Datax同步MySQL到ES

1、在MySQL中建表

• 建表语句

  • CREATE TABLE `user` (
      `id` int(11) NOT NULL,
      `name` varchar(255) DEFAULT NULL,
      `age` varchar(255) DEFAULT NULL,
      `create_date` datetime DEFAULT NULL,
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    

• 插入数据

  • INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (1, '小明1', '22','2023-06-02 11:26:04');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (2, '小明2', '22','2023-06-02 11:26:04');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (3, '小明3', '22','2023-06-02 11:26:04');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (4, '小明4', '22','2023-06-02 11:26:04');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (5, '小明5', '23','2023-06-02 11:26:04');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (6, '小明6', '23','2023-06-02 11:26:05');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (7, '小明7', '23','2023-06-02 11:26:05');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (8, '小明8', '23','2023-06-02 11:26:05');
    INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (9, '小明9', '23','2023-06-02 11:26:05');
    

2、在ES建立索引

• 建立索引语句

  • 我这里使用Kibana工具连接ES进行操作的，也可以使用Postman进行操作

  • Kibana操作语句

    # 创建索引
    PUT /user
    {
        "mappings" : {
          "properties" : {
            "id" : {
              "type" : "keyword"
            },
            "name" : {
              "type" : "text"
            },
            "age" : {
              "type" : "keyword"
            },
            "create_date" : {
              "type" : "date",
              "format": "yyyy-MM-dd HH:mm:ss"
            }
    	}	
      }
    }
    

  • Postman操作语句

    • 地址输入

    http://localhost:9200/user
    

Json文本输入

    {
        "mappings" : {
          "properties" : {
            "id" : {
              "type" : "keyword"
            },
            "name" : {
              "type" : "text"
            },
            "age" : {
              "type" : "keyword"
            },
            "create_date" : {
              "type" : "date",
              "format": "yyyy-MM-dd HH:mm:ss"
            }
    	}	
      }
    }

• 当出现以下信息代表创建索引成功

  {
      "acknowledged": true,
      "shards_acknowledged": true,
      "index": "user"
  }
  

3、构建从MySQL到ES的Datax的Json任务

[root@hadoop101 ~]# vim mysql2es.json
# 添加以下内容

{
  "job": {
    "setting": {
      "speed": {
        "channel": 8
      }
    },
    "content": [
      {
        "reader": {
          "name": "mysqlreader",
          "parameter": {
            "column": [
              "id",
              "id",
              "name",
              "age",
              "date_format(create_date,'%Y-%m-%d %H:%I:%s')"
            ],
            "connection": [
              {
                "jdbcUrl": [
                  "jdbc:mysql://192.168.xx.xxx:3306/bigdata"
                ],
                "table": [
                  "user"
                ]
              }
            ],
            "password": "xxxxxx",
            "username": "root",
            "where": "",
            "splitPk": "id"
          }
        },
        "writer": {
          "name": "elasticsearchwriter",
          "parameter": {
            "endpoint": "http://192.168.xx.xxx:9200",
            "accessId": "root",
            "accessKey": "root",
            "index": "user",
            "type": "_doc",
            "settings": {"index" :{"number_of_shards": 5, "number_of_replicas": 1}},
            "batchSize": 5000,
            "splitter": ",",
            "column": [
              {
                "name": "pk",
                "type": "id"
              },
              {
                "name": "id",
                "type": "keyword"
              },
              {
                "name": "name",
                "type": "text"
              },
              {
                "name": "age",
                "type": "keyword"
              },
              {
                "name": "create_date",
                "type": "date",
                "format": "yyyy-MM-dd HH:mm:ss"
              }
            ]
          }
        }
      }
    ]
  }
}

• 参数介绍

  • reader：datax的source(来源)端
  • reader.cloumn:：读取mysql的字段名
  • reader.connection.jdbcUrl：MySQL连接的url
  • reader.connection.table：读取MySQL的表名
  • reader.password：连接MySQL的用户名
  • reader.username：连接MySQL的密码
  • reader.where：读取MySQL的过滤条件
  • reader.splitPk：读取MySQL时按照哪个字段进行切分
  • writer：datax的sink(去处)端
  • writer.endpoint：ElasticSearch的连接地址
  • writer.accessId：http auth中的user
  • writer.accessKey：http auth中的password

  注意：假如Elasticsearch没有设置用户名，也需要给accessId和accessKey值，不然就报错了，可以给赋值root,root

  • writer.index：Elasticsearch中的index名

  • writer.type：Elasticsearch中index的type名

  • writer.settings：创建index时候的settings, 与Elasticsearch官方相同

  • writer.batchSize：每次批量数据的条数

  • writer.splitter：如果插入数据是array，就使用指定分隔符

  • writer.column：Elasticsearch所支持的字段类型

    • 下面是column样例字段类型

    "column": [
                  # 使用数据库id作为es中记录的_id,业务主键（pk）：_id 的值指定为某一个字段。
                  {"name": "pk", "type": "id"}, 
                  { "name": "col_ip","type": "ip" },
                  { "name": "col_double","type": "double" },
                  { "name": "col_long","type": "long" },
                  { "name": "col_integer","type": "integer" },
                  { "name": "col_keyword", "type": "keyword" },
                  { "name": "col_text", "type": "text", "analyzer": "ik_max_word"},
                  { "name": "col_geo_point", "type": "geo_point" },
                  # ES日期字段创建需指定格式 yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis
                  { "name": "col_date", "type": "date", "format": "yyyy-MM-dd HH:mm:ss"},
                  { "name": "col_nested1", "type": "nested" },
                  { "name": "col_nested2", "type": "nested" },
                  { "name": "col_object1", "type": "object" },
                  { "name": "col_object2", "type": "object" },
                  { "name": "col_integer_array", "type":"integer", "array":true},
                  { "name": "col_geo_shape", "type":"geo_shape", "tree": "quadtree", "precision": "10m"}
                ]
    

  • 如果时间类型需要精细到yyyy-MM-dd HH:mm:ss.SSSSSS，比如时间为：2023-06-02 13:39:57.000000

    • MySQL的cloumn端填写

    "date_format(create_date,'%Y-%m-%d %H:%I:%s.%f')"
    

    • Elasticsearch的cloumn填写

    { "name": "create_date", "type": "text"}
    

    • Elasticsearch创建索引时修改如下

    { "name": "create_date","type": "text"}
    

4、运行mysql2es.json脚本

• 问题1： ConfigParser - 插件[mysqlreader,elasticsearchwriter]加载失败
  

• 解决问题：

  下面是编译好的elasticsearchwriter插件，放在DATAX_HOME/plugin/writer目录下面,就可以运行成功了，也可以自己从官网下载，然后自己编译好也可以用的

  • elasticsearchwriter百度网盘资源下载链接：

  链接：https://pan.baidu.com/s/1C_OeXWf_t5iVNiLquvEhjw 
  提取码：tutu 
  

• 问题2：在运行从MySQL抽取500万条数据到Elasticsearch时，出现了datax传输200多万条数据卡住的情况,报错日志：I/O Exception … Broken pipe (write failed)

• 解决问题：

  datax传输mysql到es卡在200多万这个问题和channel: 8和es的oom有一定的关系

  • 测试样例

  • 1、es batchsize为5000，不开启mysql切分"splitPk": “id”，卡住

  • 2、es batchsize为1000，不开启mysql切分"splitPk": “id”，不卡住

  • 3、es batchsize为5000，开启mysql切分"splitPk": “id”，不卡住

• 总结：这个问题和mysql读取速率，es 写入速率有关，开启切分提高一下读取速率就不会卡住了

• 成功运行截图：
  

以下是工作中做过的ETL，如有需要，可以私信沟通交流，互相学习，一起进步