Logstash同步mysql一對多數據到ES（踩坑日記系列）

場景：

Logstash 、Kibana、ES版本：6.3.1。

使用Logstash從mysql同步用戶和用戶所有的寵物到ES中。

希望的格式：

"register_name": "孟林潔",
    "id": 80469531,
    "pets": [
      {
        "breed_name": "萬能梗",
        "birthday": null,
        "pet_id": 999044,
        "name": "一隻狗",
        "images": "{\"result\":[\"https://petkit-img3.oss-cn-hangzhou.aliyuncs.com/img/tmp_6f4c8e92de0c53ab355fdb69214d4bf3.jpg\"]}",
        "breed_id": 130
      },
      {
        "breed_name": "萬能梗",
        "birthday": null,
        "pet_id": 999097,
        "name": "一隻狗2",
        "images": "{\"result\":[\"https://petkit-img3.oss-cn-hangzhou.aliyuncs.com/img/tmp_6f4c8e92de0c53ab355fdb69214d4bf3.jpg\"]}",
        "breed_id": 130
      }
    ],
    "mobile": "*******",
    "avatar": null,
    "pet_list": [
      999044,
      999097
    ]

問題：

logstash同步nested嵌套類型到ES中。
logstash同步嵌套數組對象時，聚合過程中數據丟失(用戶寵物會隨機丟失，偶而數據不丟失)。
logstash同步時少同步一條數據，在停止logstash服務時才進行同步
(更新) mysql的多條數據同步到es只有一條

解決：

1、解決logstash同步nested嵌套類型到ES中

先創建索引，並且修改索引類型爲nested

創建索引：PUT /user
修改索引映射：
PUT /user/_mapping/doc
{
    "doc": {
      "properties": {
        "avatar": {
          "type": "text"
        },
        "id": {
          "type": "long"
        },
        "mobile": {
          "type": "text"
        },
        "pets": {
          "type": "nested",
          "properties": {
            "birthday": {
              "type": "date"
            },
            "breed_id": {
              "type": "long"
            },
            "breed_name": {
              "type": "text",
              "analyzer": "ik_max_word",
              "search_analyzer": "ik_max_word"
            },
            "images": {
              "type": "text"
            },
            "name": {
              "type": "text",
              "analyzer": "ik_max_word",
              "search_analyzer": "ik_max_word"
            },
            "pet_id": {
              "type": "long"
            }
          }
        },
        "register_name": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        }
      }
    }
}

使用logstash的過濾器中aggregate插件進行數據聚合。

配置文件jdbc3.conf

input {
    stdin {}
    jdbc {
        jdbc_driver_library => "../mysql-connector-java-6.0.6.jar"
        jdbc_driver_class => "com.mysql.jdbc.Driver"
        jdbc_connection_string => "jdbc:mysql://****.com:3306/food-dev"
        jdbc_user => "****"
        jdbc_password => "****"
        #jdbc_paging_enabled => "true"
        #jdbc_page_size => "50"
        clean_run => true
        use_column_value => true
        record_last_run => "true"
        tracking_column => "id"
        schedule => "*/1 * * * *"
        #last_run_metadata_path => "/Users/menglinjie/ES-node/testdata.text"
        statement => "select u.id,u.register_name,u.mobile,u.avatar,u.status,svp.id  as pet_id,svp.name,svp.images,svp.gender,svp.birthday,pb.id as breed_id,pb.name as breed_name from user u left join store_vip_pet svp on svp.user_id = u.id and svp.pet_status = 1 left join pet_breed pb on svp.breed_id = pb.id order by u.id desc"
   }

}

filter {
#這裏做聚合
     aggregate {
        task_id => "%{id}"
        code => "
            map['id'] = event.get('id')
            map['register_name'] = event.get('register_name')
            map['mobile'] = event.get('mobile')
            map['avatar'] = event.get('avatar')
            map['pet_list'] ||=[]
            map['pets'] ||=[]
            if (event.get('pet_id') != nil)
                if !(map['pet_list'].include? event.get('pet_id'))  
                    map['pet_list'] << event.get('pet_id')        
                    map['pets'] << {
                        'pet_id' => event.get('pet_id'),
                        'name' => event.get('name'),
                        'images' => event.get('images'),
                        'breed_id' => event.get('breed_id'),
                        'breed_name' => event.get('breed_name'),
                        'birthday' => event.get('birthday')
                    }
                end
            end

            event.cancel()
        "
        
        push_previous_map_as_event => true
        timeout => 5
    }
    json {
        source => "message"
        remove_field => ["message"]
        #remove_field => ["message", "type", "@timestamp", "@version"]
    }
    mutate  {
        #將不需要的JSON字段過濾，且不會被存入 ES 中
        remove_field => ["tags", "@timestamp", "@version"]
    }
}

output {
   stdout {
        #codec => json_lines
   }
        elasticsearch {
        hosts => ["127.0.0.1:9200"]
        index => "user"
        document_id => "%{id}"
   }
}

2、解決聚合過程中子數組對象丟失

剛開始考慮到是否是sql查詢分頁問題，導致多寵物沒有一起聚合，而是分開聚合。但是通過看日誌和數據發現每次丟失的數據不同，沒有任何規律性。

隨機性的問題讓我想到多線程，然後查找logstash配置。在config/logstash.yml中有以下配置：

# ------------ Pipeline Settings --------------
#
# The ID of the pipeline.
# 管道id
# pipeline.id: test1
#
# Set the number of workers that will, in parallel, execute the filters+outputs
# stage of the pipeline.
#
# This defaults to the number of the host's CPU cores.
#output 和 filter的線程數，默認是cpu核數
# pipeline.workers: 1
#
# How many events to retrieve from inputs before sending to filters+workers
#
# pipeline.batch.size: 1000
#
# How long to wait in milliseconds while polling for the next event
# before dispatching an undersized batch to filters+outputs
#
# pipeline.batch.delay: 50

問題定位：多線程跑聚合過程中，同一個用戶的多個寵物可能被分配到不通過的線程，分別做不同的聚合，導致一個用戶存在多條數據，分別擁有不同的寵物，然後多線程的進行輸出到ES，ES保存過程中會把存在的數據給更新掉，這就是我的寵物丟失的原因，多線程分配的隨機性導致數據也隨機丟失。

嘗試修改線程數，驗證猜想是否正確。

指定配置文件運行會使logstash忽略logstash.yml配置。所以在logstash.yml指定配置文件，運行logstash時不用指定配置，logstash會自動尋找logstash.yml配置

# path.config: /Users/menglinjie/ES-node/logstash-6.3.1/conf.d

驗證後確認猜想正確。

回想剛纔把線程數設置爲1，這樣肯定會影響性能的吧，萬一以後我有不需要聚合的的數據時完全可以多線程跑。Logstash提供的pipelines.yml可以配置多管道，使不同的同步任務綁定不同管道配置。

這裏pipeline.workers: 4，pipeline.output.workers: 3，那麼執行聚合的filter就是1，這樣可以單線程聚合，多線程輸出。

多個任務可以配置多個管道，pipeline.id標示管道唯一性。

- pipeline.id: user_pipeline
  pipeline.workers: 4
  pipeline.batch.size: 1000
  # 輸出
  pipeline.output.workers: 3
  # 配置文件位置
  path.config: "/Users/menglinjie/ES-node/logstash-6.3.1/conf.d/*.conf"
  # 對基於磁盤的排隊進行“持久化”。默認值是內存
  queue.type: persisted

更新：

影響聚合結果的還有sql語句！！

sql語句必須根據聚合task_id排序，也就是需要聚合的數據必須排在一起。否則map['pets']會被覆蓋掉，導致數據丟失。

3、logstash同步時少同步一條數據，在停止logstash服務時才進行同步

在filter 聚合配置中添加：

timeout => 3

filter aggregate 創建中 event map 並不知道我、這次事件是不是應該結束，也就是它也不知道到那一條纔是最後一條, 因此設置一個 timeout 告訴它這個時間執行多少秒就結束繼續執行第二個。但這樣並不是很嚴謹，因爲你也不確定你的 event map 到底要執行多久。最好的方式是我們應該給定一個 task end 的條件 ES官網關於 aggregate 的說明

4、es 配置id的問題，必須有唯一性，否則被覆蓋

參考鏈接：

https://segmentfault.com/a/1190000016592277

https://segmentfault.com/q/1010000016861266

https://blog.csdn.net/weixin_33910460/article/details/88719101

https://elasticsearch.cn/question/6648

Logstash同步mysql一對多數據到ES（踩坑日記系列）

場景：

問題：

解決：

Vue2.0之axios使用

div裏的img圖片水平垂直居中（解決）

SnowFlake 生成分佈式自增ID

逗號字符串拼接與List互轉

Logstash同步mysql一對多數據到ES（踩坑日記系列）

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結