Logstash 导入数据到 ES

最新推荐文章于 2026-01-04 14:46:39 发布

转载最新推荐文章于 2026-01-04 14:46:39 发布 · 3k 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

原文链接：https://segmentfault.com/a/1190000014387486

标签

#es #oracle #elasticsearch

Logstash 同时被 2 个专栏收录

1 篇文章

订阅专栏

Oracle 转 ES

1 篇文章

订阅专栏

本文介绍如何使用Logstash的jdbc插件从Oracle数据库中读取数据，并同步到Elasticsearch。采用递增字段作为条件进行数据同步，重点介绍了配置参数及实现细节。

安装后的日志文件目录

/var/log/logstash-stdout.log

/var/log/logstash-stderr.log

导入的设置文件路径

/etc/logstash/conf.d

ORACLE转ES

使用 logstash-input-jdbc 插件读取 oracle 的数据，这个插件的工作原理比较简单，就是定时执行一个 sql，然后将 sql 执行的结果写入到流中，增量获取的方式没有通过 binlog 方式同步，而是用一个递增字段作为条件去查询，每次都记录当前查询的位置，由于递增的特性，只需要查询比当前大的记录即可获取这段时间内的全部增量，一般的递增字段有两种，AUTO_INCREMENT 的主键 id 和 ON UPDATE CURRENT_TIMESTAMP 的 update_time 字段，id 字段只适用于那种只有插入没有更新的表，update_time 更加通用一些，建议在 oracle 表设计的时候都增加一个 update_time 字段

input {
  jdbc {
    jdbc_driver_library => "../mysql-connector-java-5.1.46/mysql-connector-java-5.1.46-bin.jar"
    jdbc_driver_class => "com.mysql.jdbc.Driver"
    jdbc_connection_string => "jdbc:mysql://<mysql_host>:3306/rta"
    jdbc_user => "<username>"
    jdbc_password => "<password>"
    schedule => "* * * * *"
    statement => "SELECT * FROM table WHERE update_time >= :sql_last_value"
    use_column_value => true
    tracking_column_type => "timestamp"
    tracking_column => "update_time"
    last_run_metadata_path => "syncpoint_table"
  }
}

jdbc_driver_library: jdbc oracle 驱动的路径，在上一步中已经下载
jdbc_driver_class: 驱动类的名字，oracle 填 Java::oracle.jdbc.driver.OracleDriver
jdbc_connection_string: oracle地址
jdbc_user: oracle用户
jdbc_password: oracle密码
schedule: 执行 sql 时机，类似 crontab 的调度
statement: 要执行的 sql，以 ":" 开头是定义的变量，可以通过 parameters 来设置变量，这里的 sql_last_value 是内置的变量，表示上一次 sql 执行中 update_time 的值，这里 update_time 条件是 >= 因为时间有可能相等，没有等号可能会漏掉一些增量
use_column_value: 使用递增列的值
tracking_column_type: 递增字段的类型，numeric 表示数值类型, timestamp 表示时间戳类型
tracking_column: 递增字段的名称，这里使用 update_time 这一列，这列的类型是 timestamp
last_run_metadata_path: 同步点文件，这个文件记录了上次的同步点，重启时会读取这个文件，这个文件可以手动修改

output {
  elasticsearch {
    hosts => ["172.31.22.165", "172.31.17.241", "172.31.30.84", "172.31.18.178"]
    user => "<user>"
    password => "<password>"
    index => "table"
    document_id => "%{id}"
  }
}

hosts: es 集群地址
user: es 用户名
password: es 密码
index: 导入到 es 中的 index 名，这里我直接设置成了 mysql 表的名字
document_id: 导入到 es 中的文档 id，这个需要设置成主键，否则同一条记录更新后在 es 中会出现两条记录，%{id} 表示引用 mysql 表中 id 字段的值

例

input {
    jdbc {
       jdbc_connection_string => "jdbc:oracle:thin:@127.0.0.1:1521:orcl"
       jdbc_user => "<username>"
       jdbc_password => "<password>"
       jdbc_driver_library => "/etc/logstash/conf.d/sql/ojdbc6.jar"
       jdbc_driver_class => "Java::oracle.jdbc.driver.OracleDriver"
       schedule => "* * * * *"
       statement_filepath => "/etc/logstash/conf.d/sql/aiqa_list.sql"
       record_last_run => true
       use_column_value => true
       tracking_column => "op_date_timestamp"
       codec => plain { charset => "UTF-8"}
       tracking_column_type => "timestamp"
       last_run_metadata_path => "/etc/logstash/conf.d/sql/aiqa_list_last_id"
       clean_run => "false"
       jdbc_paging_enabled => true
       jdbc_page_size => "10000"
type => "aiqa_list"
   }
}

output {
    if [type] == "aiqa_list" {
        elasticsearch {
            hosts => ["127.0.0.1:9200"]
            index => "aiqa_list"
            document_id => "%{op_date_timestamp}"
        }
    }
}

aiqa_list

SELECT cid, theme, titlea, titleb, clevel, TYPE ctype, CONTENT, lid, isvalid, readnum, op_id, op_name, op_date, cast(op_date as timestamp) op_date_timestamp FROM ai_list WHERE cast(op_date as timestamp) > :sql_last_value

aiqa_list_last_id