mongodb里面的表，记录最后一条数据的id，根据时间间隔不断访问mongodb，看看有没有大于之前记录的id的数据，有的话就索引数据，这种做法的缺点就是只能同步最新的数据，修改或删除的就不能同步。后来又由richardwilly98等人修改成通过读取mongodb的oplog来同步数据。因为mongodb是通过oplog这个表来使集群中的不同机器数据同步的，这样做的话可以保证es里面的数据和mongodb里面的是一样的，因为mongodb中的数据一有改变，都会通过oplog反映到monogodb中。他们还添加了个索引mongodb gridfs里文件的功能，非常好。

但他们修改完后的插件还是有些不满意的地方。他把local库（放oplog的）和普通库的访问密码都设置成同一个，如果local库和普通库的用户名和密码不同那这个插件就不能用了。还有一个就是同步时会把mongodb的表中所有的字段都同步过去，但是有些字段我们并不想把它放到索引中，于是对这个插件再作修改，把local库和普通库的鉴权分开，添加可选字段功能。
 

运行环境：Elasticsearch 0.19.X
                  集群环境下的MongoDB 2.X
注意：该插件只支持集群环境下的mongodb，因为集群环境下的mongodb才有oplog这个表。

安装方法：
安装elasticsearch-mapper-attachments插件（用于索引gridfs里的文件）

%ES_HOME%\bin\plugin.bat -install elasticsearch/elasticsearch-mapper-attachments/1.4.0

安装elasticsearch-river-mongodb（同步插件）

%ES_HOME%\bin\plugin.bat -install laigood/elasticsearch-river-mongodb/laigoodv1.0.0

创建river方法：
curl方式：

$ curl -XPUT "localhost:9200/_river/mongodb/_meta" -d '
{
  type: "mongodb",
  mongodb: { 
    db: "test", 
    host: "localhost", 
    port: "27017", 
    collection: "testdb",
    fields:"title,content",
    gridfs: "true",
    local_db_user: "admin",
    local_db_password:"admin",
    db_user: "user",
    db_password:"password"
  }, 
  index: { 
    name: "test", 
    type: "type",
    bulk_size: "1000", 
    bulk_timeout: "30"
  }
}

db为同步的数据库名，
host mongodb的ip地址（默认为localhost），
port mongodb的端口，
collection 要同步的表名
fields 要同步的字段名（用逗号隔开，默认全部）
gridfs 是否是gridfs文件（如果collection是gridfs的话就设置成true）
local_db_user local数据库的用户名（没有的话不用写）
local_db_password local数据库的密码（没有的话不用写）
db_user 要同步的数据库的密码（没有的话不用写）
db_password 要同步的数据库的密码（没有的话不用写）
name 索引名（不能之前存在）
type 类型
bulk_size 批量添加的最大数

bulk_timeout 批量添加的超时时间

java api方式：

client.prepareIndex("_river", "testriver", "_meta")
	    .setSource(
		    jsonBuilder().startObject()
			    .field("type", "mongodb")
			    .startObject("mongodb")
				    	.field("host","localhost")
				    	.field("port",27017)
				    	.field("db","testdb")
				    	.field("collection","test")
				    	.field("fields","title,content")
				    	.field("db_user","user")
              				.field("db_password","password")
				    	.field("local_db_user","admin")
		          		.field("local_db_password","admin")
				    	.endObject()				    					    
			     .startObject("index")
				     	.field("name","test")
				     	.field("type","test")
				     	.field("bulk_size","1000")
				     	.field("bulk_timeout","30")
				     	.endObject()
			     .endObject()
	    ).execute().actionGet();

本插件git地址： https://github.com/laigood/elasticsearch-river-mongodb