4虎影视亚洲精品国产一区二区,91爱逼,精品亚洲a一区二区三区

MySQL 自身簡單、高效、可靠，是又拍云內(nèi)部使用最廣泛的數(shù)據(jù)庫。但是當數(shù)據(jù)量達到一定程度的時候，對整個 MySQL 的操作會變得非常遲緩。而公司內(nèi)部 robin/logs 表的數(shù)據(jù)量已經(jīng)達到 800w，后續(xù)又有全文檢索的需求。這個需求直接在 MySQL上實施是難以做到的。

原數(shù)據(jù)庫的同步問題

由于傳統(tǒng)的 mysql 數(shù)據(jù)庫并不擅長海量數(shù)據(jù)的檢索，當數(shù)據(jù)量到達一定規(guī)模時（估算單表兩千萬左右），查詢和插入的耗時會明顯增加。同樣，當需要對這些數(shù)據(jù)進行模糊查詢或是數(shù)據(jù)分析時，MySQL作為事務(wù)型關(guān)系數(shù)據(jù)庫很難提供良好的性能支持。使用適合的數(shù)據(jù)庫來實現(xiàn)模糊查詢是解決這個問題的關(guān)鍵。但是，切換數(shù)據(jù)庫會迎來兩個問題，一是已有的服務(wù)對現(xiàn)在的 MySQL重度依賴，二是MySQL的事務(wù)能力和軟件生態(tài)仍然不可替代，直接遷移數(shù)據(jù)庫的成本過大。我們綜合考慮了下，決定同時使用多個數(shù)據(jù)庫的方案，不同的數(shù)據(jù)庫應(yīng)用于不同的使用場景。

而在支持模糊查詢功能的數(shù)據(jù)庫中，elasticsearch 自然是首選的查詢數(shù)據(jù)庫。這樣后續(xù)對業(yè)務(wù)需求的切換也會非常靈活。那具體該如何實現(xiàn)呢？在又拍云以往的項目中，也有遇到相似的問題。之前采用的方法是在業(yè)務(wù)中編寫代碼，然后同步到 elasticsearch 中。具體是這樣實施的：每個系統(tǒng)編寫特定的代碼，修改 MySQL數(shù)據(jù)庫后，再將更新的數(shù)據(jù)直接推送到需要同步的數(shù)據(jù)庫中，或推送到隊列由消費程序來寫入到數(shù)據(jù)庫中。但這個方案有一些明顯的缺點：

系統(tǒng)高耦合，侵入式代碼，使得業(yè)務(wù)邏輯復雜度增加

方案不通用，每一套同步都需要額外定制，不僅增加業(yè)務(wù)處理時間，還會提升軟件復復雜度

工作量和復雜度增加

在業(yè)務(wù)中編寫同步方案，雖然在項目早期比較方便，但隨著數(shù)據(jù)量和系統(tǒng)的發(fā)展壯大，往往最后會成為業(yè)務(wù)的大痛點。

解決思路及方案

調(diào)整架構(gòu)

既然以往的方案有明顯的缺點，那我們?nèi)绾蝸斫鉀Q它呢？優(yōu)秀的解決方案往往是 “通過架構(gòu)來解決問題“，那么能不能通過架構(gòu)的思想來解決問題呢？答案是可以的。我們可以將程序偽裝成 “從數(shù)據(jù)庫”，主庫的增量變化會傳遞到從庫，那這個偽裝成 “從數(shù)據(jù)庫” 的程序就能實時獲取到數(shù)據(jù)變化，然后將增量的變化推送到消息隊列 MQ，后續(xù)消費者消耗 MQ 的數(shù)據(jù)，然后經(jīng)過處理之后再推送到各自需要的數(shù)據(jù)庫。這個架構(gòu)的核心是通過監(jiān)聽 MySQL 的 binlog 來同步增量數(shù)據(jù)，通過基于 query 的查詢舊表來同步舊數(shù)據(jù)，這就是本文要講的一種異構(gòu)數(shù)據(jù)庫同步的實踐。

改進數(shù)據(jù)庫

經(jīng)過深度的調(diào)研，成功得到了一套異構(gòu)數(shù)據(jù)庫同步方案，并且成功將公司生產(chǎn)環(huán)境下的 robin/logs 的表同步到了 elasticsearch 上。首先對 MySQL 開啟 binlog，但是由于 maxwell 需要的 binlog_format=row 原本的生產(chǎn)環(huán)境的數(shù)據(jù)庫不宜修改。這里請教了海楊前輩，他提供了”從庫聯(lián)級“的思路，在從庫中監(jiān)聽 binlog 繞過了操作生產(chǎn)環(huán)境重啟主庫的操作，大大降低了系統(tǒng)風險。后續(xù)操作比較順利，啟動 maxwell 監(jiān)聽從庫變化，然后將增量變化推送到 kafka ，最后配置 logstash 消費 kafka中的數(shù)據(jù)變化事件信息，將結(jié)果推送到 elasticsearch。配置 logstash需要結(jié)合表結(jié)構(gòu)，這是整套方案實施的重點。這套方案使用到了kafka、maxwell、logstash、elasticsearch。其中 elasticsearch 與 kafka已經(jīng)在生產(chǎn)環(huán)境中有部署，所以無需單獨部署維護。而 logstash 與 maxwell 只需要修改配置文件和啟動命令即可快速上線。整套方案的意義不僅在于成本低，而且可以大規(guī)模使用，公司內(nèi)有 MySQL 同步到其它數(shù)據(jù)庫的需求時，都可以上任。

成果展示前后對比

- 使用該方案同步和業(yè)務(wù)實現(xiàn)同步的對比

- 寫入到 elasticsearch 性能對比 (8核4G內(nèi)存)

項目	logstash	業(yè)務(wù)同步
寫入速度	1500 條/s	200 條/s

經(jīng)過對比測試，800w 數(shù)據(jù)量全量同步，使用 logstash 寫到 elasticsearch，實際需要大概 3 小時，而舊方案的寫入時間需要 2.5 天。

方案實施細節(jié)

接下來，我們來看看具體是如何實現(xiàn)的。本方案無需編寫額外代碼，非侵入式的，實現(xiàn) MySQL數(shù)據(jù)與 elasticsearch 數(shù)據(jù)庫的同步。

下列是本次方案需要使用所有的組件：

MySQL

Kafka

Maxwell（監(jiān)聽 binlog）

Logstash（將數(shù)據(jù)同步給 elasticsearch）

Elasticsearch

1. MySQL配置

本次使用 MySQL 5.5 作示范，其他版本的配置可能稍許不同需要

首先我們需要增加一個數(shù)據(jù)庫只讀的用戶，如果已有的可以跳過。

-- 創(chuàng)建一個 用戶名為 maxwell 密碼為 xxxxxx 的用戶
CREATE USER 'maxwell'@'%' IDENTIFIED BY 'XXXXXX';
GRANT ALL ON maxwell.* TO 'maxwell'@'localhost';
GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';

開啟數(shù)據(jù)庫的 `binlog`，修改 `mysql` 配置文件，注意 `maxwell` 需要的 `binlog` 格式必須是`row`。

# /etc/mysql/my.cnf


[mysqld]
# maxwell 需要的 binlog 格式必須是 row
binlog_format=row


# 指定 server_id 此配置關(guān)系到主從同步需要按情況設(shè)置，
# 由于此mysql沒有開啟主從同步，這邊默認設(shè)置為 1
server_id=1


# logbin 輸出的文件名， 按需配置
log-bin=master

重啟 MySQL 并查看配置是否生效：

sudo systemctl restart mysqld

select @@log_bin;
-- 正確結(jié)果是 1
select @@binlog_format;
-- 正確結(jié)果是 ROW

如果要監(jiān)聽的數(shù)據(jù)庫開啟了主從同步，并且不是主數(shù)據(jù)庫，需要再從數(shù)據(jù)庫開啟 binlog 聯(lián)級同步。

# /etc/my.cnf


log_slave_updates = 1

需要被同步到 elasticsearch 的表結(jié)構(gòu)。

-- robin.logs
show create table robin.logs;


-- 表結(jié)構(gòu)
CREATE TABLE `logs` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `content` text NOT NULL,
  `user_id` int(11) NOT NULL,
  `status` enum('SUCCESS','FAILED','PROCESSING') NOT NULL,
  `type` varchar(20) DEFAULT '',
  `meta` text,
  `created_at` bigint(15) NOT NULL,
  `idx_host` varchar(255) DEFAULT '',
  `idx_domain_id` int(11) unsigned DEFAULT NULL,
  `idx_record_value` varchar(255) DEFAULT '',
  `idx_record_opt` enum('DELETE','ENABLED','DISABLED') DEFAULT NULL,
  `idx_orig_record_value` varchar(255) DEFAULT '',
  PRIMARY KEY (`id`),
  KEY `created_at` (`created_at`)
) ENGINE=InnoDB AUTO_INCREMENT=8170697 DEFAULT CHARSET=utf8

2.Maxwell 配置

本次使用 maxwell-1.39.2 作示范, 確保機器中包含 java 環(huán)境，推薦 openjdk11

下載 maxwell 程序

wget https://github.com/zendesk/maxwell/releases/download/v1.39.2/maxwell-1.39.2.tar.gz
tar zxvf maxwell-1.39.2.tar.gz **&&**  cd maxwell-1.39.2

maxwell 使用了兩個數(shù)據(jù)庫：

一個是需要被監(jiān)聽binlog的數(shù)據(jù)庫(只需要讀權(quán)限)

另一個是記錄maxwell服務(wù)狀態(tài)的數(shù)據(jù)庫，當前這兩個數(shù)據(jù)庫可以是同一個

重要參數(shù)說明：

host 需要監(jiān)聽binlog的數(shù)據(jù)庫地址

port 需要監(jiān)聽binlog的數(shù)據(jù)庫端口

user 需要監(jiān)聽binlog的數(shù)據(jù)庫用戶名

password 需要監(jiān)聽binlog的密碼

replication_host 記錄maxwell服務(wù)的數(shù)據(jù)庫地址

replication_port 記錄maxwell服務(wù)的數(shù)據(jù)庫端口

replication_user 記錄maxwell服務(wù)的數(shù)據(jù)庫用戶名

filter 用于監(jiān)聽binlog數(shù)據(jù)時過濾不需要的數(shù)據(jù)庫數(shù)據(jù)或指定需要的數(shù)據(jù)庫

producer 將監(jiān)聽到的增量變化數(shù)據(jù)提交給的消費者 (如 stdout、kafka)

kafka.bootstrap.servers kafka 服務(wù)地址

kafka_version kafka 版本

kafka_topic 推送到kafka的主題

啟動 maxwell

注意，如果 kafka 配置了禁止自動創(chuàng)建主題，需要先自行在 kafka 上創(chuàng)建主題，kafka_version 需要根據(jù)情況指定, 此次使用了兩張不同的庫

./bin/maxwell 
        --host=mysql-maxwell.mysql.svc.cluster.fud3 
        --port=3306 
        --user=root 
        --password=password 
        --replication_host=192.168.5.38 
        --replication_port=3306 
        --replication_user=cloner 
        --replication_password=password
        --filter='exclude: *.*, include: robin.logs' 
        --producer=kafka 
        --kafka.bootstrap.servers=192.168.30.10:9092 
        --kafka_topic=maxwell-robinlogs --kafka_version=0.9.0.1

3. 安裝 Logstash

Logstash 包中已經(jīng)包含了 openjdk，無需額外安裝。

wget https://artifacts.elastic.co/downloads/logstash/logstash-8.5.0-linux-x86_64.tar.gz
tar zxvf logstash-8.5.0-linux-x86_64.tar.gz

刪除不需要的配置文件。

rm config/logstash.yml

修改logstash配置文件，此處語法參考官方文檔（https://www.elastic.co/guide/en/logstash/current/input-plugins.html）。

# config/logstash-sample.conf


input {
 kafka {
    bootstrap_servers => "192.168.30.10:9092"
    group_id => "main"
    topics => ["maxwell-robinlogs"]
 }
}


filter {
  json {
    source => "message"
  }


  # 將maxwell的事件類型轉(zhuǎn)化為es的事件類型
  # 如增加 -> index 修改-> update
  translate {
    source => "[type]"
    target => "[action]"
    dictionary => {
      "insert" => "index"
      "bootstrap-insert" => "index"
      "update" => "update"
      "delete" => "delete"
    }
    fallback => "unknown"
  }


  # 過濾無效的數(shù)據(jù)
  if ([action] == "unknown") {
    drop {}
  }


  # 處理數(shù)據(jù)格式
  if [data][idx_host] {
    mutate {
      add_field => { "idx_host" => "%{[data][idx_host]}" }
    }
  } else {
    mutate {
      add_field => { "idx_host" => "" }
    }
  }


  if [data][idx_domain_id] {
    mutate {
      add_field => { "idx_domain_id" => "%{[data][idx_domain_id]}" }
    }
  } else {
    mutate {
      add_field => { "idx_domain_id" => "" }
    }
  }


  if [data][idx_record_value] {
    mutate {
      add_field => { "idx_record_value" => "%{[data][idx_record_value]}" }
    }
  } else {
    mutate {
      add_field => { "idx_record_value" => "" }
    }
  }
  
   if [data][idx_record_opt] {
    mutate {
      add_field => { "idx_record_opt" => "%{[data][idx_record_opt]}" }
    }
  } else {
    mutate {
      add_field => { "idx_record_opt" => "" }
    }
  }
 
  if [data][idx_orig_record_value] {
    mutate {
      add_field => { "idx_orig_record_value" => "%{[data][idx_orig_record_value]}" }
    }
  } else {
    mutate {
      add_field => { "idx_orig_record_value" => "" }
    }
  }
 
  if [data][type] {
    mutate {
      replace => { "type" => "%{[data][type]}" }
    }
  } else {
    mutate {
      replace => { "type" => "" }
    }
  }
 
  mutate {
    add_field => {
      "id" => "%{[data][id]}"
      "content" => "%{[data][content]}"
      "user_id" => "%{[data][user_id]}"
      "status" => "%{[data][status]}"
      "meta" => "%{[data][meta]}"
      "created_at" => "%{[data][created_at]}"
    }
    remove_field => ["data"]
  }


  mutate {
    convert => {
      "id" => "integer"
      "user_id" => "integer"
      "idx_domain_id" => "integer"
      "created_at" => "integer"
    }
  }


  # 只提煉需要的字段
  mutate {
    remove_field => [
      "message",
      "original",
      "@version",
      "@timestamp",
      "event",
      "database",
      "table",
      "ts",
      "xid",
      "commit",
      "tags"
    ]
   }
}


output {
  # 結(jié)果寫到es
  elasticsearch {
    hosts => ["http://es-zico2.service.upyun:9500"]
    index => "robin_logs"
    action => "%{action}"
    document_id => "%{id}"
    document_type => "robin_logs"
  }


  # 結(jié)果打印到標準輸出
  stdout {
    codec => rubydebug
  }
}

執(zhí)行程序：

# 測試配置文件*
bin/logstash -f config/logstash-sample.conf --config.test_and_exit


# 啟動*
bin/logstash -f config/logstash-sample.conf --config.reload.automatic

4. 全量同步

完成啟動后，后續(xù)的增量數(shù)據(jù) maxwell 會自動推送給 logstash 最終推送到 elasticsearch ，而之前的舊數(shù)據(jù)可以通過 maxwell 的 bootstrap 來同步，往下面表中插入一條任務(wù)，那么 maxwell 會自動將所有符合條件的 where_clause 的數(shù)據(jù)推送更新。

INSERT INTO maxwell.bootstrap 
        ( database_name, table_name, where_clause, client_id ) 
values 
        ( 'robin', 'logs', 'id > 1', 'maxwell' );

后續(xù)可以在 elasticsearch 檢測數(shù)據(jù)是否同步完成，可以先查看數(shù)量是否一致，然后抽樣對比詳細數(shù)據(jù)。

# 檢測 elasticsearch  中的數(shù)據(jù)量
GET robin_logs/robin_logs/_count

審核編輯：劉清

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。舉報投訴