之前博客有用logstash-input-jdbc同步mysql数据到ElasticSearch，但是由于同步时间最少是一分钟一
之前博客有用logstash-input-jdbc同步mysql数据到ElasticSearch，但是由于同步时间最少是一分钟一次，无法满足线上业务，所以只能自己实现一个，但是时间比较紧，所以简单实现一个
思路：
网上有很多思路用什么mysql的binlog功能什么的，但是我对mysql了解实在有限，所以用一个很呆板的办法查询mysql得到数据，再插入es，因为数据量不大，而且10秒间隔同步一次，效率还可以，为了避免服务器之间的时间差和mysql更新和查询产生的时间差，所以在查询更新时间条件时是和上一次同步开始时间比较，这样不管数据多少，更新耗时多少都不会少数据，因为原则是同步不漏掉任何数据，也可以程序多开将时间差和间隔时间差异化，因为用mysql中一个id当作es中的id，也避免了重复数据
使用：
只需要按照escongif.py写配置文件，然后写sql文件，最后直接执行mstes.py就可以了，我这个也是参考logstash-input-jdbc的配置形式
MsToEs
|----esconfig.py（配置文件）
|----mstes.py（同步程序）
|----sql_manage.py（数据库管理）
|----aa.sql（需要用到sql文件）
|----bb.sql（需要用到sql文件）
sql_manage.py:
# -*-coding:utf-8 -*-
__author__ = "ZJL"
from sqlalchemy.pool import QueuePool
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker, scoped_session
import traceback
import esconfig
# 用于不需要回滚和提交的操作
def find(func):
def wrapper(self, *args, **kwargs):
try:
return func(self, *args, **kwargs)
except Exception as e:
print(traceback.format_exc())
print(str(e))
return traceback.format_exc()
finally:
self.session.close()
return wrapper
class MysqlManager(object):
def __init__(self):
mysql_connection_string = esconfig.mysql.get("mysql_connection_string")
self.engine = create_engine('mysql+pymysql://'+mysql_connection_string+'?charset=utf8', poolclass=QueuePool,
pool_recycle=3600)
# self.DB_Session = sessionmaker(bind=self.engine)
# self.session = self.DB_Session()
self.DB_Session = sessionmaker(bind=self.engine, autocommit=False, autoflush=True, expire_on_commit=False)
self.db = scoped_session(self.DB_Session)
self.session = self.db()
@find
def select_all_dict(self, sql, keys):
a = self.session.execute(sql)
a = a.fetchall()
lists = []
for i in a:
if len(keys) == len(i):
data_dict = {}
for k, v in zip(keys, i):
data_dict[k] = v
lists.append(data_dict)
else:
return False
return lists
# 关闭
def close(self):
self.session.close()
aa.sql：
select
CONVERT(c.`id`,CHAR) as id,
c.`code` as code,
c.`project_name` as project_name,
c.`name` as name,
date_format(c.`update_time`,'%Y-%m-%dT%H:%i:%s') as update_time,
from `cc` c
where date_format(c.`update_time`,'%Y-%m-%dT%H:%i:%s')>='::datetime_now'; bb.sql:
select
CONVERT(c.`id`,CHAR) as id,
CONVERT(c.`age`,CHAR) as age,
c.`code` as code,
c.`name` as name,
c.`project_name` as project_name,
date_format(c.`update_time`,'%Y-%m-%dT%H:%i:%s') as update_time,
from `bb` c
where date_format(c.`update_time`,'%Y-%m-%dT%H:%i:%s')>='::datetime_now'; esconfig.py:
# -*- coding: utf-8 -*-
#__author__="ZJL"
# sql 文件名与es中的type名一致
mysql = {
# mysql连接信息
"mysql_connection_string": "root:123456@127.0.0.1:3306/xxx",
# sql文件信息
"statement_filespath":[
# sql对应的es索引和es类型
{
"index":"a1",
"sqlfile":"aa.sql",
"type":"aa"
},
{
"index":"a1",
"sqlfile":"bb.sql",
"type":"bb"
},
],
}
# es的ip和端口
elasticsearch = {
"hosts":"127.0.0.1:9200",
}
# 字段顺序与sql文件字段顺序一致，这是存进es中的字段名，这里用es的type名作为标识
db_field = {
"aa":
("id",
"code",
"name",
"project_name",
"update_time",
),
"bb":
("id",
"code",
"age",
"project_name",
"name",
"update_time",
),
}
es_config = {
# 间隔多少秒同步一次
"sleep_time":10,
# 为了解决服务器之间时间差问题
"time_difference":3,
# show_json 用来展示导入的json格式数据，
"show_json":False,
}
mstes.py:
# -*- coding: utf-8 -*-
#__author__="ZJL"
from sql_manage import MysqlManager
from esconfig import mysql,elasticsearch,db_field,es_config
from elasticsearch import Elasticsearch
from elasticsearch import helpers
import traceback
import time
class TongBu(object):
def __init__(self):
try:
# 是否展示json数据在控制台
self.show_json = es_config.get("show_json")
# 间隔多少秒同步一次
self.sleep_time = es_config.get("sleep_time")
# 为了解决同步时数据更新产生的误差
self.time_difference = es_config.get("time_difference")
# 当前时间,留有后用
self.datetime_now = ""
# es的ip和端口
es_host = elasticsearch.get("hosts")
# 连接es
self.es = Elasticsearch(es_host)
# 连接mysql
self.mm = MysqlManager()
except :
print(traceback.format_exc())
def tongbu_es_mm(self):
try:
# 同步开始时间
start_time = time.time()
print("start..............",time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(start_time)))
# 这个list用于批量插入es
actions = []
# 获得所有sql文件list
statement_filespath = mysql.get("statement_filespath",[])
if self.datetime_now:
# 当前时间加上时间差(间隔时间加上执行同步用掉的时间，等于上一次同步开始时间)再字符串格式化
# sql中格式化时间时年月日和时分秒之间不能空格，不然导入es时报解析错误，所以这里的时间格式化也统一中间加一个T
self.datetime_now = time.strftime("%Y-%m-%dT%H:%M:%S", time.localtime(time.time()-(self.sleep_time+self.time_difference)))
else:
self.datetime_now = "1999-01-01T00:00:00"
if statement_filespath:
for filepath in statement_filespath:
# sql文件
sqlfile = filepath.get("sqlfile")
# es的索引
es_index = filepath.get("index")
# es的type
es_type = filepath.get("type")
# 读取sql文件内容
with open(sqlfile,"r") as opf:
sqldatas = opf.read()
# ::datetime_now是一个自定义的特殊字符串用于增量更新
if "::datetime_now" in sqldatas:
sqldatas = sqldatas.replace("::datetime_now",self.datetime_now)
else:
sqldatas = sqldatas
# es和sql字段的映射
dict_set = db_field.get(es_type)
# 访问mysql，得到一个list，元素都是字典，键是字段名，值是数据
db_data_list = self.mm.select_all_dict(sqldatas, dict_set)
if db_data_list:
# 将数据拼装成es的格式
for db_data in db_data_list:
action = {
"_index": es_index,
"_type": es_type,
"@timestamp": time.strftime("%Y-%m-%dT%H:%M:%S", time.localtime(time.time())),
"_source": db_data
}
# 如果没有id字段就自动生成
es_id = db_data.get("id", "")
if es_id:
action["_id"] = es_id
# 是否显示json再终端
if self.show_json:
print(action)
# 将拼装好的数据放进list中
actions.append(action)
# list不为空就批量插入数据到es中
if len(actions) > 0 :
helpers.bulk(self.es, actions)
except Exception as e:
print(traceback.format_exc())
else:
end_time = time.time()
print("end...................",time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(start_time)))
self.time_difference = end_time-start_time
finally:
# 报错就关闭数据库
self.mm.close()
def main():
tb = TongBu()
# 间隔多少秒同步一次
sleep_time = tb.sleep_time
# 死循环执行导入数据，加上时间间隔
while True:
tb.tongbu_es_mm()
time.sleep(sleep_time)
if __name__ == '__main__':
main()
以上这篇用python简单实现mysql数据同步到ElasticSearch的教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
python mysql 数据同步 ElasticSearch