Logstash同步数据

Logstash

Logstash 是免费且开放的服务器端数据处理管道，能够从多个来源采集数据，转换数据，然后将数据发送到您最喜欢的“存储库”中。详细说明可以看官方文档。

下载地址：https://www.elastic.co/cn/logstash

实践

功能：数据同步，把mysql里面的数据同步到elasticsearch中

logstash有两种同步方式一种是以id作为同步边界，一种是以update_time作为同步边界。logstash有一个定时任务，定时任务到期后就会进行同步。

如果是以id为同步边界的话只会同步新增的数据，无法同步修改的数据。
以update_time作为同步边界，初次同步的话会记录下更新的时间，下次同步的话就会把新增的数据以及修改过的数据进行同步。

这里采用的是update_time方式进行同步。

准备工作

把下载好的包上传到服务器（logstash-6.4.3.tar.gz），与elasticsearch的版本一致，解压到/usr/local/目录下

由于要连接mysql所以需要用到mysql驱动包，用的版本是mysql-connector-java-5.1.41.jar

创建一个foodie-items索引

创建目录

到时候需要把驱动包，Logstash同步配置文件，还有同步的数据库语句放到这个目录下。

cd /usr/local/logstash-6.4.3
mkdir sync

把驱动包放到sync目录下

创建需要同步的数据库语句

vim foodie-items.sql

需要注意的是表中的updated_time时间要比当前的时间还要大，才可以同步过去

SELECTi.id AS itemId,i.item_name AS itemName,i.sell_counts AS sellCounts,ii.url AS imgUrl,tempSpec.price_discount AS price,i.updated_time AS updated_time
FROMitems iLEFT JOIN items_img ii ON i.id = ii.item_idLEFT JOIN ( SELECT item_id, MIN( price_discount ) AS price_discount FROM items_spec GROUP BY item_id ) tempSpec ON i.id = tempSpec.item_id
WHEREii.is_main = 1 AND i.updated_time >= :sql_last_value

sql_last_value是Logstash每次在同步完以后的一个边界值，logstash会自动加上

logstash同步配置文件

一个输入，一个输出

input {jdbc {# 设置 MySql/MariaDB 数据库url以及数据库名称jdbc_connection_string => "jdbc:mysql://192.168.1.14:3306/foodie-shop-dev?useUnicode=true&characterEncoding=UTF-8&autoReconnect=true"# 用户名和密码jdbc_user => "root"jdbc_password => "671354"# 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 => "/usr/local/logstash-6.4.3/sync/mysql-connector-java-5.1.41.jar"# 驱动类名jdbc_driver_class => "com.mysql.jdbc.Driver"# 开启分页jdbc_paging_enabled => "true"# 分页每页数量，可以自定义jdbc_page_size => "1000"# 执行的sql文件路径statement_filepath => "/usr/local/logstash-6.4.3/sync/foodie-items.sql"# 设置定时任务间隔  含义：分、时、天、月、年，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（不需要手动创建）last_run_metadata_path => "/usr/local/logstash-6.4.3/sync/track_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 => "updated_time"# 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 {# es地址hosts => ["192.168.233.132:9200"]# 同步的索引名index => "foodie-items"# 设置_docID和数据相同# document_id => "%{id}"document_id => "%{itemId}"}# 日志输出stdout {codec => json_lines}
}

同步启动

./logstash -f /usr/local/logstash-6.4.3/sync/logstash-db-sync.conf

第一次没有track_time这个文件，所以系统会有一个默认的时间。

后面就会生成一个track_time的文件，里面记录着这次同步的时间。

@timestamp是logstash自己记录的时间，后面同步的话只有数据库的update_time时间大于@timestamp才会同步过来。

@timestamp表示的是本次同步的时间，如果下次同步数据的时候就会把update和该列的时间进行比较不一样就会进行同步

并且会在sync目录下记录本次同步的时间，下次只有update_time大于该时间的才会进行同步

效果

自定义模版配置中文分词器

logstash默认的模版是没有配置中文分词的，可以自己定义一个。

查看默认模版

http://192.168.233.132:9200/_template/logstash/

自定义模版

myik为自定义模版的名称

http://192.168.233.132:9200/_template/myik/

{"order": 0,"version": 1,"index_patterns": ["*"],"settings": {"index": {"refresh_interval": "5s"}},"mappings": {"_default_": {"dynamic_templates": [{"message_field": {"path_match": "message","match_mapping_type": "string","mapping": {"type": "text","norms": false}}},{"string_fields": {"match": "*","match_mapping_type": "string","mapping": {"type": "text","norms": false,"analyzer": "ik_max_word","fields": {"keyword": {"type": "keyword","ignore_above": 256}}}}}],"properties": {"@timestamp": {"type": "date"},"@version": {"type": "keyword"},"geoip": {"dynamic": true,"properties": {"ip": {"type": "ip"},"location": {"type": "geo_point"},"latitude": {"type": "half_float"},"longitude": {"type": "half_float"}}}}}},"aliases": {}
}

把上面自定义的模版进行提交，同步数据就会使用这个模版了

创建一个新的索引

创建一个foodie-items-ik索引，并修改logstash-db-sync.conf配置文件，输出的索引需要改下index => “foodie-items-ik”

重新进行同步

./logstash -f /usr/local/logstash-6.4.3/sync/logstash-db-sync.conf

只要是text类型的都使用上了中文分词器