通过DataWorks将MySQL数据同步至Elasticsearch - 阿里云Elasticsearch

阿里云上拥有丰富的云存储、云数据库产品。当您需要对这些产品中的数据进行分析和搜索时，可以通过DataWorks的数据集成服务，实现最快5分钟一次的离线数据采集任务，并同步到阿里云Elasticsearch中。本教程以阿里云RDS MySQL为例。

教程概述

准备工作
准备MySQL数据源、创建DataWorks工作空间、创建与配置阿里云Elasticsearch实例。
步骤一：购买并创建独享资源组
购买并创建一个数据集成独享资源组，并为该资源组绑定专有网络和工作空间。独享资源组可以保障数据快速、稳定地传输。
步骤二：添加数据源
将MySQL和Elasticsearch数据源接入DataWorks的数据集成服务中。
步骤三：配置并运行数据同步任务
配置一个数据同步的脚本，将数据集成系统同步成功的数据存储到Elasticsearch中。将独享资源组作为一个可以执行任务的资源，注册到DataWorks的数据集成服务中。这个资源组将获取数据源的数据，并执行将数据写入Elasticsearch中的任务（该任务将由数据集成系统统一下发）。
步骤四：验证数据同步结果
在Kibana控制台中，查看同步成功的数据。

准备工作

创建一个数据库。
您可以选择使用阿里云的RDS数据库，也可以在本地服务器上自建数据库。本教程以RDS MySQL数据库为例，使用JOIN获取两张表数据，同步数据到阿里云Elasticsearch中，表字段及数据如下所示。具体操作步骤请参见创建RDS MySQL实例。

图 1. 表一

图 2. 表二
创建DataWorks工作空间。
具体操作步骤请参见创建工作空间。工作空间所在地域需要与RDS MySQL一致。
创建阿里云Elasticsearch实例，并开启实例的自动创建索引功能。
创建实例时，所选专有网络需要与RDS MySQL保持一致，具体操作步骤请参见创建阿里云Elasticsearch实例和开启自动创建索引。

步骤一：购买并创建独享资源组

登录DataWorks控制台。
选择相应地域后，在左侧导航栏，单击资源组列表。
参见购买独享数据集成资源组，购买独享数据集成资源。

注意购买时，所选地域需要与目标工作空间保持一致。
参见新增独享数据集成资源组，创建一个独享数据集成资源。
本文使用的配置如下，其中资源组类型选择独享数据集成资源组。
单击已创建的独享资源组右侧的专有网络绑定，参见绑定专有网络，为该独享资源组绑定专有网络。
独享资源部署在DataWorks托管的专有网络中。DataWorks需要与MySQL和Elasticsearch实例的专有网络连通才能同步数据。而MySQL和Elasticsearch实例在同一专有网络下，因此在绑定专有网络时，选择Elasticsearch实例所在专有网络和交换机即可。
单击已创建的独享资源组右侧的修改归属工作空间，参见修改归属工作空间，为该独享资源组绑定目标工作空间。

步骤二：添加数据源

进入DataWorks的数据集成页面。
1. 在DataWorks控制台的左侧导航栏，单击工作空间列表。
2. 找到目标工作空间，单击其右侧操作列下的进入数据集成。
在左侧导航栏，单击数据源。
在数据源管理页面，单击新增数据源。
在新增数据源对话框中，单击MySQL，进入新增MySQL数据源页面，填写数据源信息。
数据源类型：本教程以阿里云实例模式为例，您也可以选择连接串模式。各配置项的详细说明请参见配置MySQL数据源。

注意如果您选择的是连接串模式，可以通过RDS MySQL的公网地址配置JDBC URL，但需要将独享资源组的EIP地址添加到MySQL的白名单中，详情请参见设置RDS MySQL白名单和添加独享数据集成资源组的白名单。

配置完成后，可与独享资源组进行连通性测试。连通状态显示为可连通时，表示连通成功。
单击完成。

使用同样的方式添加Elasticsearch数据源。


参数	说明
Endpoint	阿里云Elasticsearch的访问地址，格式为：`http://<实例的内网或公网地址>:9200`。实例的内网或公网地址可在基本信息页面获取，详情请参见查看实例的基本信息。注意如果您使用的是公网地址，需要将独享资源组的EIP地址添加到阿里云Elasticsearch的公网地址访问白名单中，详情请参见配置ES公网或私网访问白名单和添加独享数据集成资源组的白名单。
用户名	访问阿里云Elasticsearch实例的用户名，默认为elastic。
密码	对应用户的密码。elastic用户的密码在创建实例时设定，如果忘记可重置，重置密码的注意事项和操作步骤请参见重置实例访问密码。

说明其他未提及的参数请自定义输入。

步骤三：配置并运行数据同步任务

在DataWorks的数据开发页面，新建一个业务流程。
具体操作步骤请参见管理业务流程。
展开新建的业务流程，右键单击数据集成，选择新建 > 离线同步。
在新建节点对话框中，输入节点名称，单击提交。
在页面上方工具栏，单击图标。

确认后，配置数据同步脚本。

详细配置说明请参见通过脚本模式配置任务。

说明您可以单击页面上方工具栏中的导入模板

图标，导入对应的脚本配置模板，并在模板的基础上进行修改，完成数据同步脚本配置。

以查询两张表的学生信息和考试信息为例，示例脚本如下。

{
    "order": {
        "hops": [
            {
                "from": "Reader",
                "to": "Writer"
            }
        ]
    },
    "setting": {
        "errorLimit": {
            "record": "10"
        },
        "speed": {
            "concurrent": 1,
            "throttle": false
        }
    },
    "steps": [
        {
            "category": "reader",
            "name": "Reader",
            "parameter": {
                "column": [
                    "id",
                    "name",
                    "sex",
                    "birth",
                    "department",
                    "address"
                ],
                "connection": [
                    {
                        "datasource": "zl_test_rdsmysql",
                        "querysql": [
                            "SELECT student.id,name,sex,birth,department,address,c_name,grade FROM student JOIN score on student.id=score.stu_id;"
                        ],
                        "table": [
                            "score"
                        ]
                    }
                ],
                "encoding": "UTF-8",
                "splitPk": "",
                "where": ""
            },
            "stepType": "mysql"
        },
        {
            "category": "writer",
            "name": "Writer",
            "parameter": {
                "batchSize": 1000,
                "cleanup": true,
                "column": [
                    {
                        "name": "student_id",
                        "type": "id"
                    },
                    {
                        "name": "sex",
                        "type": "text"
                    },
                    {
                        "name": "name",
                        "type": "text"
                    },
                    {
                        "name": "birth",
                        "type": "integer"
                    },
                    {
                        "name": "quyu",
                        "type": "text"
                    },
                    {
                        "name": "address",
                        "type": "text"
                    },
                    {
                        "name": "cname",
                        "type": "text"
                    },
                    {
                        "name": "grades",
                        "type": "integer"
                    }
                ],
                "datasource": "ES_data_source",
                "discovery": false,
                "index": "mysqljoin",
                "indexType": "_doc",
                "splitter": ","
            },
            "stepType": "elasticsearch"
        }
    ],
    "type": "job",
    "version": "2.0"
}

同步脚本的配置分为三个部分。


配置	说明
`setting`	用来配置同步中的一些丢包和最大并发等参数。其中`errorLimit`的`record`字段值默认为0，请将其修改为大一些的数值，比如10。
`Reader`	用来配置MySQL Reader，使用`querysql`自定义筛选SQL。当您配置`querysql`时，MySQL Reader会直接忽略`table`、`column`、`where`和`splitPk`条件的配置。`datasource`通过`querysql`解析出用户名和密码等信息，详情请参见MySQL Reader。
`Writer`	用来配置Elasticsearch Writer，详情请参见Elasticsearch Writer。 `index`：索引名称。 `indexType`：索引类型，7.0及以上版本的Elasticsearch必须使用`_doc`。

保存配置脚本，单击右侧的调度配置，按照需求配置相应的调度参数。
各配置的详细说明请参见调度配置章节。
注意
- 在提交任务前，必须配置任务调度依赖的上游节点，详情请参见依赖关系。
- 如果您希望对任务进行周期性调度，需要配置任务的时间属性，包括任务的具体执行时间、调度周期、生效周期、重跑属性等。
- 周期任务将于配置任务开始的第二天00:00，按照您的配置规则生效执行。
配置执行同步任务所使用的资源组。
1. 在脚本配置页面右侧，单击数据集成资源组配置。
2. 选择方案为独享数据集成资源组。
3. 选择独享数据集成资源组为您创建的独享资源组。
提交任务。
1. 保存当前配置，单击图标。
2. 在提交新版本对话框中，填入备注。
3. 单击确认。
单击图标，运行任务。
任务运行过程中，可查看运行日志。运行成功后，显示如下结果。

步骤四：验证数据同步结果

登录目标阿里云Elasticsearch实例的Kibana控制台。
具体操作步骤请参见登录Kibana控制台。
在左侧导航栏，单击Dev Tools（开发工具）。
在Console中，执行如下命令查看同步的数据。
```
POST /mysqljoin/_search?pretty
{
"query": { "match_all": {}}
}
```
说明 mysqljoin为您在数据同步脚本中设置的index字段的值。
数据同步成功后，返回如下结果。