用python简单实现mysql数据同步到ElasticSearch的教程

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()