大数据之MaxWell

素颜马尾好姑娘i 2023-09-30 09:31 36阅读 0赞

#### 文章目录 ####

*  第1章 Maxwell简介
 *   *  1.1 Maxwell概述
     *  1.2 Maxwell输出数据格式
 *  第2章 Maxwell原理
 *   *  2.1 MySQL二进制日志
     *  2.2 MySQL主从复制
     *  2.3 Maxwell原理
 *  第3章 Maxwell部署
 *   *  3.1 安装Maxwell
     *  3.2配置MySQL
     *   *  3.2.1启用MySQLBinlog
         *  3.2.2 创建Maxwell所需数据库和用户
     *  3.3 配置Maxwell
 *  第4章 Maxwell使用
 *   *  4.1 启动Kafka集群
     *  4.2 Maxwell启停\*\*
     *  4.2 增量数据同步
     *  4.3 历史数据全量同步
     *   *  4.3.1 Maxwell-bootstrap
         *  4.3.2 boostrap数据格式

--------------------

## 第1章 Maxwell简介 ##

### 1.1 Maxwell概述 ###

Maxwell 是由美国Zendesk公司开源，用Java编写的MySQL变更数据抓取软件。它会实时监控Mysql数据库的数据变更操作（包括insert、update、delete），并将变更数据以 JSON 格式发送给 Kafka、Kinesi等流数据处理平台。

官网地址：http://maxwells-daemon.io/

### 1.2 Maxwell输出数据格式 ###

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5rO96KW_TA_size_20_color_FFFFFF_t_70_g_se_x_16]

**注：Maxwell输出的json字段说明：**

<table> 
 <thead> 
  <tr> 
   <th>字段</th> 
   <th>解释</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>database</td> 
   <td>变更数据所属的数据库</td> 
  </tr> 
  <tr> 
   <td>table</td> 
   <td>表更数据所属的表</td> 
  </tr> 
  <tr> 
   <td><strong>type</strong></td> 
   <td>数据变更类型</td> 
  </tr> 
  <tr> 
   <td><strong>ts</strong></td> 
   <td>数据变更发生的时间</td> 
  </tr> 
  <tr> 
   <td>xid</td> 
   <td>事务id</td> 
  </tr> 
  <tr> 
   <td>commit</td> 
   <td>事务提交标志，可用于重新组装事务</td> 
  </tr> 
  <tr> 
   <td><strong>data</strong></td> 
   <td>对于insert类型，表示插入的数据；对于update类型，标识修改之后的数据；对于delete类型，表示删除的数据</td> 
  </tr> 
  <tr> 
   <td><strong>old</strong></td> 
   <td>对于update类型，表示修改之前的数据，只包含变更字段</td> 
  </tr> 
 </tbody> 
</table>

## 第2章 Maxwell原理 ##

Maxwell的工作原理是实时读取MySQL数据库的二进制日志（Binlog），从中获取变更数据，再将变更数据以JSON格式发送至Kafka等流处理平台。

### 2.1 MySQL二进制日志 ###

二进制日志（Binlog）是MySQL服务端非常重要的一种日志，它会保存MySQL数据库的所有数据变更记录。Binlog的主要作用包括主从复制和数据恢复。Maxwell的工作原理和主从复制密切相关。

### 2.2 MySQL主从复制 ###

MySQL的主从复制，就是用来建立一个和主数据库完全一样的数据库环境，这个数据库称为从数据库。

**1）主从复制的应用场景如下：**

（1）做数据库的热备：主数据库服务器故障后，可切换到从数据库继续工作。

（2）读写分离：主数据库只负责业务数据的写入操作，而多个从数据库只负责业务数据的查询工作，在读多写少场景下，可以提高数据库工作效率。

**2）主从复制的工作原理如下：**

（1）Master主库将数据变更记录，写到二进制日志(binary log)中

（2）Slave从库向mysql master发送dump协议，将master主库的binary log events拷贝到它的中继日志(relay log)

（3）Slave从库读取并回放中继日志中的事件，将改变的数据同步到自己的数据库。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9HrAAKGU-1647394817600)(file:///C:\\Users\\LIUMIN~1\\AppData\\Local\\Temp\\ksohtml\\wps4879.tmp.jpg)\]

### 2.3 Maxwell原理 ###

很简单，就是将自己伪装成slave，并遵循MySQL主从复制的协议，从master同步数据。

## 第3章 Maxwell部署 ##

### 3.1 安装Maxwell ###

**1）下载安装包**

（1）地址：https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz

> **注：Maxwell-1.30.0**及以上版本不再支持**JDK1.8**。

（2）将安装包上传到hadoop102节点的/opt/software目录

> 注：此处使用教学版安装包，教学版对原版进行了改造，增加了自定义Maxwell输出数据中ts时间戳的参数，生产环境请使用原版。

**2）将安装包解压至 /opt/module**

`[liumingze@hadoop102 maxwell]$ tar -zxvf maxwell-1.29.2.tar.gz -C /opt/module/`

**3）修改名称**

`[liumingze@hadoop102 module]$ mv maxwell-1.29.2/ maxwell`

### 3.2配置MySQL ###

#### 3.2.1启用MySQLBinlog ####

MySQL服务器的Binlog默认是未开启的，如需进行同步，需要先进行开启。

**1）修改MySQL配置文件/etc/my.cnf**

`[liumingze@hadoop102 ~]$ sudo vim /etc/my.cnf`

**2）增加如下配置**

[mysqld]
    
    #数据库id
    server-id = 1
    
    #启动binlog，该参数的值会作为binlog的文件名
    log-bin=mysql-bin
    
    #binlog类型，maxwell要求为row类型
    binlog_format=row
    
    #启用binlog的数据库，需根据实际情况作出修改
    binlog-do-db=gmall

**注：MySQL** **Binlog模式**

**Statement-based**：基于语句，Binlog会记录所有写操作的SQL语句，包括insert、update、delete等。

*  优点： 节省空间
 *  缺点： 有可能造成数据不一致，例如insert语句中包含now()函数。

**Row-based**：基于行，Binlog会记录每次写操作后被操作行记录的变化。

*  优点：保持数据的绝对一致性。
 *  缺点：占用较大空间。

**mixed**：混合模式，默认是Statement-based，如果SQL语句可能导致数据不一致，就自动切换到Row-based。

**Maxwell要求Binlog采用Row-based模式。**

**3）重启MySQL服务**

[liumingze@hadoop102 ~]$ sudo systemctl restart mysqld

#### 3.2.2 创建Maxwell所需数据库和用户 ####

Maxwell需要在MySQL中存储其运行过程中的所需的一些数据，包括binlog同步的断点位置（Maxwell支持断点续传）等等，故需要在MySQL为Maxwell创建数据库及用户。

**1）创建数据库**

msyql> CREATE DATABASE maxwell;

**2）调整MySQL数据库密码级别**

mysql> set global validate_password_policy=0;
    
    mysql> set global validate_password_length=4;

**3）创建Maxwell用户并赋予其必要权限**

mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
    
    mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
    
    mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';

### 3.3 配置Maxwell ###

**1）修改Maxwell配置文件名称**

`[liumingze@hadoop102 maxwell]$ cd /opt/module/maxwell`

`[liumingze@hadoop102 maxwell]$ cp config.properties.example config.properties`

**2）修改Maxwell配置文件**

[liumingze@hadoop102 maxwell]$ vim config.properties
    
    #Maxwell数据发送目的地，可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
    producer=kafka
    #目标Kafka集群地址
    kafka.bootstrap.servers=hadoop102:9092,hadoop103:9092
    #目标Kafka topic，可静态配置，例如:maxwell，也可动态配置，例如：%{database}_%{table}
    kafka_topic=maxwell
    #MySQL相关配置
    host=hadoop102
    user=maxwell
    password=maxwell
    jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai

## 第4章 Maxwell使用 ##

### 4.1 启动Kafka集群 ###

若Maxwell发送数据的目的地为Kafka集群，则需要先确保Kafka集群为启动状态。

### 4.2 Maxwell启停\*\* ###

**1）启动Maxwell**

`[liumingze@hadoop102 ~]$ /opt/module/maxwell/bin/maxwell --config /opt/module/maxwell/config.properties --daemon`

**2）停止Maxwell**

`[liumingze@hadoop102 ~]$ ps -ef | grep maxwell | grep -v grep | grep maxwell | awk '{print $2}' | xargs kill -9`

**3）Maxwell启停脚本**

**（1）创建并编辑Maxwell启停脚本**

`[liumingze@hadoop102 bin]$ vim mxw.sh`

**（2）脚本内容如下**

#!/bin/bash
    
    MAXWELL_HOME=/opt/module/maxwell
    
    status_maxwell(){
        
        result=`ps -ef | grep maxwell | grep -v grep | wc -l`
        return $result
    }
    
    
    start_maxwell(){
        
        status_maxwell
        if [[ $? -lt 1 ]]; then
            echo "启动Maxwell"
            $MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --daemon
        else
            echo "Maxwell正在运行"
        fi
    }
    
    
    stop_maxwell(){
        
        status_maxwell
        if [[ $? -gt 0 ]]; then
            echo "停止Maxwell"
            ps -ef | grep maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
        else
            echo "Maxwell未在运行"
        fi
    }
    
    
    case $1 in
        start )
            start_maxwell
        ;;
        stop )
            stop_maxwell
        ;;
        restart )
           stop_maxwell
           start_maxwell
        ;;
    esac

### 4.2 增量数据同步 ###

**1）启动Kafka消费者**

`[liumingze@hadoop102 kafka]$ bin/kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic maxwell`

**2）模拟生成数据**

`[liumingze@hadoop102 db_log]$ java -jar gmall2020-mock-db-2021-01-22.jar`

**3）观察Kafka消费者**

{"database":"gmall","table":"comment_info","type":"insert","ts":1634023510,"xid":1653373,"xoffset":11998,"data":{"id":1447825655672463369,"user_id":289,"nick_name":null,"head_img":null,"sku_id":11,"spu_id":3,"order_id":18440,"appraise":"1204","comment_txt":"评论内容：12897688728191593794966121429786132276125164551411","create_time":"2020-06-16 15:25:09","operate_time":null}}
    
    {"database":"gmall","table":"comment_info","type":"insert","ts":1634023510,"xid":1653373,"xoffset":11999,"data":{"id":1447825655672463370,"user_id":774,"nick_name":null,"head_img":null,"sku_id":25,"spu_id":8,"order_id":18441,"appraise":"1204","comment_txt":"评论内容：67552221621263422568447438734865327666683661982185","create_time":"2020-06-16 15:25:09","operate_time":null}}

### 4.3 历史数据全量同步 ###

上一节，我们已经实现了使用Maxwell实时增量同步MySQL变更数据的功能。但有时只有增量数据是不够的，我们可能需要使用到MySQL数据库中从历史至今的一个完整的数据集。这就需要我们在进行增量同步之前，先进行一次历史数据的全量同步。这样就能保证得到一个完整的数据集。

#### 4.3.1 Maxwell-bootstrap ####

Maxwell提供了bootstrap功能来进行历史数据的全量同步，命令如下：

`[liumingze@hadoop102 maxwell]$ /opt/module/maxwell/bin/maxwell-bootstrap --database gmall --table user_info --config /opt/module/maxwell/config.properties`

#### 4.3.2 boostrap数据格式 ####

采用bootstrap方式同步的输出数据格式如下：

{
    
        "database": "fooDB",
    
        "table": "barTable",
    
        "type": "bootstrap-start",
    
        "ts": 1450557744,
    
        "data": {}
    
    }
    
    {
    
        "database": "fooDB",
    
        "table": "barTable",
    
        "type": "bootstrap-insert",
    
        "ts": 1450557744,
    
        "data": {
    
            "txt": "hello"
    
        }
    
    }
    
    {
    
        "database": "fooDB",
    
        "table": "barTable",
    
        "type": "bootstrap-insert",
    
        "ts": 1450557744,
    
        "data": {
    
            "txt": "bootstrap!"
    
        }
    
    }
    
    {
    
        "database": "fooDB",
    
        "table": "barTable",
    
        "type": "bootstrap-complete",
    
        "ts": 1450557744,
    
        "data": {}
    
    }

**注意事项：**

1）第一条type为bootstrap-start和最后一条type为bootstrap-complete的数据，是bootstrap开始和结束的标志，不包含数据，中间的type为bootstrap-insert的数据才包含数据。

2）一次bootstrap输出的所有记录的ts都相同，为bootstrap开始的时间。

[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5rO96KW_TA_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/44e094c91ccd41eca821f6950654afc6.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5rO96KW_TA==,size_20,color_FFFFFF,t_70,g_se,x_16