Elasticsearch - Logstash实现mysql同步数据到elasticsearch

 有的时候，我们在做查询时，由于查询条件的多样、变化多端（比如根据时间查、根据名称模糊查、根据id查等等），或者查询的数据来自很多不同的库表或者系统，这时就很难以一个较快的速度（几百毫秒）去从关系型数据库中直接获取我们想要的数据。

        针对上面的情况，可以考虑使用elasticsearch来进行数据的汇总，然后提供给后台进行搜索，可以大大提高检索的效率。

        数据在存储在关系型数据库（如mysql）中，我们怎样将这部分数据转移到elasticsearch中。这篇文章将介绍一个同步神器：logstash-input-jdbc

 

安装

1. 在官网下载最新的安装包：

   wget https://artifacts.elastic.co/downloads/logstash/logstash-6.2.4.tar.gz

2. 解压并转移目录：

   tar zxvf logstash-6.2.4.tar.gz
   mv ./logstash-6.2.4 /usr/local/logstash

    

 

配置

1. 安装插件
   由于这里是从mysql同步数据到elasticsearch，所以需要安装jdbc的入插件和elasticsearch的出插件：logstash-input-jdbc、logstash-output-elasticsearch
   安装效果图如下所示：
   
   
2. 下载mysql连接库
   由于logstash是ruby开发的，所以这里要下载mysql的连接库jar包，从官网下载，我这里下载的是：mysql-connector-java-5.1.46.jar
   将下载好的mysql-connector-java-5.1.46.jar，放至/usr/local/logstash/config/目录下。
3. 修改配置文件
   在config目录下，创建配置文件（logstash-mysql-es.conf）：

   input {
     jdbc {
       # mysql相关jdbc配置
       jdbc_connection_string => "jdbc:mysql://10.112.76.30:3306/jack_test?useUnicode=true&characterEncoding=utf-8&useSSL=false"
       jdbc_user => "root"
       jdbc_password => "123456"
   
       # jdbc连接mysql驱动的文件目录，可去官网下载:https://dev.mysql.com/downloads/connector/j/
       jdbc_driver_library => "./config/mysql-connector-java-5.1.46.jar"
       # the name of the driver class for mysql
       jdbc_driver_class => "com.mysql.jdbc.Driver"
       jdbc_paging_enabled => true
       jdbc_page_size => "50000"
   
       jdbc_default_timezone =>"Asia/Shanghai"
   
       # mysql文件, 也可以直接写SQL语句在此处，如下：
       # statement => "select * from t_order where update_time >= :sql_last_value;"
       statement_filepath => "./config/jdbc.sql"
   
       # 这里类似crontab,可以定制定时操作，比如每分钟执行一次同步(分 时 天 月 年)
       schedule => "* * * * *"
       #type => "jdbc"
   
       # 是否记录上次执行结果, 如果为真,将会把上次执行到的 tracking_column 字段的值记录下来,保存到 last_run_metadata_path 指定的文件中
       #record_last_run => true
   
       # 是否需要记录某个column 的值,如果record_last_run为真,可以自定义我们需要 track 的 column 名称，此时该参数就要为 true. 否则默认 track 的是 timestamp 的值.
       use_column_value => true
   
       # 如果 use_column_value 为真,需配置此参数. track 的数据库 column 名,该 column 必须是递增的. 一般是mysql主键
       tracking_column => "update_time"
       
       tracking_column_type => "timestamp"
   
       last_run_metadata_path => "./logstash_capital_bill_last_id"
   
       # 是否清除 last_run_metadata_path 的记录,如果为真那么每次都相当于从头开始查询所有的数据库记录
       clean_run => false
   
       #是否将 字段(column) 名称转小写
       lowercase_column_names => false
     }
   }
   
   output {
     elasticsearch {
       hosts => "10.112.76.31:9200"
       index => "mysql_order"
       document_id => "%{id}"
       template_overwrite => true
     }
   
     # 这里输出调试，正式运行时可以注释掉
     stdout {
         codec => json_lines
     } 
   }

   这里有几个注意点：
   （1）jdbc_driver_library
           mysql-connector-java-5.1.46.jar的存放目录，这个一定要配置正确，支持全路径和相对路径。如果配置不对，将会报“can ”错误。
   （2）sql_last_value
           标志目前logstash同步的位置信息（类似offset）。比如id、updatetime。logstash通过这个标志，可以判断目前同步到哪一条数据。
   （3）statement、statement_filepath
           statement：执行同步的sql语句，可以同步部分数据。
           statement_filepath：存储执行同步的sql语句。不和statement同时使用。
   （4）schedule
           定时器，表示每隔多长时间同步一次数据。格式类似crontab。
   （5）tracking_column、tracking_column_type
           tracking_column：表示表中哪一列用于判断logstash同步的位置信息。与sql_last_value比较判断是否需要同步这条数据。
           tracking_column_type：racking_column指定列的类型。支持两种类型：numeric（默认）、timestamp。注意：如果列是时间字段（比如updateTime），一定要指定这个类型为timestamp。我就踩了这个大坑。。。一直同步不成功！！！
   （6）last_run_metadata_path
           存储sql_last_value值的文件名称及位置。
   （7）document_id
           生成elasticsearch的文档值，尽量使用同步的数据中已有的唯一标识。比如同步订单数据，可以使用订单号。

启动

在根目录下，执行命令：

nohup bin/logstash -f config/logstash-mysql-es.conf > logs/logstash.out &

效果图如下：

同步

完成了一条数据的同步