数据库流转工具—Maxwell
Posted 王陸
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据库流转工具—Maxwell相关的知识,希望对你有一定的参考价值。
第1章 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 | 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 |
第2章 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。
2.1MySQL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。
第3章 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
2)将安装包解压至/opt/module
[atguigu@hadoop102 maxwell]$ tar -zxvf maxwell-1.29.2.tar.gz -C /opt/module/
3)修改名称
[atguigu@hadoop102 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
[atguigu@hadoop102 ~]$ 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
[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
[atguigu@hadoop102 maxwell]$ cd /opt/module/maxwell
[atguigu@hadoop102 maxwell]$ cp config.properties.example config.properties
2)修改Maxwell配置文件
[atguigu@hadoop102 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=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=maxwell
#MySQL相关配置
host=hadoop102
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai
第4章 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
[atguigu@hadoop102 ~]$ /opt/module/maxwell/bin/maxwell --config /opt/module/maxwell/config.properties --daemon
2)停止Maxwell
[atguigu@hadoop102 ~]$ ps -ef | grep maxwell | grep -v grep | grep maxwell | awk \'print $2\' | xargs kill -9
3)Maxwell启停脚本
(1)创建并编辑Maxwell启停脚本
[atguigu@hadoop102 bin]$ 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 $1 in
start )
start_maxwell
;;
stop )
stop_maxwell
;;
restart )
stop_maxwell
start_maxwell
;;
esac
4.3 增量数据同步
1)启动Kafka消费者
[atguigu@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic maxwell
2)模拟生成数据
[atguigu@hadoop102 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 Maxwell-bootstrap
Maxwell提供了bootstrap功能来进行历史数据的全量同步,命令如下:
[atguigu@hadoop102 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。
MaxWell监控本地数据库/RDS数据库的配置与使用
MaxWell监控本地数据库/RDS数据库的配置与使用
背景:maxwell的核心原理是根据mysql的binlog,模拟mysql的从机,通过监控binlog的变化来进行数据的同步传输工作
步骤:maxwell监控指定目标的mysql数据库,写入数据到kafka/redis,通过传输工具进行同步更新数据
第一步 安装
# 备注 maxwell1.30不支持java8
# 下载 https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz
# 解压,并改名
tar -zxvf maxwell-1.29.2.tar.gz -C /var
mv maxwell-1.29.2 maxwell
第二步 配置环境变量
vim /etc/profile.d/env.sh
# MAXWELL_HOME
export MAXWELL_HOME=/var/maxwell
export PATH=$PATH:$MAXWELL_HOME/bin
第二步 配置binlog
备注:Maxwell要求binlog采用Row-based模式
方式一 mysql数据库在物理机
# 修改MySQL配置文件/etc/my.cnf
sudo vim /etc/my.cnf
# 修改配置参数
[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=test1
方式二 mysql数据库为阿里云RDS
阿里云的RDS默认自动开启binlog且为row模式,binlog相关无需进行额外配置
当前RDS配置信息:test数据库为所需监控的数据库,maxwell数据库为maxwell记录binlog的相关信息
- 在所需监控的数据库创建maxwell数据库,用户保存maxwell记录的binlog信息
- 所需监控数据库逻辑业务不变,再另外一台服务器上创建一个mysql的maxwell数据库,用于记录binlog信息
第四步 创建Maxwell所需数据库和用户
不论是监控本地还是监控RDS,都需要创建供maxwell写入的数据库
# 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
# 链接mysql
mysql -uroot -pxxx
# 创建数据库
CREATE DATABASE maxwell;
# 创建用户
CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell.';
# 配置权限
GRANT ALL ON maxwell.* TO 'maxwell'@'%';
第五步 修改maxwell配置文件
方式一 监控本地数据库的配置方式
本地数据库指maxwell监控的数据库与写入的数据库在同一节点
cp MAXWELL_HOME/config.properties.example config.properties
vim MAXWELL_HOME/config.properties
# 修改配置内容
#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=xxx:9092,xxx: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=%table
#MySQL相关配置
host=mysql地址
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai
# 增量同步的表配置
# 根据同步策略,仅监控增量和变化的数据表
filter=include:test1.表1,include:test1.表2
方式二 监控RDS数据库的配置方式
####### kafka配置 #######
producer=kafka
kafka.bootstrap.servers=xx:9092,xx:9092
kafka_topic=%table
kafka.compression.type=snappy
kafka.retries=0
kafka.acks=1
####### maxwell配置 #######
host=maxwell数据库地址
user=maxwell
password=maxwell
port=3306
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai
####### mysql数据库配置 #######
replication_host=RDS数据库地址
replication_user=RDS数据库的读取权限用户名
replication_password=RDS数据库的读取权限用户密码
replication_port=3306
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai
第六步 maxwell启动脚本
#!/bin/bash
status_maxwell()
result=`ps -ef | grep 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 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
以上是关于数据库流转工具—Maxwell的主要内容,如果未能解决你的问题,请参考以下文章