Mysql 流增量寫入 Hdfs(一) --從 mysql 到 kafka 2019-04-14

一. 概述

在大數據的靜態數據處理中,目前普遍采用的是用 Spark + Hdfs (Hive / Hbase) 的技術架構來對數據進行處理。

但有時候有其他的需求,需要從其他不同數據源不間斷得采集數據,然后存儲到 Hdfs 中進行處理。而追加(append)這種操作在 Hdfs 里面明顯是比較麻煩的一件事。所幸有了 Storm 這么個流數據處理這樣的東西問世,可以幫我們解決這些問題。

不過光有 Storm 還不夠,我們還需要其他中間件來協助我們,讓所有其他數據源都歸于一個通道。這樣就能實現不同數據源以及 Hhdfs 之間的解耦。而這個中間件 Kafka 無疑是一個很好的選擇。

這樣我們就可以讓 Mysql 的增量數據不停得拋出到 Kafka ,而后再讓 storm 不停得從 Kafka 對應的 Topic 讀取數據并寫入到 Hdfs 中。

二. 基本知識

2.1 Mysql binlog 介紹

binlog 即 Mysql 的二進制日志。它可以說是 Mysql 最重要的日志了,它記錄了所有的DDL和DML(除了數據查詢語句)語句,以事件形式記錄,還包含語句所執行的消耗的時間,MySQL的二進制日志是事務安全型的。

上面所說的提到了 DDL 和 DML ,可能有些同學不了解,這里順便說一下:

DDL:數據定義語言DDL用來創建數據庫中的各種對象-----表、視圖、索引、同義詞、聚簇等如:CREATE TABLE/VIEW/INDEX/SYN/CLUSTER...DML:數據操縱語言DML主要有三種形式:插入(INSERT), 更新(UPDATE),以及刪除(DELETE)。

在 Mysql 中,binlog 默認是不開啟的,因為有大約 1% (官方說法)的性能損耗,如果要手動開啟,流程如下:

    vi編輯打開mysql配置文件:

vi /usr/local/mysql/etc/my.cnf

在[mysqld] 區塊設置/添加如下,

log-bin=mysql-bin

注意一定要在 [mysqld] 下。

    重啟 Mysql

pkill mysqld/usr/local/mysql/bin/mysqld_safe --user=mysql &

2.2 kafka

這里只對 Kafka 做一個基本的介紹,更多的內容可以度娘一波。

上面的圖片是 kafka 官方的一個圖片,我們目前只需要關注 Producers 和 Consumers 就行了。

Kafka 是一個分布式發布-訂閱消息系統。分布式方面由 Zookeeper 進行協同處理。消息訂閱其實說白了吧,就是一個隊列,分為消費者和生產者,就像上圖中的內容,有數據源充當 Producer 生產數據到 kafka 中,而有數據充當 Consumers ,消費 kafka 中的數據。

上圖中的 offset 指的是數據的寫入以及消費的位置的信息,這是由 Zookeeper 管理的。也就是說,當 Consumers 重啟或是怎樣,需要重新從 kafka 讀取消息時,總不能讓它從頭開始消費數據吧,這時候就需要有個記錄能告訴你從哪里開始重新讀取。這就是 offset 。

kafka 中還有一個至關重要的概念,那就是 topic 。不過這個其實還是很好理解的,比如你要訂閱一些消息,你肯定是不會訂閱所有消息的吧,你只需要訂閱你感興趣的主題,比如攝影,編程,搞笑這些主題。而這里主題的概念其實和 topic 是一樣的。總之,可以將 topic 歸結為通道,kafka 中有很多個通道,不同的 Producer 向其中一個通道生產數據,也就是拋數據進去這個通道,Comsumers 不停得消費通道中的數據。

而我們要做的就是將 Mysql binlog 產生的數據拋到 kafka 中充當作生產者,然后由 storm 充當消費者,不停得消費數據并寫入到 Hdfs 中。

至于怎么將 binlog 的數據拋到 kafka ,別急,下面我們就來介紹。

2.3 maxwell

maxwell 這個工具可以很方便得監聽 Mysql 的 binlog ,然后每當 binlog 發生變化時,就會以 json 格式拋出對應的變化數據到 Kafka 中。比如當向 mysql 一張表中插入一條語句的時候,maxwell 就會立刻監聽到 binlog 中有對應的記錄增加,然后將一些信息包括插入的數據都轉化成 json 格式,然后拋到 kafka 指定的 topic 中。

下載地址在這里可以找到。

除了 Kafka 外,其實 maxwell 還支持寫入到其他各種中間件,比如 redis。同時 maxwell 是比較輕量級的工具,只需要在 mysql 中新建一個數據庫供它記錄一些信息,然后就可以直接運行。

三. 使用 maxwell 監聽 binlog

接下來我們將的是如果使用 maxwell ,讓它監聽 mysql 的 binlog 并拋到 kafka 中。maxwell 主要有兩種運行方式。一種是使用配置文件,另一種則是在命令行中添加參數的方式運行。這里追求方便,只使用命令行的方式進行演示。

這里介紹一下簡單的將數據拋到 kafka 的命令行腳本吧。

bin/maxwell --user="maxwell" --password="XXXXXX" --host="127.0.0.1" --producer=kafka --kafka.bootstrap.servers=localhost:9092 --kafka_topic=maxwell --port=3306

各項參數說明如下

user:mysql 用戶名password:mysql 密碼host:Mysql 地址producer:指定寫入的中間件類型,比如還有 redieskafka.bootstrap.servers:kafka 的地址kafka_topic:指明寫入到 kafka 哪個 topicport:mysql 端口

啟動之后,maxwell 便開始工作了,當然如果你想要讓這條命令可以在后臺運行的話,可以使用 Linux 的 nohup 命令,這里就不多贅述,有需要百度即可。

這樣配置的話通常會將整個數據庫的增刪改都給拋到 kafka ,但這樣的需求顯然不常見,更常見的應該是具體監聽對某個庫的操作,或是某個表的操作。

在升級到 1.9.2(最新版本)后,maxwell 為我們提供這樣一個參數,讓我們可以輕松實現上述需求:--filter

這個參數通常包含兩個配置項,exclude 和 include。意思就是讓你指定排除哪些和包含哪些。比如我只想監聽 Adatabase 庫下的 Atable 表的變化。我可以這樣。

--filter="exclude: *.*, include: Adatabase.Atable"

這樣我們就可以輕松實現監聽 mysql binlog 的變化,并可以定制自己的需求。

OK,這一章我們介紹了 mysql binlog ,kafka 以及 maxwell 的一些內容,下一篇我們將會看到 storm 如何寫入 hdfs 以及定制一些策略。see you~~

Copyright ? 2019 九州ju111net備用網址 All Rights Reserved
疏成
地址:安徽省安慶市潛山縣經濟開發區南環路0018號
全國統一熱線:15109195631
捕鱼来了工作室项目 大乐透后区杀号经典2 新时时贴吧 快乐十分模拟摇奖器 时时彩开彩最新结果查询 老时时历史开奖360票 vr赛车彩票 浙江11选五5开奖结果 幸运赛车规律 新疆时时 福建时时有什么技巧 深圳风采奖结果 pk10开奖记录飞艇 吉林十一选五开奖号码 山西11选5推荐号码 凤凰体彩网 中国福彩3d免费下载