將MySQL資料同步到阿里雲ES - Elasticsearch

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：
- 巨量資料離線同步到阿里雲ES的情境，支援同步整個庫或同步某個表中的全部資料。更多資訊，請參見整庫離線同步至Elasticsearch。
- 巨量資料線上即時同步到阿里雲ES的情境，支援全量、增量一體化同步。更多資訊，請參見一鍵即時同步至Elasticsearch。

前提條件

已建立RDS MySQL執行個體。具體操作，請參見建立RDS MySQL執行個體。本文以MySQL 5.7版本為例。
已建立阿里雲ES執行個體，並開啟執行個體的自動建立索引功能。具體操作，請參見建立Elasticsearch執行個體和配置YML參數。
已建立DataWorks工作空間。具體操作，請參見建立工作空間。

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

ES執行個體費用，請參見ES計費項目。
獨享Data Integration資源群組費用，請參見獨享Data Integration資源群組計費說明：訂用帳戶。

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證資料快速、穩定地傳輸。

登入DataWorks控制台。
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。
在獨享資源群組頁簽下，單擊建立舊版整合資源群組。
在DataWorks獨享資源購買頁面，選擇獨享資源類型為獨享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。
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，請參見添加白名單。
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、可用性區域和交換器。查看執行個體所在專用網路資訊，請參見切換RDS MySQLVirtual Private Cloud和虛擬交換器和查看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白名單和配置Elastic search執行個體公網或私網訪問白名單。
在頁面左上方，單擊返回表徵圖，返回資源群組列表頁面，
在已建立的獨享資源群組的操作列，單擊綁定工作空間，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。

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。
3. 在目標工作空間的操作列，選擇快速進入 > Data Integration。
在左側導覽列，單擊資料來源。
新增RDS MySQL資料來源。
1. 在資料來源列表頁面，單擊新增資料來源。
2. 在新增資料來源頁面，搜尋並選擇MySQL資料來源。
3. 在新增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. 在串連配置地區，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。
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 Reader和Elasticsearch Writer。

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。
3. 在目標工作空間的操作列，選擇快速進入 > 資料開發。
建立一個離線同步任務。
1. 在左側導覽列，單擊表徵圖。
2. 選擇建立 > 建立商務程序，建立一個商務程序。
3. 按右鍵建立的商務程序，選擇建立節點 > 離線同步。
4. 在建立節點對話方塊中，輸入節點名稱，單擊確認。
配置網路與資源
1. 在資料來源地區，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. 在我的資源群組地區，選擇獨享資源群組。
3. 在資料去向地區，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。
單擊下一步。
配置任務。
1. 在資料來源地區，選擇待同步的表。
2. 在資料去向地區，配置資料去向的各參數。
3. 在欄位對應地區中，設定來源欄位與目標欄位的映射關係。
4. 在通道控制地區，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。
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

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