Maxwell数据库数据采集-大数据week12-DAY1-Maxwell

---

前言

Maxwell 数据库数据实时采集

1、Maxwell 简介

• Maxwell 是一个能实时读取 MySQL 二进制日志文件binlog，并生成 Json格式的消息，作为生产者发送给 Kafka，Kinesis、RabbitMQ、Redis、Google Cloud Pub/Sub、文件或其它平台的应用程序。它的常见应用场景有ETL、维护缓存、收集表级别的dml指标、增量到搜索引擎、数据分区迁移、切库binlog回滚方案等。

  • 官网(http://maxwells-daemon.io)
  • GitHub(https://github.com/zendesk/maxwell)

• Maxwell主要提供了下列功能

  • 1. 支持SELECT * FROM table的方式进行全量数据初始化。
  • 2. 支持在主库发生failover后，自动恢复binlog位置，实现断点续传。
  • 3. 可以对数据进行分区，解决数据倾斜问题，发送到Kafka的数据支持库、表、列等级别的数据分区。
  • 4. 工作方式是伪装为slave接收binlog events，然后根据schema信息拼装，可以接受ddl、xid、row等event。

2、Mysql Binlog介绍

2.1 Binlog 简介

• MySQL中一般有以下几种日志

日志类型	写入日志的信息
错误日志	记录在启动，运行或停止mysqld时遇到的问题
通用查询日志	记录建立的客户端连接和执行的语句
二进制日志 binlog	记录更改数据的语句
中继日志	从服务器 复制 主服务器接收的数据更改
慢查询日志	记录所有执行时间超过 long_query_time 秒的所有查询或不使用索引的查询
DDL日志（元数据日志）	元数据操作由DDL语句执行

• 在默认情况下，系统仅仅打开错误日志，关闭了其他所有日志，以达到尽可能减少IO损耗提高系统性能的目的，但是在一般稍微重要一点的实际应用场景中，都至少需要打开二进制日志，因为这是MySQL很多存储引擎进行增量备份的基础，也是MySQL实现复制的基本条件
• 接下来主要介绍二进制日志 binlog。
  • MySQL 的二进制日志 binlog 可以说是 MySQL 最重要的日志，它记录了所有的 DDL 和 DML 语句（除了数据查询语句select、show等），以事件形式记录，还包含语句所执行的消耗的时间，MySQL的二进制日志是事务安全型的。binlog 的主要目的是复制和恢复。
• Binlog日志的两个最重要的使用场景
  • MySQL主从复制
    • MySQL Replication在Master端开启binlog，Master把它的二进制日志传递给slaves来达到master-slave数据一致的目的。
  • 数据恢复
    • 通过使用 mysqlbinlog工具来使恢复数据。

2.2 Binlog 的日志格式

• 记录在二进制日志中的事件的格式取决于二进制记录格式。支持三种格式类型：

  • Statement：基于SQL语句的复制（statement-based replication, SBR）
  • Row：基于行的复制（row-based replication, RBR）
  • Mixed：混合模式复制（mixed-based replication, MBR）

• Statement

  • 每一条会修改数据的sql都会记录在binlog中。
  • 优点
    • 不需要记录每一行的变化，减少了binlog日志量，节约了IO, 提高了性能。
  • 缺点
    • 在进行数据同步的过程中有可能出现数据不一致。
    • 比如 update tt set create_date=now()，如果用binlog日志进行恢复，由于执行时间不同可能产生的数据就不同。

• Row

  • 它不记录sql语句上下文相关信息，仅保存哪条记录被修改。
  • 优点
    • 保持数据的绝对一致性。因为不管sql是什么，引用了什么函数，它只记录执行后的效果。
  • 缺点
    • 每行数据的修改都会记录，最明显的就是update语句，导致更新多少条数据就会产生多少事件，占用较大空间。

• Mixed

  • 从5.1.8版本开始，MySQL提供了Mixed格式，实际上就是Statement与Row的结合。
  • 在Mixed模式下，一般的复制使用Statement模式保存binlog，对于Statement模式无法复制的操作使用Row模式保存binlog， MySQL会根据执行的SQL语句选择日志保存方式（因为statement只有sql，没有数据，无法获取原始的变更日志，所以一般建议为Row模式)。
  • 优点
    • 节省空间，同时兼顾了一定的一致性。
  • 缺点
    • 还有些极个别情况依旧会造成不一致，另外statement和mixed对于需要对binlog的监控的情况都不方便。

3、Mysql 实时数据同步方案对比

• mysql 数据实时同步可以通过解析mysql的 binlog 的方式来实现，解析binlog可以有多种方式，可以通过canal，或者maxwell等各种方式实现。以下是各种抽取方式的对比介绍。

• 其中canal由 Java开发，分为服务端和客户端，拥有众多的衍生应用，性能稳定，功能强大；canal 需要自己编写客户端来消费canal解析到的数据。

• Maxwell相对于canal的优势是使用简单，Maxwell比Canal更加轻量级，它直接将数据变更输出为json字符串，不需要再编写客户端。对于缺乏基础建设，短时间内需要快速迭代的项目和公司比较合适。

• 另外Maxwell 有一个亮点功能，就是Canal只能抓取最新数据，对已存在的历史数据没有办法处理。而Maxwell有一个bootstrap功能，可以直接引导出完整的历史数据用于初始化，非常好用。

4、开启Mysql的Binlog

• 1、服务器当中安装mysql（省略）

  • 注意：mysql的版本尽量不要太低，也不要太高，最好使用5.6及以上版本。

• 2、添加mysql普通用户maxwell

  • 为mysql添加一个普通用户maxwell，因为maxwell这个软件默认用户使用的是maxwell这个用户。

  • 进入mysql客户端，然后执行以下命令，进行授权

    mysql -uroot -p123456
    

  • 执行sql语句

    --校验级别最低，只校验密码长度
    mysql> set global validate_password_policy=LOW;
    mysql> set global validate_password_length=6;
    
    --创建maxwell库（启动时候会自动创建，不需手动创建）和用户
    mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY '123456';
    mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
    mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE on *.* to 'maxwell'@'%'; 
    --刷新权限
    mysql> flush privileges;
    

• 3、修改配置文件 /etc/my.cnf

  • 执行命令 sudo vim /etc/my.cnf, 添加或修改以下三行配置

    #binlog日志名称前缀
    log-bin= /var/lib/mysql/mysql-bin
    
    #binlog日志格式
    binlog-format=ROW
    
    #唯一标识，这个值的区间是：1到(2^32)-1
    server_id=1
    

• 4、重启mysql服务

  • 执行如下命令

    sudo service mysqld restart
    

• 5、验证binlog是否配置成功

  • 进入mysql客户端，并执行以下命令进行验证

    mysql -uroot -p123456
    mysql> show variables like '%log_bin%';
    

• 6、查看binlog日志文件生成

  • 进入 /var/lib/mysql 目录，查看binlog日志文件.

5、Maxwell安装部署

• 1、下载对应版本的安装包

  • 地址：https://github.com/zendesk/maxwell/releases/download/v1.21.1/maxwell-1.21.1.tar.gz
  • 安装包名称：maxwell-1.21.1.tar.gz

• 2、上传服务器

• 3、解压安装包到指定目录

   tar -zxvf maxwell-1.21.1.tar.gz -C /kkb/install/
  

• 4、修改maxwell配置文件

  • 进入到安装目录 /kkb/install/maxwell-1.21.1 进行如下操作

    cd /kkb/install/maxwell-1.21.1 
    cp config.properties.example config.properties
    vim config.properties
    

  • 配置文件config.properties 内容如下：

    # choose where to produce data to
    producer=kafka
    # list of kafka brokers
    kafka.bootstrap.servers=node01:9092,node02:9092,node03:9092
    # mysql login info
    host=node03
    port=3306
    user=maxwell
    password=123456
    # kafka topic to write to
    kafka_topic=maxwell
    

  • 注意：一定要保证使用maxwell 用户和 123456 密码能够连接上mysql数据库。

6、kafka介绍和使用

6.1 Kafka简介

​ Kafka是最初由Linkedin公司开发，它是一个分布式、可分区、多副本，基于zookeeper协调的分布式日志系统；常见可以用于web/nginx日志、访问日志，消息服务等等。Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。主要应用场景是：日志收集系统和消息系统。

​ Kafka是一个分布式消息队列。具有高性能、持久化、多副本备份、横向扩展能力。生产者往队列里写消息，消费者从队列里取消息进行业务逻辑。Kafka就是一种发布-订阅模式。将消息保存在磁盘中，以顺序读写方式访问磁盘，避免随机读写导致性能瓶颈。

• 消息（Message）
  • 是指在应用之间传送的数据，消息可以非常简单，比如只包含文本字符串，也可以更复杂，可能包含嵌入对象。
• 消息队列（Message Queue）
  • 一种应用间的通信方式，消息发送后可以立即返回，通过消息系统来确保信息的可靠传递，消息发布者只管把消息发布到MQ中而不管谁来取，消息使用者只管从MQ中取消息而不管谁发布的，这样发布者和使用者都不用知道对方的存在。

6.2 Kafka特性

• 高吞吐、低延迟

  kafka 最大的特点就是收发消息非常快，kafka 每秒可以处理几十万条消息，它的最低延迟只有几毫秒。
  

• 高伸缩性

   每个主题(topic) 包含多个分区(partition)，主题中的分区可以分布在不同的主机(broker)中。
  

• 持久性、可靠性

  Kafka 能够允许数据的持久化存储，消息被持久化到磁盘，并支持数据备份防止数据丢失。
  

• 容错性

   允许集群中的节点失败，某个节点宕机，Kafka 集群能够正常工作。
  

• 高并发

  支持数千个客户端同时读写。
  

6.3 Kafka集群架构

• producer

   消息生产者，发布消息到Kafka集群的终端或服务。
  

• broker

  Kafka集群中包含的服务器，一个borker就表示kafka集群中的一个节点。
  

• topic

  每条发布到Kafka集群的消息属于的类别，即Kafka是面向 topic 的。更通俗的说Topic就像一个消息队列，生产者可以向其写入消息，消费者可以从中读取消息，一个Topic支持多个生产者或消费者同时订阅它，所以其扩展性很好。
  

• partition

  每个 topic 包含一个或多个partition。Kafka分配的单位是partition。
  

• replica

  partition的副本，保障 partition 的高可用。
  

• consumer

  从Kafka集群中消费消息的终端或服务。
  

• consumer group

  每个 consumer 都属于一个 consumer group，每条消息只能被 consumer group 中的一个 Consumer 消费，但可以被多个 consumer group 消费。
  

• leader

  每个partition有多个副本，其中有且仅有一个作为Leader，Leader是当前负责数据的读写的partition。 producer 和 consumer 只跟 leader 交互。
  

• follower

  Follower跟随Leader，所有写请求都通过Leader路由，数据变更会广播给所有Follower，Follower与Leader保持数据同步。如果Leader失效，则从Follower中选举出一个新的Leader。
  

• controller

  	知道大家有没有思考过一个问题，就是Kafka集群中某个broker宕机之后，是谁负责感知到他的宕机，以及负责进行Leader Partition的选举？如果你在Kafka集群里新加入了一些机器，此时谁来负责把集群里的数据进行负载均衡的迁移？包括你的Kafka集群的各种元数据，比如说每台机器上有哪些partition，谁是leader，谁是follower，是谁来管理的？如果你要删除一个topic，那么背后的各种partition如何删除，是谁来控制？还有就是比如Kafka集群扩容加入一个新的broker，是谁负责监听这个broker的加入？如果某个broker崩溃了，是谁负责监听这个broker崩溃？这里就需要一个Kafka集群的总控组件，Controller。他负责管理整个Kafka集群范围内的各种东西。
  
  

• zookeeper

  (1)	Kafka 通过 zookeeper 来存储集群的meta元数据信息。
  (2)一旦controller所在broker宕机了，此时临时节点消失，集群里其他broker会一直监听这个临时节点，发现临时节点消失了，就争抢再次创建临时节点，保证有一台新的broker会成为controller角色。
  

• offset

  • 偏移量

  消费者在对应分区上已经消费的消息数（位置），offset保存的地方跟kafka版本有一定的关系。
  kafka0.8 版本之前offset保存在zookeeper上。
  kafka0.8 版本之后offset保存在kafka集群上。
  	它是把消费者消费topic的位置通过kafka集群内部有一个默认的topic，
  	名称叫 __consumer_offsets，它默认有50个分区。
  

6.4 Kafka集群安装部署

• 1、下载安装包（http://kafka.apache.org）

  • https://archive.apache.org/dist/kafka/1.1.0/kafka_2.11-1.1.0.tgz

  kafka_2.11-1.1.0.tgz
  

• 2、规划安装目录

  /kkb/install
  

• 3、上传安装包到服务器中

  通过FTP工具上传安装包到node01服务器上
  

• 4、解压安装包到指定规划目录

  tar -zxvf kafka_2.11-1.1.0.tgz -C /kkb/install
  

• 5、重命名解压目录

  mv kafka_2.11-1.1.0 kafka
  

• 6、修改配置文件

  • 在node01上修改

    • 进入到kafka安装目录下有一个config目录

      • vi server.properties

        #指定kafka对应的broker id ，唯一
        broker.id=0
        #指定数据存放的目录
        log.dirs=/kkb/install/kafka/kafka-logs
        #指定zk地址
        zookeeper.connect=node01:2181,node02:2181,node03:2181
        #指定是否可以删除topic ,默认是false 表示不可以删除
        delete.topic.enable=true
        #指定broker主机名
        host.name=node01
        

    • 配置kafka环境变量

      • sudo vi /etc/profile

        export KAFKA_HOME=/kkb/install/kafka
        export PATH=$PATH:$KAFKA_HOME/bin
        

• 6、分发kafka安装目录到其他节点

  scp -r kafka node02:/kkb/install
  scp -r kafka node03:/kkb/install
  scp /etc/profile node02:/etc
  scp /etc/profile node03:/etc
  

• 7、修改node02和node03上的配置

  • node02

    • vi server.properties

      #指定kafka对应的broker id ，唯一
      broker.id=1
      #指定数据存放的目录
      log.dirs=/kkb/install/kafka/kafka-logs
      #指定zk地址
      zookeeper.connect=node01:2181,node02:2181,node03:2181
      #指定是否可以删除topic ,默认是false 表示不可以删除
      delete.topic.enable=true
      #指定broker主机名
      host.name=node02
      

  • node03

    • vi server.properties

      #指定kafka对应的broker id ，唯一
      broker.id=2
      #指定数据存放的目录
      log.dirs=/kkb/install/kafka/kafka-logs
      #指定zk地址
      zookeeper.connect=node01:2181,node02:2181,node03:2181
      #指定是否可以删除topic ,默认是false 表示不可以删除
      delete.topic.enable=true
      #指定broker主机名
      host.name=node03
      

• 8、让每台节点的kafka环境变量生效

  • 在每台服务器执行命令

    source /etc/profile
    

6.5 kafka集群启动和停止

• 1、启动kafka集群

  • 先启动zookeeper集群，然后在所有节点如下执行脚本

    nohup kafka-server-start.sh /kkb/install/kafka/config/server.properties >/dev/null 2>&1 &
    

• 2、停止kafka集群

  • 所有节点执行关闭kafka脚本

    kafka-server-stop.sh
    

6.6 kafka命令行的管理使用

• 1、创建topic

  • 使用 kafka-topics.sh脚本

    kafka-topics.sh --create --partitions 3 --replication-factor 2 --topic test --zookeeper node01:2181,node02:2181,node03:2181
    

• 2、查询所有的topic

  • 使用 kafka-topics.sh脚本

    kafka-topics.sh --list --zookeeper node01:2181,node02:2181,node03:2181 
    

• 3、查看topic的描述信息

  • 使用 kafka-topics.sh脚本

    kafka-topics.sh --describe --topic test --zookeeper node01:2181,node02:2181,node03:2181  
    

• 4、删除topic

  • 使用 kafka-topics.sh脚本

    kafka-topics.sh --delete --topic test --zookeeper node01:2181,node02:2181,node03:2181 
    

• 5、模拟生产者写入数据到topic中

  • 使用 kafka-console-producer.sh 脚本

    kafka-console-producer.sh --broker-list node01:9092,node02:9092,node03:9092 --topic test 
    

• 6、模拟消费者拉取topic中的数据

  • 使用 kafka-console-consumer.sh 脚本

    kafka-console-consumer.sh --zookeeper node01:2181,node02:2181,node03:2181 --topic test --from-beginning
    
    或者
    
    kafka-console-consumer.sh --bootstrap-server node01:9092,node02:9092,node03:9092 --topic test --from-beginning
    

7、Maxwell实时采集mysql表数据到kafka

• 1、启动kafka集群和zookeeper集群

  • 启动zookeeper集群

    #每台节点执行脚本
    nohup zkServer.sh start >/dev/null  2>&1 &
    

  • 启动kafka集群

    nohup /kkb/install/kafka/bin/kafka-server-start.sh /kkb/install/kafka/co
    nfig/server.properties > /dev/null 2>&1 &
    

• 2、创建topic

  kafka-topics.sh --create --topic maxwell --partitions 3 --replication-factor 2 --zookeeper node01:2181,node02:2181,node03:2181
  

• 3、启动maxwell服务

  /kkb/install/maxwell-1.21.1/bin/maxwell
  

• 4、插入数据并进行测试

  • 向mysql表中插入一条数据，并开启kafka的消费者，查看kafka是否能够接收到数据。

    • 向mysql当中创建数据库和数据库表并插入数据

      CREATE DATABASE /*!32312 IF NOT EXISTS*/`test_db` /*!40100 DEFAULT CHARACTER SET utf8 */;
      
      USE `test_db`;
      
      /*Table structure for table `user` */
      
      DROP TABLE IF EXISTS `user`;
      
      CREATE TABLE `user` (
        `id` varchar(10) NOT NULL,
        `name` varchar(10) DEFAULT NULL,
        `age` int(11) DEFAULT NULL,
        PRIMARY KEY (`id`)
      ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
      
      /*Data for the table `user` */
      #插入数据
      insert  into `user`(`id`,`name`,`age`) values  ('1','xiaokai',20);
      #修改数据
      update `user` set age= 30 where id='1';
      #删除数据
      delete from `user` where id='1';
      

• 5、启动kafka的自带控制台消费者

  • 测试maxwell主题是否有数据进入

    kafka-console-consumer.sh --topic maxwell --bootstrap-server node01:9092,node02:9092,node03:9092 --from-beginning 
    

  • 观察输出结果

    {"database":"test_db","table":"user","type":"insert","ts":1621244407,"xid":985,"commit":true,"data":{"id":"1","name":"xiaokai","age":20}}
    
    {"database":"test_db","table":"user","type":"update","ts":1621244413,"xid":999,"commit":true,"data":{"id":"1","name":"xiaokai","age":30},"old":{"age":20}}
    
    {"database":"test_db","table":"user","type":"delete","ts":1621244419,"xid":1013,"commit":true,"data":{"id":"1","name":"xiaokai","age":30}}
    

  • json数据字段说明

    • database

      • 数据库名称

    • table

      • 表名称

    • type

      • 操作类型
      • 包括 insert/update/delete 等

    • ts

      • 操作时间戳

    • xid

      • 事务id

    • commit

      • 同一个xid代表同一个事务，事务的最后一条语句会有commit

    • data

      • 最新的数据，修改后的数据

    • old

      • 旧数据，修改前的数据

---

总结