mysql数据同步到elasticsearch数据解决方案

mysql数据同步到elasticsearch数据解决方案

问题场景

1.分库分表后多关联或者多条件查找效率低下，例如2b场景的查询，导出等需要多条件查询，继续用分库分表话效率低下。

2.数据量太多需要转移非关系型数据库elasticsearch存储

3.其他数据转移场景等

这两种场景都涉及到mysql数据同步到es数据解决方案，解决起来分总体两步走，一是存量数据的同步，二是增量数据的同步。这里利用的是canal的方案去同步数据，方案如下图所示

这个是不停机的方案，首先同时开启存量的数据的导入和增量数据的监听，待存量数据导入完成，开启java服务消费mq消息，对数据进行更新或者插入，若数据存在则进行更新，若数据不存在，是新插入则插入，是更新则保存到定时任务重试。这里只是理想方案，实际过程中和存量数据的大小，数据的增长率等有关系，具体实施肯定较为复杂。

若要执行停机方案，则比较简单，数据不再更新后，将存量数据插入到es后，再开启增量数据监听服务以及消费服务，这样es就能实时同步数据了，下面实践下canal adapter的mysql存量数据导入elasticsearch中。

增量数据导入elasticsearch

实践版本：

elasticsearch &kibana:7.12.1

canal.client-adapter:1.1.7-SNAPSHOT

mysql :8.0 主从

以这个分表的数据为例

CREATE TABLE `pay_parent_1` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `user_id` int NOT NULL,
  `status` varchar(50) COLLATE utf8mb4_bin DEFAULT NULL,
  `creator` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci DEFAULT '' COMMENT '创建者',
  `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `updater` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci DEFAULT '' COMMENT '更新者',
  `update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `deleted` bit(1) NOT NULL DEFAULT b'0' COMMENT '是否删除',
  `tenant_id` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '租户id',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1571152425171070978 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;

在kibana中建立索引

PUT /pay_parent_0

  {
    "mappings":{
        "properties":{
          "id": {
            "type": "long"
          },
          "user_id": {
            "type": "long"
          },
          "status": {
            "type": "text"
          },
          "creator": {
            "type": "text"
          },
          "create_time": {
            "type": "date",
            "formats" : ["yyyy-MM-dd HH:mm:ss"],
        "timezone" : "Asia/Shanghai"
          },
          "updater": {
            "type": "text"
          },
          "update_time": {
            "type": "date",
            "formats" : ["yyyy-MM-dd HH:mm:ss"],
            "timezone" : "Asia/Shanghai"
          },
          "deleted": {
            "type": "long"
          },
          "tenant_id": {
            "type": "text"
          }
      }
    }
  }

client-adapter 配置 表和es索引的映射

dataSourceKey: defaultDS #数据源
destination: pay_parent_0 #也可以从监听的数据源取数据 mq或者canal
outerAdapterKey: es #对应的适配器的key
groupId: g1 #对应适配器的分组
esMapping:
  index: pay_parent_0 #es索引名称
  id: id #数据库主键对应es文档id 插入数据时一定要填写
  #  upsert: true  #是否更新 以主键id作为更新条件
  sql: "select id, user_id, status, creator, create_time, updater, update_time, deleted, tenant_id
        from pay_parent_0 as a"
  etlCondition: "where a.id={}"   # etl 的条件参数 接口请求
  commitBatch: 3000  # 提交批大小

下载canal源码，启动lanucher 模块，client-adapter 启动配置

  srcDataSources:
    defaultDS:
      url: jdbc:mysql://xxx:3306/demo0?useSSL=false&allowPublicKeyRetrieval=true&useUnicode=true&characterEncoding=UTF-8&serverTimezone=CTT
      username: root
      password: xxx
  canalAdapters:
  - instance: canal.test.queue # canal instance Name or mq topic name
    groups:
    - groupId: g1
      outerAdapters:
      - name: logger
      - name: es7
        key: es
        hosts: http://xxx:39200  # 127.0.0.1:9200 for rest mode
        properties:
          mode: rest # or rest
          cluster.name: elasticsearch

启动后执行，先测试第一条数据插入

http://127.0.0.1:8081/etl/es7/es/payParent0.yml?params=1571052632021184514

插入后查看kibana，以创建时间搜索，如图所示，值得注意的是elasti存储时默认将时间转化为UTC时间存储，即0时区，内部默认是个长整型。所以这里的date格式的时间都时零时区的，但是搜索的时候kibana会进行时区转换。搜出来的结果是准确的。

另外，重复请求时，指定了id插入的数据会覆盖原来的数据，这个是es内部api的功能。

简单测试完后，测试下10w的数据插入，这里只需要把请求中的参数去掉就行，执行http://127.0.0.1:8081/etl/es7/es/payParent0.yml

可以看到性能还是不错，10w的数据准确无误的插入，花了41ms，外网和硬件条件一般的情况，内网的花更快。

总结

利用canal adpter的es插件可以实现mysql 同步的数据的功能，存量数据批量更新或者批量插入，非常方便。里面的源码插件的实现，配置文件分离，插入实例的实现以及mysql数据的批量插入都可以借鉴。若后续业务中有设计数据迁移到es中，参考实现是非常有帮助的。