使用Logstash同步MySQL数据到ES 两个mysql数据库之间数据同步

Logstash 是一个开源的数据处理管道，它能够从各种来源收集日志和事件数据，进行解析、转换，下面将介绍如何将MySQL数据同步到 Elasticsearch。

一、安装 Logstash

1. 下载 Logstash： 访问 Logstash 官网 https://www.elastic.co/downloads/logstash 下载最新版本的 Logstash 包。
2. 解压缩： 将下载的 Logstash 包解压缩到您想要安装的目录。
3. 配置环境变量： 在系统环境变量中添加 Logstash 的安装路径，例如：export PATH=$PATH:/path/to/logstash/bin

二、配置 Logstash

logstash 的配置文件使用 JSON 格式，需要注意的是对应的mysql表一定要有主键，而且有更新时间字段。下面是我的一个配置文件/path/to/logstash/config/logstash.conf(文件路径可以自己指定，启动的时候带上就可以)：

input {
    jdbc {
        # 设置 MySql/MariaDB 数据库url以及数据库名称
        jdbc_connection_string => "jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=UTF-8&autoReconnect=true"
        # 用户名和密码
        jdbc_user => "root"
        jdbc_password => ""
        # 数据库驱动所在位置，可以是绝对路径或者相对路径
        jdbc_driver_library => "/path/to/logstash/bin/mysql-connector-java-8.0.23.jar"
        # mysql驱动类名
        jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
        # 开启分页
        jdbc_paging_enabled => "true"
        # 分页每页数量，可以自定义
        jdbc_page_size => "30"
        # 执行的sql文件路径
        statement => "SELECT *,FLOOR(addtime/86400) AS day,FLOOR(addtime/ 3600) AS hour FROM article WHERE del=0 AND addtime > :sql_last_value ORDER BY addtime ASC"
        # 设置定时任务间隔  含义：分、时、天、月、，全部为*默认含义为每分钟跑一次任务
        schedule => "* * * * *"
        # 索引类型
        type => "_doc"
        # 是否开启记录上次追踪的结果，也就是上次更新的时间，这个会记录到 last_run_metadata_path 的文件
        use_column_value => true
        # 记录上一次追踪的结果值
        last_run_metadata_path => "/path/to/logstash/mysql_update_time"
        # 如果 use_column_value 为true， 配置本参数，追踪的 column 名，可以是自增id或者时间
        tracking_column => "addtime"
        # tracking_column 对应字段的类型
        tracking_column_type => "timestamp"
        # 是否清除 last_run_metadata_path 的记录，true则每次都从头开始查询所有的数据库记录
        clean_run => false
        # 数据库字段名称大写转小写
        lowercase_column_names => false
    }
}
output {
    elasticsearch {
		# 如果不配置type，动态模板会创建失败
		#document_type => "_doc"
        hosts => ["127.0.0.1"]
		#账号
		user => "elastic"
        password => ""
        index => "my_index"
        # 设置_docID和数据相同
        document_id => "%{id}"
        data_stream =>false
        template => "/path/to/logstash/config/template.json"
		#是否重写模版
		template_overwrite => false
		manage_template => false

    }
    # 日志输出
    stdout {
        codec => json_lines
    }
}

然后编写上面配置中对应的模板文件/path/to/logstash/config/template.json，这里注意和ES索引的mapping文件 字段格式上可能有些差别。

{
  "index_patterns": ["my_index"],
  "template": {
      "settings": {
        "index": {
          "number_of_shards": 3,
          "number_of_replicas": 2,
        }
      },
      "mappings": {
      "properties": {
        "id": {
          "type": "keyword"
        },
        "addtime": {
          "type": "date",
          "format": "epoch_millis"
        },
        "day": {
          "type": "long"
        },
        "hour": {
          "type": "long"
        },
        "title": {
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart"
        },
      }
    }
  }
}

配置好之后启动logstash，我们使用后台启动

sudo nohup /path/to/logstash/bin/logstash -f /path/to/logstash/config/logstash.conf > /dev/null 2>&1 &

启动之后logstash就会根据 addtime的变动 每分钟将mysql数据同步到ES索引了，在实际应用中还有个问题需要解决就是DELETE操作，logstash同步只能添加和更新的操作，删除操作是无法同步到ES的。

解决办法1：在业务中有删除操作的地方，用程序直接调用ES接口删除。

解决办法2：在MySQL中添加一个字段来表示删除，比如增加deltime字段记录删除时的时间戳来表示删除。当日这里业务中删除操作时，对应SQL语句要改为更新deltime值为当时时间戳，而不是直接DELETE。然后在修改上面的logstash.conf配置文件，增加删除动作。

input { 
  ...
}
filter {
  # 设置删除周期（例如，过去 2 分钟,确保删除周期>同步周期，这样才不会有遗漏）
  let { delete_threshold = (now - (2 * 60)) } 
  if [deltime] and [deltime] >= delete_threshold {
    mutate {
      remove_field => [ "deltime" ]
    }
    #调用es接口删除对应数据
    elasticsearch {
      hosts => ["localhost:9200"]
      index => "my_index"
      document_id => "%{id}"
      action => "delete"
    }
  }
}
output {
  # 其他数据同步到 Elasticsearch 操作，例如更新、新增等
  ...
}

使用Logstash同步MySQL数据到ES – AI小站