cover

Datax同步MySQL到ES

Datax同步MySQL到ES

BigData_LYT

1963人浏览 · 2023-06-02 15:17:07

BigData_LYT · 2023-06-02 15:17:07 发布

Datax同步MySQL到ES

1、在MySQL中建表

建表语句

CREATE TABLE `user` (
  `id` int(11) NOT NULL,
  `name` varchar(255) DEFAULT NULL,
  `age` varchar(255) DEFAULT NULL,
  `create_date` datetime DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

插入数据

INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (1, '小明1', '22','2023-06-02 11:26:04');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (2, '小明2', '22','2023-06-02 11:26:04');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (3, '小明3', '22','2023-06-02 11:26:04');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (4, '小明4', '22','2023-06-02 11:26:04');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (5, '小明5', '23','2023-06-02 11:26:04');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (6, '小明6', '23','2023-06-02 11:26:05');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (7, '小明7', '23','2023-06-02 11:26:05');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (8, '小明8', '23','2023-06-02 11:26:05');
INSERT INTO `user`(`id`, `name`, `age`,`create_date`) VALUES (9, '小明9', '23','2023-06-02 11:26:05');

2、在ES建立索引

建立索引语句

我这里使用Kibana工具连接ES进行操作的，也可以使用Postman进行操作

Kibana操作语句

# 创建索引
PUT /user
{
    "mappings" : {
      "properties" : {
        "id" : {
          "type" : "keyword"
        },
        "name" : {
          "type" : "text"
        },
        "age" : {
          "type" : "keyword"
        },
        "create_date" : {
          "type" : "date",
          "format": "yyyy-MM-dd HH:mm:ss"
        }
	}	
  }
}

Postman操作语句
- 地址输入
```
http://localhost:9200/user
```

请添加图片描述
Json文本输入

    {
        "mappings" : {
          "properties" : {
            "id" : {
              "type" : "keyword"
            },
            "name" : {
              "type" : "text"
            },
            "age" : {
              "type" : "keyword"
            },
            "create_date" : {
              "type" : "date",
              "format": "yyyy-MM-dd HH:mm:ss"
            }
    	}	
      }
    }

当出现以下信息代表创建索引成功

{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "user"
}

3、构建从MySQL到ES的Datax的Json任务

[root@hadoop101 ~]# vim mysql2es.json
# 添加以下内容

{
  "job": {
    "setting": {
      "speed": {
        "channel": 8
      }
    },
    "content": [
      {
        "reader": {
          "name": "mysqlreader",
          "parameter": {
            "column": [
              "id",
              "id",
              "name",
              "age",
              "date_format(create_date,'%Y-%m-%d %H:%I:%s')"
            ],
            "connection": [
              {
                "jdbcUrl": [
                  "jdbc:mysql://192.168.xx.xxx:3306/bigdata"
                ],
                "table": [
                  "user"
                ]
              }
            ],
            "password": "xxxxxx",
            "username": "root",
            "where": "",
            "splitPk": "id"
          }
        },
        "writer": {
          "name": "elasticsearchwriter",
          "parameter": {
            "endpoint": "http://192.168.xx.xxx:9200",
            "accessId": "root",
            "accessKey": "root",
            "index": "user",
            "type": "_doc",
            "settings": {"index" :{"number_of_shards": 5, "number_of_replicas": 1}},
            "batchSize": 5000,
            "splitter": ",",
            "column": [
              {
                "name": "pk",
                "type": "id"
              },
              {
                "name": "id",
                "type": "keyword"
              },
              {
                "name": "name",
                "type": "text"
              },
              {
                "name": "age",
                "type": "keyword"
              },
              {
                "name": "create_date",
                "type": "date",
                "format": "yyyy-MM-dd HH:mm:ss"
              }
            ]
          }
        }
      }
    ]
  }
}

参数介绍

reader：datax的source(来源)端
reader.cloumn:：读取mysql的字段名
reader.connection.jdbcUrl：MySQL连接的url
reader.connection.table：读取MySQL的表名
reader.password：连接MySQL的用户名
reader.username：连接MySQL的密码
reader.where：读取MySQL的过滤条件
reader.splitPk：读取MySQL时按照哪个字段进行切分
writer：datax的sink(去处)端
writer.endpoint：ElasticSearch的连接地址
writer.accessId：http auth中的user
writer.accessKey：http auth中的password

注意：假如Elasticsearch没有设置用户名，也需要给accessId和accessKey值，不然就报错了，可以给赋值root,root

writer.index：Elasticsearch中的index名
writer.type：Elasticsearch中index的type名
writer.settings：创建index时候的settings, 与Elasticsearch官方相同
writer.batchSize：每次批量数据的条数
writer.splitter：如果插入数据是array，就使用指定分隔符

writer.column：Elasticsearch所支持的字段类型

下面是column样例字段类型

"column": [
              # 使用数据库id作为es中记录的_id,业务主键（pk）：_id 的值指定为某一个字段。
              {"name": "pk", "type": "id"}, 
              { "name": "col_ip","type": "ip" },
              { "name": "col_double","type": "double" },
              { "name": "col_long","type": "long" },
              { "name": "col_integer","type": "integer" },
              { "name": "col_keyword", "type": "keyword" },
              { "name": "col_text", "type": "text", "analyzer": "ik_max_word"},
              { "name": "col_geo_point", "type": "geo_point" },
              # ES日期字段创建需指定格式 yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis
              { "name": "col_date", "type": "date", "format": "yyyy-MM-dd HH:mm:ss"},
              { "name": "col_nested1", "type": "nested" },
              { "name": "col_nested2", "type": "nested" },
              { "name": "col_object1", "type": "object" },
              { "name": "col_object2", "type": "object" },
              { "name": "col_integer_array", "type":"integer", "array":true},
              { "name": "col_geo_shape", "type":"geo_shape", "tree": "quadtree", "precision": "10m"}
            ]

如果时间类型需要精细到yyyy-MM-dd HH:mm:ss.SSSSSS，比如时间为：2023-06-02 13:39:57.000000
- MySQL的cloumn端填写
```
"date_format(create_date,'%Y-%m-%d %H:%I:%s.%f')"
```
- Elasticsearch的cloumn填写
```
{ "name": "create_date", "type": "text"}
```
- Elasticsearch创建索引时修改如下
```
{ "name": "create_date","type": "text"}
```

4、运行mysql2es.json脚本

问题1： ConfigParser - 插件[mysqlreader,elasticsearchwriter]加载失败
解决问题：

下面是编译好的elasticsearchwriter插件，放在DATAX_HOME/plugin/writer目录下面,就可以运行成功了，也可以自己从官网下载，然后自己编译好也可以用的
- elasticsearchwriter百度网盘资源下载链接：
```
链接：https://pan.baidu.com/s/1C_OeXWf_t5iVNiLquvEhjw 
提取码：tutu 
```
问题2：在运行从MySQL抽取500万条数据到Elasticsearch时，出现了datax传输200多万条数据卡住的情况,报错日志：I/O Exception … Broken pipe (write failed)

请添加图片描述

解决问题：

datax传输mysql到es卡在200多万这个问题和channel: 8和es的oom有一定的关系
- 测试样例
- 1、es batchsize为5000，不开启mysql切分"splitPk": “id”，卡住
- 2、es batchsize为1000，不开启mysql切分"splitPk": “id”，不卡住
- 3、es batchsize为5000，开启mysql切分"splitPk": “id”，不卡住
总结：这个问题和mysql读取速率，es 写入速率有关，开启切分提高一下读取速率就不会卡住了
成功运行截图：

以下是工作中做过的ETL，如有需要，可以私信沟通交流，互相学习，一起进步

请添加图片描述

大数据技术专区

大数据从业者之家,一起探索大数据的无限可能！

更多推荐

SQL：数据去重的三种方法

SQL中去除重复数据

大数据技术专区

cover

一文通览腾讯云大数据ES、数据湖计算、云数据仓库产品新版本技术创新

大数据技术专区

cover

Hadoop——Windows系统下Hadoop单机环境搭建

大数据技术专区

所有评论(0)

查看更多评论

BigData_LYT

已为社区贡献1条内容