實際業務場景中，會遇到基礎數據存在Mysql中，實時寫入數據量比較大的情景。遷移至kafka是一種比較好的業務選型方案。
而mysql寫入kafka的選型方案有：
方案一：logstash_output_kafka 插件。
方案二：kafka_connector。
方案三：debezium 插件。
方案四：flume。
方案五：其他類似方案。
其中：debezium和flume是基於mysql binlog實現的。
如果需要同步歷史全量數據+實時更新數據，建議使用logstash。
1、logstash同步原理常用的logstash的插件是：logstash_input_jdbc實現關係型資料庫到Elasticsearch等的同步。
實際上，核心logstash的同步原理的掌握，有助於大家理解類似的各種庫之間的同步。
logstash核心原理：輸入生成事件，過濾器修改它們，輸出將它們發送到其他地方。
logstash核心三部分組成：input、filter、output。
input { }
filter { }
output { }
包含但遠不限於：
jdbc：關係型資料庫：mysql、oracle等。
file：從文件系統上的文件讀取。
syslog：在已知埠514上偵聽syslog消息。
redis：redis消息。beats：處理 Beats發送的事件。
kafka：kafka實時數據流。
1.2 filter過濾器過濾器是Logstash管道中的中間處理設備。您可以將過濾器與條件組合，以便在事件滿足特定條件時對其執行操作。
可以把它比作數據處理的ETL環節。
一些有用的過濾包括：
grok：解析並構造任意文本。Grok是目前Logstash中將非結構化日誌數據解析為結構化和可查詢內容的最佳方式。有了內置於Logstash的120種模式，您很可能會找到滿足您需求的模式！
mutate：對事件欄位執行常規轉換。您可以重命名，刪除，替換和修改事件中的欄位。
drop：完全刪除事件，例如調試事件。
clone：製作事件的副本，可能添加或刪除欄位。
geoip：添加有關IP位址的地理位置的信息。
1.3 output輸出輸出是Logstash管道的最後階段。一些常用的輸出包括：
elasticsearch：將事件數據發送到Elasticsearch。
file：將事件數據寫入磁碟上的文件。
kafka：將事件寫入Kafka。
詳細的filter demo參考：http://t.cn/EaAt4zP
2、同步Mysql到kafka配置參考input {
jdbc {
jdbc_connection_string => "jdbc:mysql://192.168.1.12:3306/news_base"
jdbc_user => "root"
jdbc_password => "xxxxxxx"
jdbc_driver_library => "/home/logstash-6.4.0/lib/mysql-connector-java-5.1.47.jar"
jdbc_driver_class => "com.mysql.jdbc.Driver"
#schedule => "* * * * *"
statement => "SELECT * from news_info WHERE id > :sql_last_value order by id"
use_column_value => true
tracking_column => "id"
tracking_column_type => "numeric"
record_last_run => true
last_run_metadata_path => "/home/logstash-6.4.0/sync_data/news_last_run"
}
}
filter {
ruby{
code => "event.set('gather_time_unix',event.get('gather_time').to_i*1000)"
}
ruby{
code => "event.set('publish_time_unix',event.get('publish_time').to_i*1000)"
}
mutate {
remove_field => [ "@version" ]
remove_field => [ "@timestamp" ]
remove_field => [ "gather_time" ]
remove_field => [ "publish_time" ]
}
}
output {
kafka {
bootstrap_servers => "192.168.1.13:9092"
codec => json_lines
topic_id => "mytopic"
}
file {
codec => json_lines
path => "/tmp/output_a.log"
}
}
以上內容不複雜，不做細講。
注意：
Mysql藉助logstash同步後，日期類型格式：「2019-04-20 13:55:53」已經被識別為日期格式。
code =>
"event.set('gather_time_unix',event.get('gather_time').to_i*1000)"，
是將Mysql中的時間格式轉化為時間戳格式。
3、坑總結3.1 坑1欄位大小寫問題from星友：使用logstash同步mysql數據的，因為在jdbc.conf裡面沒有添加 lowercase_column_names
=> "false" 這個屬性，所以logstash默認把查詢結果的列明改為了小寫，同步進了es，所以就導致es裡面看到的欄位名稱全是小寫。
最後總結：es是支持大寫欄位名稱的，問題出在logstash沒用好，需要在同步配置中加上 lowercase_column_names => "false" 。記錄下來希望可以幫到更多人。
3.2 同步到ES中的數據會不會重複？想將關係資料庫的數據同步至ES中，如果在集群的多臺伺服器上同時啟動logstash。
解讀：實際項目中就是沒用隨機id 使用指定id作為es的_id ，指定id可以是url的md5.這樣相同數據就會走更新覆蓋以前數據
3.3 相同配置logstash,升級6.3之後不能同步數據。解讀：高版本基於時間增量有優化。
tracking_column_type => "timestamp"應該是需要指定標識為時間類型，默認為數字類型numeric
3.4 ETL欄位統一在哪處理?解讀：可以logstash同步mysql的時候sql查詢階段處理，如：select a_value as avalue***。
或者filter階段處理,mutate rename處理。
mutate {
rename => ["shortHostname", "hostname" ]
}
或者kafka階段藉助kafka stream處理。
4、小結推薦閱讀：
1、實戰 | canal 實現Mysql到Elasticsearch實時增量同步
2、乾貨 | Debezium實現Mysql到Elasticsearch高效實時同步
3、一張圖理清楚關係型資料庫與Elasticsearch同步 http://t.cn/EaAceD3
4、新的實現：http://t.cn/EaAt60O
5、mysql2mysql: http://t.cn/EaAtK7r
6、推薦開源實現：http://t.cn/EaAtjqN
加入星球，更短時間更快習得更多乾貨！