全部產品
Search
文件中心

Elasticsearch:通過DataWorks將MySQL資料同步到阿里雲ES

更新時間:Jun 30, 2024

如果您需要對MySQL中的資料進行全文檢索索引、多維查詢、統計分析等操作,可藉助Elasticsearch(簡稱ES)實現。本文介紹通過DataWorks的Data Integration服務,實現最快分鐘級,將MySQL資料同步到阿里雲ES中。

背景資訊

DataWorks是一個基於巨量資料引擎,整合資料開發、任務調度、資料管理等功能的全鏈路巨量資料開發治理平台。您可以通過DataWorks的同步任務,快速的將各種資料來源中的資料同步到阿里雲ES。

  • 支援同步的資料來源包括:

    • 阿里雲雲資料庫(MySQL、PostgreSQL、SQL Server、MongoDB、HBase)

    • 阿里雲PolarDB-X(原DRDS升級版)

    • 阿里雲MaxCompute

    • 阿里雲OSS

    • 阿里雲Tablestore

    • 自建HDFS、Oracle、FTP、DB2及以上資料庫類型的自建版本

  • 適用情境:

前提條件

說明
  • 僅支援將資料同步到阿里雲ES,不支援自建Elasticsearch。

  • RDS MySQL執行個體、ES執行個體和DataWorks工作空間所在地區需保持一致。

  • RDS MySQL執行個體、ES執行個體和DataWorks工作空間需要在同一時區下,否則同步與時間相關的資料時,同步前後的資料可能存在時區差。

費用說明

操作步驟

說明

本文以離線同步為例。如果需要線上同步資料,請參見一鍵即時同步至Elasticsearch

步驟一:準備來源資料

在RDS MySQL執行個體中建立資料庫和表。

  • 您可以選擇使用阿里雲的RDS資料庫,也可以在本機伺服器上的自建資料庫。本文以RDS MySQL資料庫為例,建立RDS MySQL資料庫及表。具體操作,請參見快速入門

  • 本文使用的建表語句及資料如下。

    -- create table
    CREATE TABLE `es_test` (
        `id` bigint(32) NOT NULL,
        `name` varchar(32) NULL,
        `age` bigint(32) NULL,
        `hobby` varchar(32) NULL,
        PRIMARY KEY (`id`)
    ) ENGINE=InnoDB
    DEFAULT CHARACTER SET=utf8;
    
    -- insert data
    INSERT INTO `es_test` (`id`,`name`,`age`,`hobby`) VALUES (1,'user1',22,'music');
    INSERT INTO `es_test` (`id`,`name`,`age`,`hobby`) VALUES (2,'user2',23,'sport');
    INSERT INTO `es_test` (`id`,`name`,`age`,`hobby`) VALUES (3,'user3',43,'game');
    INSERT INTO `es_test` (`id`,`name`,`age`,`hobby`) VALUES (4,'user4',24,'run');
    INSERT INTO `es_test` (`id`,`name`,`age`,`hobby`) VALUES (5,'user5',42,'basketball');

步驟二:購買並配置獨享資源群組

購買一個Data Integration獨享資源群組,並為該資源群組綁定專用網路和工作空間。獨享資源群組可以保障資料快速、穩定地傳輸。

  1. 登入DataWorks控制台

  2. 在頂部功能表列選擇相應地區後,在左側導覽列單擊資源群組列表

  3. 獨享資源群組頁簽下,單擊建立整合資源群組

  4. DataWorks獨享資源購買頁面,獨享資源類型選擇獨享Data Integration資源,輸入資源群組名稱,單擊立即購買,購買獨享資源群組。

    更多配置資訊,請參見購買資源群組

  5. 在已建立的獨享資源群組的操作列,單擊網路設定,為該獨享資源群組綁定專用網路。具體操作,請參見綁定專用網路

    說明

    本文以獨享Data Integration資源群組通過VPC內網同步資料為例。更多資訊,請參見使用獨享Data Integration資源群組執行任務需要在資料庫添加的IP白名單

    獨享資源需要與RDS MySQL執行個體和ES執行個體的專用網路連通才能同步資料,因此需要分別綁定RDS MySQL執行個體和ES執行個體所在的專用網路可用性區域交換器。查看執行個體所在專用網路資訊,請參見切換RDS MySQLVirtual Private Cloud和虛擬交換器查看Elasticsearch執行個體的基本資料

    重要

    綁定專用網路後,您需要將對應專用網路的交換器網段加入到RDS MySQL、ES執行個體的私網白名單中。具體操作,請參見設定RDS MySQL執行個體IP白名單配置Elastic search執行個體公網或私網訪問白名單

  6. 在頁面左上方,單擊返回表徵圖,返回資源群組列表頁面,

  7. 在已建立的獨享資源群組的操作列,單擊修改歸屬工作空間,為該獨享資源群組繫結目標工作空間。

    具體操作,請參見綁定歸屬工作空間

步驟三:添加資料來源

將RDS MySQL和ES資料來源接入DataWorks的Data Integration服務中。

  1. 進入DataWorks的Data Integration頁面。

    1. 登入DataWorks控制台

    2. 在左側導覽列,單擊工作空間列表

    3. 在目標工作空間的操作列,選擇快速進入 > Data Integration

  2. 在左側導覽列,單擊資料來源

  3. 新增RDS MySQL資料來源。

    1. 資料來源列表頁面,單擊新增資料來源

    2. 新增資料來源頁面,搜尋並選擇MySQL資料來源。

    3. 新增MySQL資料來源對話方塊,在基礎資訊地區配置資料來源參數。

      配置詳情,請參見配置MySQL資料來源

    4. 串連配置地區,單擊測試連通性,連通狀態顯示為可連通時,表示連通成功。

    5. 單擊完成

  4. 使用同樣的方式添加ES資料來源。配置詳情,請參見配置ES資料來源

步驟四:配置並運行資料離線同步任務

資料離線同步任務將獨享資源群組作為一個可以執行任務的資源,獨享資源群組將擷取Data Integration服務中資料來源的資料,並將資料寫入ES。

說明

有兩種方式可以配置離線同步任務,文本以嚮導模式配置離線同步任務為例。您也可以通過指令碼模式配置離線同步任務,詳情請參見通過指令碼模式配置離線同步任務MySQL ReaderElasticsearch Writer

  1. 進入DataWorks的資料開發頁面。

    1. 登入DataWorks控制台

    2. 在左側導覽列,單擊工作空間列表

    3. 在目標工作空間的操作列,選擇快速進入 > 資料開發

  2. 建立一個離線同步任務。

    1. 在左側導覽列,選擇建立 > 建立商務程序,建立一個商務程序。

    2. 按右鍵建立的商務程序,選擇建立節點 > 離線同步

    3. 建立節點對話方塊中,輸入節點名稱,單擊確認

  3. 配置網路與資源

    1. 資料來源地區,資料來源選擇MySQL,資料來源名稱選擇待同步的資料來源名稱。

    2. 我的資源群組地區,選擇獨享資源群組。

    3. 資料去向地區,資料去向選擇Elasticsearch,資料來源名稱選擇待同步的資料來源名稱。

  4. 單擊下一步。

  5. 配置任務。

    1. 資料來源地區,選擇待同步的表。

    2. 資料去向地區,配置資料去向的各參數。

    3. 欄位對應地區中,設定來源欄位目標欄位的映射關係。

    4. 通道控制地區,配置通道參數。

    詳細配置資訊,請參見通過嚮導模式配置離線同步任務

  6. 運行任務。

    1. (可選)配置任務調度屬性。在頁面右側,單擊調度配置,按照需求配置相應的調度參數。各配置的詳細說明請參見調度配置

    2. 在節點地區的左上方,單擊儲存表徵圖,儲存任務。

    3. 在節點地區的左上方,單擊提交表徵圖,提交任務。

      如果您配置了任務調度屬性,任務會定期自動執行。您還可以在節點地區的左上方,單擊運行表徵圖,立即運行任務。

      作業記錄中出現Shell run successfully!表明任務運行成功。

步驟五:驗證資料同步結果

  1. 登入目標阿里雲ES執行個體的Kibana控制台。具體操作,請參見登入Kibana控制台

  2. 單擊Kibana頁面左上方的表徵圖,選擇Dev Tools(開發工具)。

  3. Console(控制台)中,執行如下命令查看同步的資料。

    POST /es_test/_search?pretty
    {
    "query": { "match_all": {}}
    }
    說明

    es_test需要替換為您在資料同步任務中設定的索引名稱。

    資料同步成功後,返回如下結果。image..png