使用logstash-jdbc-input插件实现mongodb数据实时同步到elasticsearch

坚强是说给别人听的谎言 提交于 2021-01-24 21:00:04

一、实验介绍

logstash-jdbc-input 是Logstash提供的官方插件之一,该插件通过JDBC接口将任何数据库中的数据导入 Logstash。关于使用logstash-jdbc-input 插件从数据库中导出数据到es上,大部分是关于mysql数据库的导入。本篇文章是关于如何使用logstash-jdbc-input 插件对mongodb的数据进行实时导入。

二、版本说明

本实验使用的ELK版本是7.6.2。
(这里想要补充一下,关于mongodb数据库的数据导入,另外一种常使用的插件是mongo-connector,但该插件仅支持到elasticsearch5.x,因此对于更高版本的elasticsearch更推荐使用本篇文章使用的方法。)

三、具体实现

1. 下载相关的jdbc-driver文件并解压
  • 下载地址: https://dbschema.com/jdbc-drivers/MongoDbJdbcDriver.zip
  • 解压安装包: unzip MongoDbJdbcDriver.zip
    (安装包里面包括三个jar包文件:gson-2.8.6.jarmongo-java-driver-3.12.4.jarmongojdbc2.1.jar)
  • 将所有文件(即三个jar包)复制到(~/logstash-7.6.2/logstash-core/lib/jars/)目录(即你的logstash所在的安装目录)
2. 编写配置文件内容
  • 在你的logstash安装目录下新建一个.conf文件
  • 关于.conf配置文件主要由input, filter, output 三大板块组成,我们依次介绍如何填写各部分的内容:
2.1 input
input {
  jdbc {
    jdbc_driver_class => "com.dbschema.MongoJdbcDriver"
    # jar包的目录
    jdbc_driver_library => "logstash/logstash-core/lib/jars/mongojdbc2.1.jar"
    # mongo数据库对应的uri
    jdbc_connection_string => jdbc_connection_string => "jdbc:mongodb://127.0.0.1:27017/dbtest"
    # 这个不填  
    jdbc_user => ""
    # 这个不填
    jdbc_password => ""
    # 表示每分钟中执行一次,以实现实时同步的效果
    schedule => "* * * * *"
    # mongodb的查询语句
    statement => "db.dbtest.find({}, {_id: 0})"
  }
}
  • 在编写mongodb查询语句时我们需要注意,由于logstash无法识别mongodb中的 ObjectId类型,因此我们需要抛弃该字段,因此在find语句中我们设置_id:0,即表示不需要该字段。
2.2 filter
filter {
  # 数据预处理
}
  • filter部分主要是针对mongodb中的数据进行预处理,如果不需要进行预处理,这部分内容不必填写;关于filter实现预处理的部分内容比较繁多,之后会专门出一篇文章进行总结,这里不再赘述。
2.3 output
output {
 elasticsearch {
    # es所在的地址
    hosts => "localhost:9200"
    # 导入到es上对应的索引
    index => "test"
  }
  
  stdout {
    codec => json_lines
  }
}
3. 实现数据的实时同步(全量法)
  • 全量法,即指每次将表的所有数据全部导入,这种方法可能会导致数据重复的问题,因为每次同步时都会将之前已经导入的数据再导入一遍,为避免数据重复的问题,我们需要对每条数据进行标识,这样在每次同步时es中若已出现相同标识的数据则会选择覆盖,以此实现数据实时同步的效果。
  • 实现数据标识效果,即在output部分指定document_id即可
output {
 elasticsearch {
    # es所在的地址
    hosts => "localhost:9200"
    # 导入到es上对应的索引
    index => "test"
    # 指定标识每条数据的字段
    document_id => "%{id}"
  }
  
  stdout {
    codec => json_lines
  }
}
  • 这里需要注意的是,我们无法使用mongodb自动生成的id作为标识符,因为id是ObjectId类型,在input阶段我们已经把该字段删去了,因此这里应该选择表中其他能标识数据且不是ObjectId类型的字段(string, int等皆可)
4. 实现数据的实时同步(增量法)
  • 若在你的数据中除了mongodb自动生成的id不再有其它具有标识性质的字段,可以考虑使用增量法实现数据的实时同步。增量法,即每次同步时是从上一次执行命令的时间开始,将插入时间在上一次命令之后的数据导入es中。增量法的优点是不必每次将全部数据导入,而是只导入新加入到数据库的数据,可以减小每次同步时的压力。
  • 使用增量法实现数据同步,需要修改input部分的代码
input {
  jdbc {
    jdbc_driver_class => "com.dbschema.MongoJdbcDriver"
    # jar包的目录
    jdbc_driver_library => "logstash/logstash-core/lib/jars/mongojdbc2.1.jar"
    # mongo数据库对应的uri
    jdbc_connection_string => jdbc_connection_string => "jdbc:mongodb://127.0.0.1:27017/dbtest"
    # 这个不填  
    jdbc_user => ""
    # 这个不填
    jdbc_password => ""
    # 表示每分钟中执行一次,以实现实时同步的效果
    schedule => "* * * * *"
    # 实现增量同步的mongodb的查询语句
    statement => "db.dbtest.find({ $gte: ISODate(:sql_last_value) }, {_id: 0})"
    # 保存上一次执行时间的文件
    last_run_metadata_path => "/logstash-7.6.2/.logstash_jdbc_last_run"
  }
}
  • 实现增量同步主要是两个字段:
    • statement: 执行mongodb查询的字段
      • 关于 :sql_last_value :logstash中提供的一个协助查询的时间参数,默认值是1970-01-01 08:00:00,数据类型是string,每次执行命令之后,该值会替换成执行命令时刻的时间。
      • 在修改find语句时容易因为:sql_last_value的类型出错:如果表中关于时间的数据类型是string,那在find语句中改为db.dbtest.find({ $gte: :sql_last_value}, {_id: 0})即可;若如果表中关于时间的数据类型是date,那在find语句需要进行类型转换,即改为·db.dbtest.find({ $gte: ISODate(:sql_last_value)}, {_id: 0})
    • last_run_metadata_path: 保存上一次执行时间的文件,可以放在任意目录下,我这里放在了/logstash-7.6.2的目录下面
5. 运行文件
/logstash-7.6.2/bin/logstash -f /logstash-7.6.2/dbtest.conf --path.data=/logstash-7.6.2/data/dbtest

四、可能出现的报错

1. 无法识别ObjectId错误
  • 报错信息:Exception when executing JDBC query {:exception=>#<Sequel::DatabaseError: Java::OrgLogstash::MissingConverterException: Missing Converter handling for full class name=org.bson.types.ObjectId, simple name=ObjectId>}

  • 错误原因:在input部分编写mongodb查询语句时需要注意,由于logstash无法识别mongodb中的 ObjectId类型,因此我们需要抛弃该字段,因此在find语句中我们设置_id:0,即表示不需要该字段。

db.dbtest.find({}, {_id: 0})

【tips】通过mongodb的find语句我们还可以选取只导出文档中的某一字段,具体操作可参考官方文档:https://docs.mongodb.com/manual/reference/method/db.collection.find/

2. 增量同步无效但是没有报错信息
  • 这一问题的原因在上面的增量法部分中也有提到过,可能是find语句中:sql_last_value或者其他字段的数据类型不正确,建议检查一下数据库中字段类型和find语句中的查询条件是否匹配

参考文章

  1. https://stackoverflow.com/questions/58342818/sync-mongodb-to-elasticsearch
  2. https://docs.mongodb.com/manual/reference/method/db.collection.find/
  3. https://www.elastic.co/guide/en/logstash/current/plugins-inputs-jdbc.html
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!