大数据周会-本周学习内容总结05
Posted 延锋L
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了大数据周会-本周学习内容总结05相关的知识,希望对你有一定的参考价值。
目录
1.1【Linux MySQL数据库数据同步Windows ES】
00【陈师兄字节大厂经验分享】
大数据
书:《大数据之路》阿里巴巴
大数据,计算和存储,分别用什么!
一致性模型和一致性协议
数据同步:dts canal datax sqoop
数据倾斜方面数据优化
拍照存储计算选型
存储 纠删码
省钱 减少数据资源
监控binlog日志,标计es,es增加一列,查询的时候根据列显示数据!
canal logstash 并发流读取删除
计算:spark sparkstreaming flink kafka
flume scpoop监听日志文件夹
rabbitmq保证数据一致性,kafka会丢失数据
数据调度,面经,肯定要问!
01【mysql数据同步ES】
1.1【Linux MySQL数据库数据同步Windows ES】
步骤
- MySQL数据库Jar包
- xxx.conf配置文件,配置MySQL数据库信息与ES信息
- logstash -f ../config/gaokao/mysql03.conf
input
stdin
jdbc # 01
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from course_match_requirementcode"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "course_match_requirementcode"
jdbc # 02
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from enroll_plan_finally"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "enroll_plan_finally"
jdbc # 03
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from epp"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "epp"
jdbc # 04
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from id_2022_2021"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "id_2022_2021"
jdbc # 05
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from major_22_21"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "major_22_21"
jdbc # 06
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from major_info_category"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "major_info_category"
jdbc # 07
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from major_name_hot_cold"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "major_name_hot_cold"
jdbc # 08
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from major_score"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "major_score"
jdbc # 09
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from recommend_form"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "recommend_form"
jdbc # 10
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from recommend_form_2021"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "recommend_form_2021"
jdbc # 11
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from requirement_code"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "requirement_code"
jdbc # 12
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from school_info"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "school_info"
jdbc # 13
# 配置MySQL数据库链接,变量为数据库名
jdbc_connection_string => "jdbc:mysql://x.x.x.x:3306/recommend_form"
# 配置MySQL数据库用户名和密码
jdbc_user => "root"
jdbc_password => "hadoop"
# MySQL驱动jar包存放位置
jdbc_driver_library => "D:\\\\elk\\\\logstash\\\\logstash-7.1.1\\\\jar\\\\mysql-connector-java-5.1.31.jar"
# MySQL驱动类名
jdbc_driver_class => "com.mysql.jdbc.Driver"
jdbc_paging_enabled => "true"
jdbc_page_size => "50000"
# 执行的sql,文件路径+名称:statement_filepath
# statement_filepath => ""
# 要执行的sql语句
statement => "select * from sectionscore"
# 设置监听间隔,各字段含义(由左至右)分、时、天、月、年,全部为*默认含义为每分钟都更新
schedule => "* * * * *"
# 索引类型
type => "sectionscore"
filter
json
source => "message"
remove_field => ["message"]
output
if[type] == "course_match_requirementcode" # 01
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_course_match_requirementcode"
document_id => "%id"
if[type] == "enroll_plan_finally" # 02
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_enroll_plan_finally"
document_id => "%id"
if[type] == "epp" # 03
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_epp"
document_id => "%id"
if[type] == "id_2022_2021" # 04
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_id_2022_2021"
document_id => "%id"
if[type] == "major_22_21" # 05
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_major_22_21"
document_id => "%id"
if[type] == "major_info_category" # 06
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_major_info_category"
document_id => "%id"
if[type] == "major_name_hot_cold" # 07
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_major_name_hot_cold"
document_id => "%id"
if[type] == "major_score" # 08
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_major_score"
document_id => "%id"
if[type] == "recommend_form" # 09
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_recommend_form"
document_id => "%id"
if[type] == "recommend_form_2021" # 10
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_recommend_form_2021"
document_id => "%id"
if[type] == "requirement_code" # 11
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_requirement_code"
document_id => "%id"
if[type] == "school_info" # 12
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_school_info"
document_id => "%id"
if[type] == "sectionscore" # 13
elasticsearch
hosts => ["127.0.0.1:9200"]
index => "gaokao_test_section_score"
document_id => "%id"
stdout
codec => json_lines
1.1.1【自动创建分片数为0的索引】
es中若未创建索引,则Logstash会根据配置文件xxx.conf中的信息自动创建索引:
查询数据,enroll_plan_finally数据库,在数据浏览页面数据字段展示不完全。
进行基本查询,可以查到单条数据的所有字段。
1.1.2【数据导入时间过长】
1.2【数据同步,增删改】
修改
1.3【遇到的细节问题】
1.3.1【logstash配置文件,索引名必须小写】
1.4【Linux搭建es】
02【调研】
2.1【Mysql-ES 全量—增量更新机制并实现】
ELK 是目前业界使用最广泛的日志数据处理平台。
调研文档:
- logstash jdbc全量更新与增量更新_我在北国不背锅的博客-CSDN博客,时间戳、唯一主键id
- centos7配置Logstash同步Mysql数据到Elasticsearch - JavaClub全栈架构师技术笔记
第一次同步时需要全量的数据,之后则需要定时去同步增量数据。1、根据唯一主键,2、根据时间戳。
2.2【数据检索(也叫超市或中台)】
数据检索
- 概念:数据检索即把数据库中存储的数据根据用户的需求提取出来。数据检索的结果会生成一个数据表,既可以放回数据库,也可以作为进一步处理的对象。
- 工作流程:先排序再筛选。
- 检索方法:顺序检索、对分检索、索引检索。
数据中台是对既有/新建信息化系统业务与数据的沉淀,是实现数据赋能新业务、新应用的中间、支撑性平台。
各种信息系统大多是独立建设的,无法做到信息的互联互通,导致形成了多个数据孤岛。数据中台的作用是融合新老信息,整合各个孤岛上的信息,快速形成数据服务能力,为企业经营决策、精细化运营提供支持。
数据中台详解:数据中台详解
数据中台解决方案:数据中台解决方案-最新全套文件_数据中台 技术方案
以上是关于大数据周会-本周学习内容总结05的主要内容,如果未能解决你的问题,请参考以下文章