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
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
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
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** ``` [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** ``` msyql> CREATE DATABASE maxwell; ``` **2** **）调整** **MySQL** **数据库密码级别** ``` 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** ``` 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 ``` #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** ``` #!/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** ``` {"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： ``` {` `"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。