【原】干貨 | Debezium實(shí)現(xiàn)Mysql到Elasticsearch高效實(shí)時同步

銘毅天下 2021-12-24

展開全文

題記

來自Elasticsearch中文社區(qū)的問題——

MySQL中表無唯一遞增字段，也無唯一遞增時間字段，該怎么使用logstash實(shí)現(xiàn)MySQL實(shí)時增量導(dǎo)數(shù)據(jù)到es中？

logstash和kafka_connector都僅支持基于自增id或者時間戳更新的方式增量同步數(shù)據(jù)。

回到問題本身：如果庫表里沒有相關(guān)字段，該如何處理呢？

本文給出相關(guān)探討和解決方案。

1、 binlog認(rèn)知

1.1 啥是 binlog？

binlog是Mysql sever層維護(hù)的一種二進(jìn)制日志，與innodb引擎中的redo/undo log是完全不同的日志；其主要是用來記錄對mysql數(shù)據(jù)更新或潛在發(fā)生更新的SQL語句，并以"事務(wù)"的形式保存在磁盤中。

作用主要有：

1）復(fù)制：達(dá)到master-slave數(shù)據(jù)一致的目的。
2）數(shù)據(jù)恢復(fù)：通過mysqlbinlog工具恢復(fù)數(shù)據(jù)。
3）增量備份。

1.2 阿里的Canal實(shí)現(xiàn)了增量Mysql同步

一圖勝千言，canal是用java開發(fā)的基于數(shù)據(jù)庫增量日志解析、提供增量數(shù)據(jù)訂閱&消費(fèi)的中間件。

目前，canal主要支持了MySQL的binlog解析，解析完成后才利用canal client 用來處理獲得的相關(guān)數(shù)據(jù)。目的：增量數(shù)據(jù)訂閱&消費(fèi)。

綜上，使用binlog可以突破logstash或者kafka-connector沒有自增id或者沒有時間戳字段的限制，實(shí)現(xiàn)增量同步。

2、基于binlog的同步方式

1）基于kafka Connect的Debezium 開源工程，地址：. https:///

2）不依賴第三方的獨(dú)立應(yīng)用： Maxwell開源項(xiàng)目，地址：http:///

由于已經(jīng)部署過conluent（kafka的企業(yè)版本，自帶zookeeper、kafka、ksql、kafka-connector等），本文僅針對Debezium展開。

3、Debezium介紹

Debezium是捕獲數(shù)據(jù)實(shí)時動態(tài)變化的開源的分布式同步平臺。能實(shí)時捕獲到數(shù)據(jù)源（Mysql、Mongo、PostgreSql）的：新增（inserts）、更新(updates)、刪除(deletes)操作，實(shí)時同步到Kafka，穩(wěn)定性強(qiáng)且速度非常快。

特點(diǎn)：

1）簡單。無需修改應(yīng)用程序。可對外提供服務(wù)。
2）穩(wěn)定。持續(xù)跟蹤每一行的每一處變動。
3）快速。構(gòu)建于kafka之上，可擴(kuò)展，經(jīng)官方驗(yàn)證可處理大容量的數(shù)據(jù)。

4、同步架構(gòu)

如圖，Mysql到ES的同步策略，采取“曲線救國”機(jī)制。

步驟1： 基Debezium的binlog機(jī)制，將Mysql數(shù)據(jù)同步到Kafka。

步驟2： 基于Kafka_connector機(jī)制，將kafka數(shù)據(jù)同步到Elasticsearch。

5、Debezium實(shí)現(xiàn)Mysql到ES增刪改實(shí)時同步

軟件版本：

confluent：5.1.2；
Debezium：0.9.2_Final;
Mysql：5.7.x.
Elasticsearch：6.6.1

5.1 Debezium安裝

confluent的安裝部署參見：http:///Ef5poZk，不再贅述。

Debezium的安裝只需要把debezium-connector-mysql的壓縮包解壓放到Confluent的解壓后的插件目錄(share/java)中。

MySQL Connector plugin 壓縮包的下載地址：

https:///docs/install/

注意重啟一下confluent，以使得Debezium生效。

5.2 Mysql binlog等相關(guān)配置。

Debezium使用MySQL的binlog機(jī)制實(shí)現(xiàn)數(shù)據(jù)動態(tài)變化監(jiān)測，所以需要Mysql提前配置binlog。

核心配置如下，在Mysql機(jī)器的/etc/my.cnf的mysqld下添加如下配置。

1[mysqld]
2
3server-id         = 223344
4log_bin           = mysql-bin
5binlog_format     = row
6binlog_row_image  = full
7expire_logs_days  = 10

然后，重啟一下Mysql以使得binlog生效。

1systemctl start mysqld.service

5.3 配置connector連接器。

配置confluent路徑目錄 : /etc

創(chuàng)建文件夾命令 :

1mkdir kafka-connect-debezium

在mysql2kafka_debezium.json存放connector的配置信息 :

1[root@localhost kafka-connect-debezium]# cat mysql2kafka_debezium.json
2{
3        "name" : "debezium-mysql-source-0223",
4        "config":
5        {
6             "connector.class" : "io.debezium.connector.mysql.MySqlConnector",
7             "database.hostname" : "192.168.1.22",
8             "database.port" : "3306",
9             "database.user" : "root",
10             "database.password" : "XXXXXX",
11             "database.whitelist" : "kafka_base_db",
12             "table.whitlelist" : "accounts",
13             "database.server.id" : "223344",
14             "database.server.name" : "full",
15             "database.history.kafka.bootstrap.servers" : "192.168.1.22:9092",
16             "database.history.kafka.topic" : "account_topic",
17             "include.schema.changes" : "true" ,
18             "incrementing.column.name" : "id",
19             "database.history.skip.unparseable.ddl" : "true",
20             "transforms": "unwrap,changetopic",
21             "transforms.unwrap.type": "io.debezium.transforms.UnwrapFromEnvelope",
22             "transforms.changetopic.type":"org.apache.kafka.connect.transforms.RegexRouter",
23             "transforms.changetopic.regex":"(.*)",
24             "transforms.changetopic.replacement":"$1-smt"
25        }
26}

注意如下配置：

"database.server.id"，對應(yīng)Mysql中的server-id的配置。
"database.whitelist" : 待同步的Mysql數(shù)據(jù)庫名。
"table.whitlelist" :待同步的Mysq表名。
重要：“database.history.kafka.topic”：存儲數(shù)據(jù)庫的Shcema的記錄信息，而非寫入數(shù)據(jù)的topic、
"database.server.name":邏輯名稱，每個connector確保唯一，作為寫入數(shù)據(jù)的kafka topic的前綴名稱。

坑一：transforms相關(guān)5行配置作用是寫入數(shù)據(jù)格式轉(zhuǎn)換。

如果沒有，輸入數(shù)據(jù)會包含：before、after記錄修改前對比信息以及元數(shù)據(jù)信息（source，op，ts_ms等）。

這些信息在后續(xù)數(shù)據(jù)寫入Elasticsearch是不需要的。（注意結(jié)合自己業(yè)務(wù)場景）。

格式轉(zhuǎn)換相關(guān)原理：http:///EftoaIi

5.4 啟動connector

1curl -X POST -H "Content-Type:application/json"
2--data @mysql2kafka_debezium.json.json
3http://192.168.1.22:18083/connectors | jq

5.5 驗(yàn)證寫入是否成功。

5.5.1 查看kafka-topic

1 kafka-topics --list --zookeeper localhost:2181

此處會看到寫入數(shù)據(jù)topic的信息。

注意新寫入數(shù)據(jù)topic的格式：database.schema.table-smt 三部分組成。

本示例topic名稱：

full.kafka_base_db.account-smt

5.5.2 消費(fèi)數(shù)據(jù)驗(yàn)證寫入是否正常

1./kafka-avro-console-consumer --topic full.kafka_base_db.account-smt --bootstrap-server 192.168.1.22:9092 --from-beginning

至此，Debezium實(shí)現(xiàn)mysql同步kafka完成。

6、kafka-connector實(shí)現(xiàn)kafka同步Elasticsearch

6.1、Kafka-connector介紹

見官網(wǎng):https://docs./current/connect.html

Kafka Connect是一個用于連接Kafka與外部系統(tǒng)（如數(shù)據(jù)庫，鍵值存儲，檢索系統(tǒng)索引和文件系統(tǒng)）的框架。

連接器實(shí)現(xiàn)公共數(shù)據(jù)源數(shù)據(jù)（如Mysql、Mongo、Pgsql等）寫入Kafka，或者Kafka數(shù)據(jù)寫入目標(biāo)數(shù)據(jù)庫，也可以自己開發(fā)連接器。

6.2、kafka到ES connector同步配置

配置路徑：

1/home/confluent-5.1.0/etc/kafka-connect-elasticsearch/quickstart-elasticsearch.properties

配置內(nèi)容：

1"connector.class": "io.confluent.connect.elasticsearch.ElasticsearchSinkConnector",
2"tasks.max": "1",
3"topics": "full.kafka_base_db.account-smt",
4"key.ignore": "true",
5"connection.url": "http://192.168.1.22:9200",
6"type.name": "_doc",
7"name": "elasticsearch-sink-test"

6.3 kafka到ES啟動connector

啟動命令

1confluent load elasticsearch-sink-test
2-d /home/confluent-5.1.0/etc/kafka-connect-elasticsearch/quickstart-elasticsearch.properties

6.4 Kafka-connctor RESTFul API查看

Mysql2kafka，kafka2ES的connector詳情信息可以借助postman或者瀏覽器或者命令行查看。

1curl -X GET http://localhost:8083/connectors

7、坑復(fù)盤。

坑2： 同步的過程中可能出現(xiàn)錯誤，比如：kafka topic沒法消費(fèi)到數(shù)據(jù)。
排解思路如下：

1）確認(rèn)消費(fèi)的topic是否是寫入數(shù)據(jù)的topic；
2）確認(rèn)同步的過程中沒有出錯?？梢越柚鷆onnector如下命令查看。

1curl -X GET http://localhost:8083/connectors-xxx/status

坑3： Mysql2ES出現(xiàn)日期格式不能識別。

是Mysql jar包的問題，解決方案：在my.cnf中配置時區(qū)信息即可。

坑4： kafka2ES，ES沒有寫入數(shù)據(jù)。

排解思路：

1）建議：先創(chuàng)建同topic名稱一致的索引，注意：Mapping靜態(tài)自定義，不要動態(tài)識別生成。
2）通過connetor/status排查出錯原因，一步步分析。

8、小結(jié)

binlog的實(shí)現(xiàn)突破了字段的限制，實(shí)際上業(yè)界的go-mysql-elasticsearch已經(jīng)實(shí)現(xiàn)。
對比：logstash、kafka-connector，雖然Debezium“曲線救國”兩步實(shí)現(xiàn)了實(shí)時同步，但穩(wěn)定性+實(shí)時性能相對不錯。
推薦大家使用。大家有好的同步方式也歡迎留言討論交流。

參考：
[1 ]http:///EftX2p8

[2] http:///EftXJU6

[3] http:///EftXO8c

[4] http:///EftXn9M

[5] http:///EftXeOc