logstash mysql 準實時同步到 elasticsearch
mysql 作為成熟穩定的數據持久化解決方案，廣泛地應用在各種領域，但是在數據分析方面稍有不足，而 elasticsearch 作為數據分析領域的佼佼者，剛好可以彌補這項不足，而我們要做的只需要將 mysql 中的數據同步到 elasticsearch 中即可，而 logstash 剛好就可以支持，所有你需要做的只是寫一個配置文件而已
logstash 獲取
獲取 logstash
wget https://artifacts.elastic.co/downloads/logstash/logstash-6.2.3.zip unzip logstash-6.2.3.zip && cd logstash-6.2.3
安裝 jdbc 和 elasticsearch 插件
bin/logstash-plugin install logstash-input-jdbc && bin/logstash-plugin install logstash-output-elasticsearch; \獲取 jdbc mysql 驅動
wget https://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.46.zip && unzip mysql-connector-java-5.1.46.zip && \
編寫配置文件
logstash-input-jdbc
使用 logstash-input-jdbc 插件讀取 mysql 的數據，這個插件的工作原理比較簡單，就是定時執行一個 sql，然後將 sql 執行的結果寫入到流中，增量獲取的方式沒有通過 binlog 方式同步，而是用一個遞增字段作為條件去查詢，每次都記錄當前查詢的位置，由於遞增的特性，只需要查詢比當前大的記錄即可獲取這段時間內的全部增量，一般的遞增字段有兩種，AUTO_INCREMENT 的主鍵 id 和 ON UPDATE CURRENT_TIMESTAMP 的 update_time 字段，id 字段只適用於那種只有插入沒有更新的表，update_time
update_time 字段
input {
jdbc {
jdbc_driver_library => "../mysql-connector-java-5.1.46/mysql-connector-java-5.1.46-bin.jar"
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_connection_string => "jdbc:mysql://<mysql_host>:3306/rta"
jdbc_user => "<username>"
jdbc_password => "<password>"
schedule => "* * * * *"
statement => "SELECT * FROM table WHERE update_time > :sql_last_value"
use_column_value => true
tracking_column_type => "timestamp"
tracking_column => "update_time"
last_run_metadata_path => "syncpoint_table"
}
}jdbc_driver_library: jdbc mysql 驅動的路徑，在上一步中已經下載jdbc_driver_class: 驅動類的名字，mysql 填com.mysql.jdbc.Driver就好了jdbc_connection_string: mysql 地址jdbc_user: mysql 用戶jdbc_password: mysql 密碼schedule: 執行 sql 時機，類似 crontab 的調度statement: 要執行的 sql，以 ":" 開頭是定義的變量，可以通過 parameters 來設置變量，這裏的sql_last_value是內置的變量，表示上一次 sql 執行中 update_time 的值use_column_value: 使用遞增列的值tracking_column_type: 遞增字段的類型，numeric表示數值類型,timestamp表示時間戳類型tracking_column: 遞增字段的名稱，這裏使用 update_time 這一列，這列的類型是timestamplast_run_metadata_path: 同步點文件，這個文件記錄了上次的同步點，重啟時會讀取這個文件，這個文件可以手動修改
logstash-output-elasticsearch
output {
elasticsearch {
hosts => ["172.31.22.165", "172.31.17.241", "172.31.30.84", "172.31.18.178"]
user => "<user>"
password => "<password>"
index => "table"
document_id => "%{id}"
}
}hosts: es 集群地址user: es 用戶名password: es 密碼index: 導入到 es 中的 index 名，這裏我直接設置成了 mysql 表的名字document_id: 導入到 es 中的文檔 id，這個需要設置成主鍵，否則同一條記錄更新後在 es 中會出現兩條記錄，%{id}表示引用 mysql 表中id字段的值
運行
把上面的代碼保存到一個配置文件裏面 sync_table.cfg，執行下面命令即可
cd logstash-6.2.3 && bin/logstash -f config/sync_table.cfg如果成功了會在標準輸出輸出執行的 sql 語句
[2018-04-14T18:12:00,278][INFO ][logstash.inputs.jdbc ] (0.001011s) SELECT version()
[2018-04-14T18:12:00,284][INFO ][logstash.inputs.jdbc ] (0.000723s) SELECT * FROM table WHERE update_time > ‘2018-04-14 17:55:00‘其他問題
多表同步
一個 logstash 實例可以借助 pipelines 機制同步多個表，只需要寫多個配置文件就可以了，假設我們有兩個表 table1 和 table2，對應兩個配置文件 sync_table1.cfg 和 sync_table2.cfg
在 config/pipelines.yml 中配置
- pipeline.id: table1
path.config: "config/sync_table1.cfg"
- pipeline.id: table2
path.config: "config/sync_table2.cfg"直接 bin/logstash 啟動即可
@timestamp 字段
默認情況下 @timestamp 字段是 logstash-input-jdbc 添加的字段，默認是當前時間，這個字段在數據分析的時候非常有用，但是有時候我們希望使用數據中的某些字段來指定這個字段，這個時候可以使用 filter.date, 這個插件是專門用來設置 @timestamp 這個字段的
比如我有我希望用字段 timeslice 來表示 @timestamp，timeslice 是一個字符串，格式為 %Y%m%d%H%M
filter {
date {
match => [ "timeslice", "yyyyMMddHHmm" ]
timezone => "Asia/Shanghai"
}
}把這一段配置加到 sync_table.cfg 中，現在 @timestamp 和 timeslice 一致了
參考鏈接
- logstash-input-jdbc 插件: https://www.elastic.co/guide/en/logstash/current/plugins-inputs-jdbc.html
- logstash-output-elasticsearch 插件: https://www.elastic.co/guide/en/logstash/current/plugins-outputs-elasticsearch.html
- logstash-multiple-piplines: https://www.elastic.co/blog/logstash-multiple-pipelines
- logstash-filter-date 插件: https://www.elastic.co/guide/en/logstash/current/plugins-filters-date.html
轉載請註明出處
本文鏈接：http://www.hatlonely.com/2018/04/14/logstash-mysql-%E5%87%86%E5%AE%9E%E6%97%B6%E5%90%8C%E6%AD%A5%E5%88%B0-elasticsearch/
logstash mysql 準實時同步到 elasticsearch