Datax同步MySQL到ES
- 1、在MySQL中建表
- 2、在ES建立索引
- 3、构建从MySQL到ES的Datax的Json任务
- 4、运行mysql2es.json脚本
- 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
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
-
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)
-
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
