DataX实现Mysql与ElasticSearch（ES）数据同步

文章目录

• 一、Linux环境要求
• 二、准备工作
• • [2.1 Linux安装jdk](#2.1 Linux安装jdk)
  • [2.2 linux安装python](#2.2 linux安装python)
  • [2.3 下载DataX：](#2.3 下载DataX：)
• 三、DataX压缩包导入，解压缩
• 四、编写同步Job
• 五、执行Job
• 六、定时更新
• • [6.1 创建定时任务](#6.1 创建定时任务)
  • [6.2 提交定时任务](#6.2 提交定时任务)
  • [6.3 查看定时任务](#6.3 查看定时任务)
• 七、增量更新思路

一、Linux环境要求

jdk1.8及以上

python2

二、准备工作

2.1 Linux安装jdk

 yum install -y java-1.8.0-openjdk.x86_64

查看是否安装成功

java -version

2.2 linux安装python

 yum install -y python

查看python版本号，判断是否安装成功

python --version

2.3 下载DataX：

三、DataX压缩包导入，解压缩

tar -zxvf datax.tar.gz 

四、编写同步Job

在datax/job下，json格式，具体内容及主要配置含义如下

mysqlreader为读取mysql数据部分，配置mysql相关信息

username,password为数据库账号密码

querySql：需要查询数据的sql，也可通过colums指定需要查找的字段（querySql优先级高）

elasticsearchwriter部分为数据写入ES部分，配置ES相关信息，

endpoint为ES地址，index为索引，columns为需要写入列的信息，其余配置选填

坑！：若运行时提示mysql连接失败，且账号密码，ip，端口号都没问题的情况下，需要像文中一样在jdbcUrl的内容后面加上useSSL=false"

vim /opt/software/datax/job/job.json

将内容换成以下内容

{
    "job": {
      "setting": { 
          "speed": {
              "channel": 1
          },
          "errorLimit": {
              "percentage": 0
          }
      },
      "content": [
          {
            "reader": {
                "name": "mysqlreader",
                "parameter": {
                    "username": "root",
                    "password": "123456",
                    "connection": [{
                        "querySql": ["select * from user_t"],
                        "jdbcUrl": ["jdbc:mysql://数据库地址:3306/mysql?useSSL=false"]
                    }]
                }
            },
              "writer": {
                  "name": "elasticsearchwriter",
                  "parameter": {
                      "endpoint":"http://ES地址:9200",
                       "accessId":"",
                      "accessKey":"",
                      "index": "user-demo",
                      "cleanup": false,
                      "discovery":false,
                      "column": [
                          {
                            "name": "id",
                            "type": "id"
                          },
                        {
                            "name": "userName",
                            "type": "text"
                        },
                                                 {
                            "name": "address",
                            "type": "text"
                        }

                      ]
                  }
              }
            }
        ]
        }
    }

五、执行Job

配置好之后执行命令：

 python /opt/software/datax/bin/datax.py /opt/software/datax/job/job.json 

注意换成自己的datax路径

正常情况下输出一大堆之后会是这样，由于我在mysql表中插了三条测试数据，，所以读出记录总数为3
完成操作

六、定时更新

6.1 创建定时任务

vim crondatax

内容：

5 13 * * * python /opt/software/datax/bin/datax.py /opt/software/datax/job/job.json

/opt/software/datax/log.date +\%Y\%m\%d\%H\%M\%S 2>&1

含义为每天13:05执行python /opt/software/datax/bin/datax.py /opt/software/datax/job/job.json 命令，日志输出地址为/opt/software/datax，命名为"log.时间"

crontab格式可参考下图：

6.2 提交定时任务

crontab crondatax

/sbin/service crond restart

6.3 查看定时任务

crontab -l

七、增量更新思路

数据库表设计时加入最后操作时间字段，新增，修改数据都会记录最新时间

Datax的json中，mysql查询语句中按照定时任务规律，查询此字段时间大于定时任务时间间隔之前的时间的数据。