題記
來自Elasticsearch中文社區的問題——
MySQL中表無唯一遞增字段，也無唯一遞增時間字段，該怎么使用logstash實現MySQL實時增量導數據到es中？
logstash和kafka_connector都僅支持基于自增id或者時間戳更新的方式增量同步數據。
回到問題本身：如果庫表里沒有相關字段，該如何處理呢？
本文給出相關探討和解決方案。
1、 binlog認知
1.1 啥是 binlog？
binlog是Mysql sever層維護的一種二進制日志，與innodb引擎中的redo/undo log是完全不同的日志；其主要是用來記錄對mysql數據更新或潛在發生更新的SQL語句，并以"事務"的形式保存在磁盤中。
作用主要有：
1)復制：達到master-slave數據一致的目的。
2)數據恢復：通過mysqlbinlog工具恢復數據。
3)增量備份。
1.2 阿里的Canal實現了增量Mysql同步
一圖勝千言，canal是用java開發的基于數據庫增量日志解析、提供增量數據訂閱&消費的中間件。
目前，canal主要支持了MySQL的binlog解析，解析完成后才利用canal client 用來處理獲得的相關數據。目的：增量數據訂閱&消費。
綜上，使用binlog可以突破logstash或者kafka-connector沒有自增id或者沒有時間戳字段的限制，實現增量同步。
2、基于binlog的同步方式
1)基于kafka Connect的Debezium 開源工程，地址：. https://debezium.io/
2)不依賴第三方的獨立應用： Maxwell開源項目，地址：http://maxwells-daemon.io/
由于已經部署過conluent(kafka的企業版本，自帶zookeeper、kafka、ksql、kafka-connector等)，本文僅針對Debezium展開。
3、Debezium介紹
Debezium是捕獲數據實時動態變化的開源的分布式同步平臺。能實時捕獲到數據源(Mysql、Mongo、PostgreSql)的：新增(inserts)、更新(updates)、刪除(deletes)操作，實時同步到Kafka，穩定性強且速度非常快。
特點：
1)簡單。無需修改應用程序。可對外提供服務。
2)穩定。持續跟蹤每一行的每一處變動。
3)快速。構建于kafka之上，可擴展，經官方驗證可處理大容量的數據。
4、同步架構
如圖，Mysql到ES的同步策略，采取“曲線救國”機制。
步驟1： 基Debezium的binlog機制，將Mysql數據同步到Kafka。
步驟2： 基于Kafka_connector機制，將kafka數據同步到Elasticsearch。
5、Debezium實現Mysql到ES增刪改實時同步
軟件版本：
confluent：5.1.2；
Debezium：0.9.2_Final;
Mysql：5.7.x.
Elasticsearch：6.6.1
5.1 Debezium安裝
Debezium的安裝只需要把debezium-connector-mysql的壓縮包解壓放到Confluent的解壓后的插件目錄(share/java)中。
MySQL Connector plugin 壓縮包的下載地址：
注意重啟一下confluent，以使得Debezium生效。
5.2 Mysql binlog等相關配置。
Debezium使用MySQL的binlog機制實現數據動態變化監測，所以需要Mysql提前配置binlog。
核心配置如下，在Mysql機器的/etc/my.cnf的mysqld下添加如下配置。
1[mysqld]
2
3server-id = 223344
4log_bin = mysql-bin
5binlog_format = row
6binlog_row_image = full
7expire_logs_days = 10
然后，重啟一下Mysql以使得binlog生效。
1systemctl start mysqld.service
5.3 配置connector連接器。
配置confluent路徑目錄 : /etc
創建文件夾命令 :
1mkdir kafka-connect-debezium
在mysql2kafka_debezium.json存放connector的配置信息 :
1[root@localhost kafka-connect-debezium]# cat mysql2kafka_debezium.json
2{
3 "name" : "debezium-mysql-source-0223",
4 "config":
5 {
6 "connector.class" : "io.debezium.connector.mysql.MySqlConnector",
7 "database.hostname" : "192.168.1.22",
8 "database.port" : "3306",
9 "database.user" : "root",
10 "database.password" : "XXXXXX",
11 "database.whitelist" : "kafka_base_db",
12 "table.whitlelist" : "accounts",
13 "database.server.id" : "223344",
14 "database.server.name" : "full",
15 "database.history.kafka.bootstrap.servers" : "192.168.1.22:9092",
16 "database.history.kafka.topic" : "account_topic",
17 "include.schema.changes" : "true" ,
18 "incrementing.column.name" : "id",
19 "database.history.skip.unparseable.ddl" : "true",
20 "transforms": "unwrap,changetopic",
21 "transforms.unwrap.type": "io.debezium.transforms.UnwrapFromEnvelope",
22 "transforms.changetopic.type":"org.apache.kafka.connect.transforms.RegexRouter",
23 "transforms.changetopic.regex":"(.*)",
24 "transforms.changetopic.replacement":"$1-smt"
25 }
26}
注意如下配置：
"database.server.id"，對應Mysql中的server-id的配置。
"database.whitelist" : 待同步的Mysql數據庫名。
"table.whitlelist" :待同步的Mysq表名。
重要：“database.history.kafka.topic”：存儲數據庫的Shcema的記錄信息，而非寫入數據的topic、
"database.server.name":邏輯名稱，每個connector確保唯一，作為寫入數據的kafka topic的前綴名稱。
坑一：transforms相關5行配置作用是寫入數據格式轉換。
如果沒有，輸入數據會包含：before、after記錄修改前對比信息以及元數據信息(source，op，ts_ms等)。
這些信息在后續數據寫入Elasticsearch是不需要的。(注意結合自己業務場景)。
5.4 啟動connector
1curl -X POST -H "Content-Type:application/json"
2--data @mysql2kafka_debezium.json.json
3http://192.168.1.22:18083/connectors | jq
5.5 驗證寫入是否成功。
5.5.1 查看kafka-topic
1 kafka-topics --list --zookeeper localhost:2181
此處會看到寫入數據topic的信息。
注意新寫入數據topic的格式：database.schema.table-smt 三部分組成。
本示例topic名稱：
full.kafka_base_db.account-smt
5.5.2 消費數據驗證寫入是否正常
1./kafka-avro-console-consumer --topic full.kafka_base_db.account-smt --bootstrap-server 192.168.1.22:9092 --from-beginning
至此，Debezium實現mysql同步kafka完成。
6、kafka-connector實現kafka同步Elasticsearch
6.1、Kafka-connector介紹
Kafka Connect是一個用于連接Kafka與外部系統(如數據庫，鍵值存儲，檢索系統索引和文件系統)的框架。
連接器實現公共數據源數據(如Mysql、Mongo、Pgsql等)寫入Kafka，或者Kafka數據寫入目標數據庫，也可以自己開發連接器。
6.2、kafka到ES connector同步配置
配置路徑：
1/home/confluent-5.1.0/etc/kafka-connect-elasticsearch/quickstart-elasticsearch.properties
配置內容：
1"connector.class": "io.confluent.connect.elasticsearch.ElasticsearchSinkConnector",
2"tasks.max": "1",
3"topics": "full.kafka_base_db.account-smt",
4"key.ignore": "true",
5"connection.url": "http://192.168.1.22:9200",
6"type.name": "_doc",
7"name": "elasticsearch-sink-test"
6.3 kafka到ES啟動connector
啟動命令
1confluent load elasticsearch-sink-test
2-d /home/confluent-5.1.0/etc/kafka-connect-elasticsearch/quickstart-elasticsearch.properties
6.4 Kafka-connctor RESTFul API查看
Mysql2kafka，kafka2ES的connector詳情信息可以借助postman或者瀏覽器或者命令行查看。
1curl -X GET http://localhost:8083/connectors
7、坑復盤。
坑2： 同步的過程中可能出現錯誤，比如：kafka topic沒法消費到數據。
排解思路如下：
1)確認消費的topic是否是寫入數據的topic；
2)確認同步的過程中沒有出錯。可以借助connector如下命令查看。
1curl -X GET http://localhost:8083/connectors-xxx/status
坑3： Mysql2ES出現日期格式不能識別。
是Mysql jar包的問題，解決方案：在my.cnf中配置時區信息即可。
坑4： kafka2ES，ES沒有寫入數據。
排解思路：
1)建議：先創建同topic名稱一致的索引，注意：Mapping靜態自定義，不要動態識別生成。
2)通過connetor/status排查出錯原因，一步步分析。
8、小結
binlog的實現突破了字段的限制，實際上業界的go-mysql-elasticsearch已經實現。
對比：logstash、kafka-connector，雖然Debezium“曲線救國”兩步實現了實時同步，但穩定性+實時性能相對不錯。
推薦大家使用。大家有好的同步方式也歡迎留言討論交流。
推薦閱讀：
重磅 | 死磕Elasticsearch方法論認知清單(2019春節更新版)
Elasticsearch基礎、進階、實戰第一公眾號
