欧亿体育总部是哪里 > 新闻动态 >

前面我们介绍了Spring Boot 整合 Elasticsearch 实现数据查询检索的功能，在实际项目中，我们的数据一般存储在数据库中，而且随着业务的发送，数据也会随时变化。

那么如何保证数据库中的数据与Elasticsearch存储的索引数据保持一致呢? 最原始的方案就是：当数据发生增删改操作时同步更新Elasticsearch。但是这样的设计耦合太高。接下来我们介绍一种非常简单的数据同步方式：Logstash 数据同步。

一、Logstash简介 1.什么是Logstash

logstash是一个开源的服务器端数据处理工具。简单来说，就是一根具备实时数据传输能力的管道，负责将数据信息从管道的输入端传输到管道的输出端;与此同时这根管道还可以让你根据自己的需求在中间加上滤网，Logstash提供里很多功能强大的滤网以满足你的各种应用场景。

Logstash常用于日志系统中做日志采集设备，最常用于ELK中作为日志收集器使用。

2.Logstash的架构原理

Logstash的基本流程架构：input=》 filter =》 output 。

input(输入)：采集各种样式，大小和来源数据，从各个服务器中收集数据。常用的有：jdbc、file、syslog、redis等。

filter(过滤器)负责数据处理与转换。主要是将event通过output发出之前对其实现的某些处理功能。

output(输出)：将我们过滤出的数据保存到那些数据库和相关存储中，。

 

 

3.Logstash如何与Elasticsearch数据同步

实际项目中，我们不可能通过手动添加的方式将数据插入索引库，所以需要借助第三方工具，将数据库的数据同步到索引库。此时，Logstash出现了，它可以将不同数据库的数据同步到Elasticsearch中。保证数据库与Elasticsearch的数据保持一致。

 

 

目前支持数据库与ES数据同步的插件有很多，个人认为Logstash是众多同步mysql数据到es的插件中，最稳定并且最容易配置的一个。

二、安装Logstash

Logstash的使用方法也很简单，下面讲解一下，Logstash是如何使用的。需要说明的是：这里以windows 环境为例，演示Logstash的安装和配置。

1.下载Logstash

首先，下载对应版本的Logstash包，可以通过上面提供下载elasticsearch的地址进行下载，完成后解压。

 

 

上面是Logstash解压后的目录，我们需要关注是bin目录中的执行文件和config中的配置文件。一般生产情况下，会使用Linux服务器，并且会将Logstash配置成自启动的服务。这里测试的话，直接启动。

2.配置Logstash

接下来，配置Logstash。需要我们编写配置文件，根据官网和网上提供的配置文件，将其进行修改。

第一步：在Logstash根目录下创建mysql文件夹，添加mysql.conf配置文件，配置Logstash需要的相应信息，具体配置如下：

input {     stdin {     }     jdbc {       # mysql数据库连接       jdbc_connection_string => "jdbc:mysql://localhost:3306/book_test?characterEncoding=utf-8&useSSL=false&serverTimezone=UTC"       # mysqly用户名和密码       jdbc_user => "root"       jdbc_password => "root"       # 驱动配置       jdbc_driver_library => "C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\mysql-connector-java-8.0.20.jar"       # 驱动类名       jdbc_driver_class => "com.mysql.cj.jdbc.Driver"       #jdbc_paging_enabled => "true"       #jdbc_page_size => "50000"       jdbc_default_timezone => "Asia/Shanghai"       # 执行指定的sql文件       statement_filepath => "C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\sql\bookquery.sql"       use_column_value => true       # 是否将字段名转换为小写，默认true（如果有数据序列化、反序列化需求，建议改为false）；       lowercase_column_names => false       # 需要记录的字段，用于增量同步，需是数据库字段       tracking_column => updatetime       # Value can be any of: numeric,timestamp，Default value is "numeric"       tracking_column_type => timestamp       # record_last_run上次数据存放位置；       record_last_run => true       #上一个sql_last_value值的存放文件路径, 必须要在文件中指定字段的初始值       last_run_metadata_path => "C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\sql\logstash_default_last_time.log"       # 是否清除last_run_metadata_path的记录，需要增量同步时此字段必须为false；       clean_run => false       # 设置监听 各字段含义 分 时 天 月  年 ，默认全部为*代表含义：每分钟都更新       schedule => "* * * * *"       # 索引类型       type => "id"     } } output {     elasticsearch {         #es服务器         hosts => ["10.2.1.231:9200"]         #ES索引名称         index => "book"         #自增ID         document_id => "%{id}"     }          stdout {         codec => json_lines     } } 

第二步：将mysql-connector-java.jar 拷贝到前面配置的目录下。上面的mysql.conf配置的是：C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\

mysql-connector-java-8.0.20.jar。那么jar包拷贝到此目录下即可：

 

 

上面是mysql的驱动，如果是sqlserver数据库，下载SqlServer对应的驱动即可。放置的位置要与mysql.conf 配置文件中的jdbc_driver_library 地址保持一致。

第三步：创建sql目录，创建bookquery.sql文件用于保存需要执行的sql 脚本。示例代码如下：

select * from book where updatetime >= :sql_last_value order by updatetime desc 

这里使用的增量更新，所以使用:sql_last_value 记录上一次记录的最后时间。

3.启动Logstash

进入logstash的bin目录，执行如下命令：

logstash.bat -f C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\mysql.conf 

启动成功之后，Logstash就会自动定时将数据写入到Elasticsearch。如下图所示：

 

 

同步完成后，我们使用Postman查询Elasticsearch，验证索引是否都创建成功。在postman中，发送 Get 请求：

http://10.2.1.231:9200/book/_search 。返回结果如下图所示：

 

 

可以看到，数据库中的数据已经通过Logstash同步至Elasticsearch。说明Logstash配置成功。

三、创建查询服务

数据同步完成后，接下来我们使用Spring Boot 构建Elasticsearch查询服务。首先创建Spring Boot项目并整合Elasticsearch，这个之前都已经介绍过，不清楚的朋友可以看我之前的文章。

接下来演示如何封装完整的数据查询服务。

1.数据实体

@Document( indexName = "book" , replicas = 0) public class Book {     @Id     private Long id;     @Field(analyzer = "ik_max_word",type = FieldType.Text)     private String bookName;     @Field(analyzer = "ik_max_word",type = FieldType.Text)     private String author;     private float price;     private int page;     @Field(type = FieldType.Date,format = DateFormat.custom,pattern = "yyyy-MM-dd'T'HH:mm:ss.SSS'Z'")     private Date createTime;     @Field(type = FieldType.Date,format = DateFormat.custom,pattern = "yyyy-MM-dd'T'HH:mm:ss.SSS'Z'")     private Date updateTime;     @Field(analyzer = "ik_max_word",type = FieldType.Text)     private String category;     public Long getId() {         return id;     }     public void setId(Long id) {         this.id = id;     }     public String getBookName() {         return bookName;     }     public void setBookName(String bookName) {         this.bookName = bookName;     }     public String getAuthor() {         return author;     }     public void setAuthor(String author) {         this.author = author;     }     public float getPrice() {         return price;     }     public void setPrice(float price) {         this.price = price;     }     public int getPage() {         return page;     }     public void setPage(int page) {         this.page = page;     }     public String getCategory() {         return category;     }     public void setCategory(String category) {         this.category = category;     }     public Book(){     }     public Date getCreateTime() {         return createTime;     }     public void setCreateTime(Date createTime) {         this.createTime = createTime;     }     public Date getUpdateTime() {         return updateTime;     }     public void setUpdateTime(Date updateTime) {         this.updateTime = updateTime;     } } 

2.请求封装类

public class BookQuery {     public String category;     public String bookName;     public String author;     public int priceMin;     public int priceMax;     public int pageMin;     public int pageMax;     public String sort;     public String sortType;     public int page;     public int limit; } 

3.创建Controller控制器

@RestController public class ElasticSearchController {     @Autowired     private ElasticsearchRestTemplate elasticsearchRestTemplate;     /**      * 查询信息      * @param      * @return      */     @PostMapping(value = "/book/query")     public JSONResult query(@RequestBody BookQuery bookQuery){         Query query= getQueryBuilder(bookQuery);         SearchHits<Book> searchHits = elasticsearchRestTemplate.search(query, Book.class);         List<SearchHit<Book>> result = searchHits.getSearchHits();         return JSONResult.ok(result);     }     public Query getQueryBuilder(BookQuery query) {                BoolQueryBuilder builder = boolQuery();         // 匹配器 模糊查询部分，分析器使用ik (ik_max_word)         List<QueryBuilder> must = builder.must();         if (query.getBookName()!=null && !query.getBookName().isEmpty())             must.add(wildcardQuery("bookName", "*" +query.getBookName()+ "*"));         if (query.getCategory()!=null && !query.getCategory().isEmpty())             must.add(wildcardQuery("category", "*" +query.getCategory()+ "*"));         if (query.getAuthor()!=null && !query.getAuthor().isEmpty())             must.add(wildcardQuery("author", "*" +query.getAuthor()+ "*"));         // 筛选器 精确查询部分         List<QueryBuilder> filter = builder.filter();         // 范围查询         if (query.getPriceMin()>0 && query.getPriceMax()>0) {             RangeQueryBuilder price = rangeQuery("price").gte(query.getPriceMin()).lte(query.getPriceMax());             filter.add(price);         }         // 范围查询         if (query.getPageMin()>0 && query.getPageMax()>0) {             RangeQueryBuilder page = rangeQuery("page").gte(query.getPageMin()).lte(query.getPageMax());             filter.add(page);         }         // 分页         PageRequest pageable = PageRequest.of(query.getPage() - 1, query.getLimit());         // 排序         SortBuilder sort = SortBuilders.fieldSort("price").order(SortOrder.DESC);         //设置高亮效果         String preTag = "<font color='#dd4b39'>";//google的色值         String postTag = "</font>";         HighlightBuilder.Field highlightFields = new HighlightBuilder.Field("category").preTags(preTag).postTags(postTag);         Query searchQuery = new NativeSearchQueryBuilder()                 .withQuery(builder)                 .withHighlightFields(highlightFields)                 .withPageable(pageable)                 .withSort(sort)                 .build();         return searchQuery;     } } 

4.测试验证

启动项目，在Postman中，请求

http://localhost:8080/book/query 接口查询书籍信息数据。查看接口返回情况。

 

 

我们看到接口成功返回数据。说明数据查询服务创建成功。

最后

以上，我们就把使用Spring Boot + Elasticsearch + Logstash 实现完整的数据查询检索服务介绍完了。