实时数据同步工具Maxwell

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：Maxwell's Daemon

1 .2 Maxwell 输出数据格式

插入

复制代码

mysql>insert into` `gmall.student` `values(1,'zhangsan');`
`maxwell 输出：`
`{`
    `"database":` `"gmall",`
    `"table":` `"student",`
    `"type":` `"insert",`
    `"ts":` `1634004537,`
    `"xid":` `1530970,`
    `"commit":` `true,`
    `"data":` `{`
        `"id":` `1,`
        `"name":` `"zhangsan"`
    `}`
`}`
`

更新

复制代码

mysql>`
`update gmall.student set name='lisi' where` `id=1;`
`maxwell 输出：`
`{`
    `"database":` `"gmall",`
    `"table":` `"student",`
    `"type":` `"update",`
    `"ts":` `1634004653,`
    `"xid":` `1531916,`
    `"commit":` `true,`
    `"data":` `{`
        `"id":` `1,`
        `"name":` `"lisi"`
    `},`
    `"old":` `{`
        `"name":` `"zhangsan"`
    `}`
`}`

`

删除

复制代码

mysql>`
`delete from gmall.student where` `id=1;`
`maxwell 输出：`
`{`
    `"database":` `"gmall",`
    `"table":` `"student",`
    `"type":` `"delete",`
    `"ts":` `1634004751,`
    `"xid":` `1532725,`
    `"commit":` `true,`
    `"data":` `{`
        `"id":` `1,`
        `"name":` `"lisi"`
    `}`
`}`

`

注： Maxwell 输出的 json 字段说明：

|----------|------------------------------------------------------------|
| 字段 | 解释 |
| database | 变更数据所属的数据库 |
| table | 表更数据所属的表 |
| type | 数据变更类型 |
| ts | 数据变更发生的时间 |
| xid | 事务id |
| commit | 事务提交标志，可用于重新组装事务 |
| 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

二进制日志（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密切相关。

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，这个数据库称为从数据库。

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，在读多写少场景下，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

很简单，就是将自己伪装成slave，并遵循MySQL主从复制的协议，从master同步数据。

3 Maxwell 部署

3 .1 安装 Maxwell

1 ）下载安装包

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 JDK 1.8 。

将安装包上传到hdp节点的/opt/software目录

2 ）将安装包解压至 / opt/module

[root@hdp maxwell]$ tar -zxvf maxwell-1.29.2.tar.gz -C /opt/module/

3 ）修改名称

[root@hdp module]$ mv maxwell-1.29.2/ maxwell

3 .2 配置 MySQL

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

[root@hdp ~]$ sudo vim /etc/my.cnf

2 ）增加如下配置

复制代码

[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

Statement-based ：基于语句，Binlog会记录所有写操作的SQL语句，包括insert、update、delete等。

优点：节省空间

缺点：有可能造成数据不一致，例如insert语句中包含now()函数。

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。

mixed ：混合模式，默认是Statement-based，如果SQL语句可能导致数据不一致，就自动切换到Row-based。

Maxwell 要求 Binlog 采用 Row-based 模式。

3 ）重启 MySQL 服务

[root@hdp ~]$ 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的所需的一些数据，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

复制代码

msyql> CREATE DATABASE maxwell;

2 ）调整 MySQL 数据库密码级别

复制代码

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

复制代码

mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';`
`mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';`
`mysql>` `GRANT SELECT,` `REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';`

`

3 .3 配置 Maxwell

1 ）修改 Maxwell 配置文件名称

[root@hdp maxwell]$ cd /opt/module/maxwell

[root@hdp maxwell]$ cp config.properties.example config.properties

2 ）修改 Maxwell 配置文件

[root@hdp maxwell]$ vim config.properties

复制代码

#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=hdp: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=maxwell`
 
`#MySQL相关配置`
`host=hdp`
`user=maxwell`
`password=maxwell`
`jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai`

`

4 Maxwell 使用

4.1 启动 Kafka 集群

若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。

4.2 Maxwell 启停

1 ）启动 Maxwell

[root@hdp ~]$ /opt/module/maxwell/bin/maxwell --config /opt/module/maxwell/config.properties --daemon

2 ）停止 Maxwell

[root@hdp ~]$ ps -ef | grep maxwell | grep -v grep | grep maxwell | awk '{print $2}' | xargs kill -9

3 ） M axwell 启停脚本

（ 1 ）创建并编辑 Maxwell 启停脚本

[root@hdp bin]$ vim mxw.sh

（ 2 ）脚本内容如下

复制代码

#!/bin/bash`
 
`MAXWELL_HOME=/opt/module/maxwell`
 
`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`

`

4 .3 增量数据同步

1 ）启动 Kafka 消费者

[root@hdp kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hdp:9092 --topic maxwell

2 ）模拟生成数据

[root@hdp db_log]$ java -jar gmall2020-mock-db-2021-01-22.jar

3 ）观察 Kafka 消费者

复制代码

{"database":"gmall","table":"comment_info","type":"insert","ts":1634023510,"xid":1653373,"xoffset":11998,"data":{"id":1447825655672463369,"user_id":289,"nick_name":null,"head_img":null,"sku_id":11,"spu_id":3,"order_id":18440,"appraise":"1204","comment_txt":"评论内容：12897688728191593794966121429786132276125164551411","create_time":"2020-06-16 15:25:09","operate_time":null}}`
`{"database":"gmall","table":"comment_info","type":"insert","ts":1634023510,"xid":1653373,"xoffset":11999,"data":{"id":1447825655672463370,"user_id":774,"nick_name":null,"head_img":null,"sku_id":25,"spu_id":8,"order_id":18441,"appraise":"1204","comment_txt":"评论内容：67552221621263422568447438734865327666683661982185","create_time":"2020-06-16 15:25:09","operate_time":null}}`

`

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。

4.4.1 Maxwel l-bootstrap

Maxwell提供了bootstrap功能来进行历史数据的全量同步，命令如下：

[root@hdp maxwell]$ /opt/module/maxwell/bin/maxwell-bootstrap --database gmall --table user_info --config /opt/module/maxwell/config.properties

4 .4.2 boostrap 数据格式

采用bootstrap方式同步的输出数据格式如下：

复制代码

{`
    `"database":` `"fooDB",`
    `"table":` `"barTable",`
    `"type":` `"bootstrap-start",`
    `"ts":` `1450557744,`
    `"data":` `{}`
`}`
`{`
    `"database":` `"fooDB",`
    `"table":` `"barTable",`
    `"type":` `"bootstrap-insert",`
    `"ts":` `1450557744,`
    `"data":` `{`
        `"txt":` `"hello"`
    `}`
`}`
`{`
    `"database":` `"fooDB",`
    `"table":` `"barTable",`
    `"type":` `"bootstrap-insert",`
    `"ts":` `1450557744,`
    `"data":` `{`
        `"txt":` `"bootstrap!"`
    `}`
`}`
`{`
    `"database":` `"fooDB",`
    `"table":` `"barTable",`
    `"type":` `"bootstrap-complete",`
    `"ts":` `1450557744,`
    `"data":` `{}`
`}`

`

注意事项：

1）第一条type为bootstrap-start和最后一条type为bootstrap-complete的数据，是bootstrap开始和结束的标志，不包含数据，中间的type为bootstrap-insert的数据才包含数据。

2）一次bootstrap输出的所有记录的ts都相同，为bootstrap开始的时间。