1. Maxwell简介
1.1 Maxwell概述
Maxwell 是由美国Zendesk公司开源,用Java编写的MySQL变更数据抓取软件。它会实时监控
Mysql数据库的数据变更操作
(包括insert、update、delete),并将变更数据以 JSON
格式发送给 Kafka、Kinesi等流数据处理平台。官网地址:http://maxwells-daemon.io/
1.2 Maxwell输出数据格式
注:Maxwell输出的json字段说明:
字段 | 解释 |
---|---|
database | 操作的数据库 |
table | 操作的数据库表 |
type |
数据变更类型 |
ts |
数据变更的时间 |
xid | 事务id |
commit | 事务提交标志 |
data |
对于insert类型,表示插入的数据;对于update类型,标识修改之后的数据;对于delete类型,表示删除的数据 |
old |
对于update类型,表示修改之前的数据,只包含变更字段 |
2. Maxwell原理
Maxwell的工作原理是实时读取Mysql数据库的二进制日志(Binlog),从中获取变更数据,再将变更数据以JSON格式发送至Kafka等流处理平台。
2.1 Mysql 二进制日志
二进制(Binlog)是Mysql服务端非常重要的一种日志,它会保存Mysql数据库的所有数据变更记录。Binlog的主要作用包括主从复制和数据恢复。Maxwell的工作原理和主从复制原理紧密相关。
2.2 Mysql 主从复制
Mysql的主从复制,就是用来建立一个和主数据库完全一样的数据库环境,这个数据库成为从数据库。
1) 主从复制的应用场景如下:
(1)做数据库的热备:主数据库服务器故障后,可切换到从数据库继续工作。
(2)读写分离:主数据库只负责业务数据的写入操作,而多个从数据库只负责业务数据的查询工作,在多读写少场景下,可以提高数据库工作效率。
2) 主从复制的工作原理如下:
(1)Master主库将数据变更记录,写到二进制日志(binary log)中
(2)Slave从库向mysql master发送dump协议,将master主库的binary log events拷贝到它的中继日志(relay log)
(3)Slave从库读取并回放中继日志中的事件,将改变的数据同步到自己的数据库。
2.3 Maxwell原理
Maxwell就是将自己伪装成slave,并遵循Mysql主从复制的协议,从master同步改变的数据并装换为JSON格式发送给 Kafka、Kinesi等流数据处理平台
3. Maxwell部署
3.1 安装Maxwell
1)下载安装包:
(1)地址:https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz
注:Maxwell-1.30.0及以上版本不再支持JDK1.8
(2)将安装包上传到hadoop102节点的/opt/software目录
注:此处使用教学版安装包,教学版对原版进行了改造,增加了自定义Maxwell输出数据中ts时间戳的参数,生产环境请使用原版。
2) 将安装包解压至/opt/module
bash
[atguigu@hadoop102 maxwell]$ tar -zxvf maxwell-1.29.2.tar.gz -C /opt/module/
3)修改名称
bash
[atguigu@hadoop102 module]$ mv maxwell-1.29.2/ maxwell
3.2 配置 Mysql(mysql5.7版本)
3.2.1 启用 Mysql Binlog
Mysql服务器的binlog默认是未开启的,如需进行同步,需要先进行开启。
1)修改Mysql配置文件/etc/my.cnf
2)添加以下配置
bash
[mysqld]
#数据库id
server-id = 1
#启动binlog,该参数的值会作为binlog的文件名
log-bin=mysql-bin
#binlog类型,maxwell要求为row类型
binlog_format=row
#启用binlog的数据库,需根据实际情况作出修改
binlog-do-db=gmall
注:MySQL Binlog模式:
Row-based:基于行,Binlog会记录每次写操作后被操作行记录的变化。
优点:保持数据的绝对一致性。 缺点:占用较大空间。
Maxwell要求Binlog采用Row-based模式。
3)重启Mysql服务
bash
[atguigu@hadoop102 ~]$ sudo systemctl restart mysqld
3.2.2 创建Maxwell所需数据库和用户
Maxwell需要在Mysql中存储其运行过程中所需的数据,包括binlog同步的断点位置(Maxwell支持断点续传)等等,故需要在MySQL为Maxwell创建数据库及用户。
1)创建数据库
sql
msyql> CREATE DATABASE maxwell;
2)调整Mysql数据库密码级别
bash
mysql> set global validate_password_policy=0;
mysql> set global validate_password_length=4;
3)创建Maxwell用户并赋予其必要权限
sql
mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';
注:sql代码解释
sql
mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
创建了一个名为 maxwell
的用户,并允许该用户从任何主机 连接到MySQL数据库。用户的密码被设置为 maxwell
。
sql
mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
授予了用户 maxwell
对名为 maxwell
的数据库的所有权限。这包括了数据库中所有表的查询、插入、更新、删除等操作权限。
sql
mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';
这行代码授予了用户 maxwell
对所有数据库的一些特定权限:
- SELECT: 允许用户执行查询操作。
- REPLICATION CLIENT: 允许用户监视MySQL复制的状态。
- REPLICATION SLAVE: 允许用户作为复制从服务器连接到主服务器。
3.3 配置Maxwell
1)修改Maxwell配置文件名称
bash
[atguigu@hadoop102 maxwell]$ cd /opt/module/maxwell
[atguigu@hadoop102 maxwell]$ cp config.properties.example config.properties
2)修改Maxwell配置文件
bash
[atguigu@hadoop102 maxwell]$ vim config.properties
配置文件内容如下:
bash
#Maxwell数据发送目的地,可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
producer=kafka
#目标Kafka集群地址
kafka.bootstrap.servers=hadoop102:9092,hadoop103:9092
#目标Kafka topic,可静态配置,例如:maxwell,也可动态配置,例如:%{database}_%{table}
kafka_topic=topic_db
#MySQL相关配置
host=hadoop102
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai
4. Maxwell使用
本案例使用maxwell
把mysql中gmall
数据库的数据同步到kafka集群的topic_db
topic。数据库gmall在Mysql配置文件/etc/my.cnf中指定,如下图所示:
4.1 启动kafka集群
Maxwell发送数据的目的地为kafka集群,则需要先确保kafka集群为启动状态,数据将发往kafka集群的topic_db
topic
4.2 Maxwell启停脚本mxw.sh
bash
status_maxwell(){
result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`
return $result
}
start_maxwell(){
status_maxwell
if [[ $? -lt 1 ]]; then
echo "启动Maxwell"
$MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --daemon
else
echo "Maxwell正在运行"
fi
}
stop_maxwell(){
status_maxwell
if [[ $? -gt 0 ]]; then
echo "停止Maxwell"
ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
else
echo "Maxwell未在运行"
fi
}
case $1 in
start )
start_maxwell
;;
stop )
stop_maxwell
;;
restart )
stop_maxwell
start_maxwell
;;
esac
1)mxw.sh start
:启动Maxwell
2)mxw.sh stop
:停止Maxwell
3)mxw.sh restart
:重启Maxwell
4.3 增量数据同步
1)启动Kafka消费者
bash
[atguigu@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic topic_db
- 使用
mxw.sh start
启动Maxwell
3)手动在gmall数据库的test_province表中添加一条数据,如下图所示:
4)观察Kafka消费者
4.4 历史数据全量同步
上一节,我们已经实现了使用Maxwell实时增量同步MySQL变更数据的功能。但有时只有增量数据是不够的,我们可能需要使用到MySQL数据库中从历史至今的一个完整的数据集。这就需要我们在进行增量同步之前,先进行一次历史数据的全量同步。这样就能保证得到一个完整的数据集。
0)启动Maxwell: mxw.sh start
bash
[atguigu@hadoop102 bin]$ mxw.sh start
1)Maxwell提供了bootstrap功能来进行历史数据的全量同步,命令如下:
bash
[atguigu@hadoop102 maxwell]$ /opt/module/maxwell/bin/maxwell-bootstrap --database gmall --table test_province --config /opt/module/maxwell/config.properties
效果展示:
mysql:
kafka集群的topic_db
主题消费者消费数据如下