ES（Elasticsearch）的根本使用
一、常见的NoSQL办理方案1、redis
Redis是一个基于内存的 key-value 结构数据库。Redis是一款采用key-value数据存储格式的内存级NoSQL数据库，重点关注数据存储格式，是key-value格式，也就是键值对的存储情势。与MySQL数据库差别，MySQL数据库有表、有字段、有记载，Redis没有这些东西，就是一个名称对应一个值，并且数据以存储在内存中使用为主。redis的根本使用
2、mongodb
[*]MongoDB可以在内存中存储类似对象的数据并实现数据的快速访问。
[*]使用Redis技能可以有效的提高数据访问速度，但是由于Redis的数据格式单一性，无法操作结构化数据，当操作对象型的数据时，Redis就显得左支右绌。在保障访问速度的情况下，如果想操作结构化数据，看来Redis无法满足要求了，此时需要使用全新的数据存储竣事来办理此题目，即MongoDB技能。mongodb的根本使用
3、ES（Elasticsearch）
[*]ES（Elasticsearch）是一个分布式全文搜刮引擎，重点是全文搜刮。
二、ES的使用
ES简介
[*]es是由Apache开源的一个兼有搜刮引擎和NoSQL数据库功能的系统，其特点紧张如下。
[*]
[*]基于Java/Lucene构建，支持全文搜刮、结构化搜刮（应用于加速数据的查询）
[*]
[*]低耽误，支持及时搜刮
[*]
[*]分布式部署，可横向集群扩展
[*]
[*]支持百万级数据
[*]
[*]支持多条件复杂查询，如聚合查询
[*]
[*]高可用性，数据可以进行切片备份
[*]
[*]支持Restful风格的api调用
全文搜刮
[*] 全文搜刮的理解：
比如用户要在淘宝上买一本书（Java开发），那么他就可以以Java为关键字进行搜刮，不管是书名中还是书的介绍中，甚至是书的作者名字，只要包含java就作为查询结果返回给用户查看。这就可以理解为全文搜刮。
[*]搜刮的条件不再是仅用于对某一个字段进行比对，而是在一条数据中使用搜刮条件去比对更多的字段，只要能匹配上就列入查询结果，这就是全文搜刮的目标。而ES技能就是一种可以实现上述结果的技能。
[*] 全文搜刮的实现：
要实现全文搜刮的结果，不大概使用数据库中like操作去进行比对，这种效率太低了。ES计划了一种全新的头脑，来实现全文搜刮。具体操作过程如下：
[*]
[*]将被查询的字段的数据全部文本信息进行拆分，分成若干个词
[*]例如“中华人民共和国”就会被拆分成三个词，分别是“中华”、“人民”、“共和国”，此过程有专业术语叫做分词。分词的策略差别，分出的结果不一样，差别的分词策略称为分词器。
[*]
[*]将分词得到的结果存储起来，对应每条数据的id
[*]例如id为1的数据中名称这一项的值是“中华人民共和国”，那么分词竣过后，就会出现“中华”对应id为1，“人民”对应id为1，“共和国”对应id为1
[*]例如id为2的数据中名称这一项的值是“人民代表大会“，那么分词竣过后，就会出现“人民”对应id为2，“代表”对应id为2，“大会”对应id为2
[*]此时就会出现如下对应结果，按照上述情势可以对所有文档进行分词。需要注意分词的过程不是仅对一个字段进行，而是对每一个参与查询的字段都执行，最闭幕果汇总到一个表格中
分词结果关键字对应id中华1人民1,2共和国1代表2大会2
[*]
[*]当进行查询时，如果输入“人民”作为查询条件，可以通过上述表格数据进行比对，得到id值1,2，然后根据id值就可以得到查询的结果数据了。
[*] 上述过程中分词结果关键字内容每一个都不雷同，作用有点类似于数据库中的索引，是用来加速数据查询的。
[*]但是数据库中的索引是对某一个字段进行添加索引，而这里的分词结果关键字不是一个完备的字段值，只是一个字段中的其中的一部分内容。并且索引使用时是根据索引内容查找整条数据，全文搜刮中的分词结果关键字查询后得到的并不是整条的数据，而是数据的id，要想获得具体数据还要再次查询，因此这里为这种分词结果关键字起了一个全新的名称，叫做倒排索引。
ES的应用场景
[*]ES作为全文检索的搜刮引擎，在以下几个方面都存在着相应的应用：
[*]
[*]监控。针对日志类数据进行存储、分析、可视化。针对日志数据，ES给出了ELK的办理方案。其中logstash收罗日志，ES进行复杂的数据分析，kibana进行可视化展示。
[*]
[*]电商网站。用于商品信息检索。
[*]
[*]Json文档数据库。用于存放json格式的文档
[*]
[*]维基百科。提供全文搜刮并高亮关键字
Es的windows版安装
[*] windows版安装包下载地址：https://www.elastic.co/cn/downloads/elasticsearch
[*]下载zip文件，然后直接解压即可，解压完的目录如下：（data目录，是使用了数据库后自己给你创建的，里面的存放的就是你ES数据库的文件）
https://img-blog.csdnimg.cn/direct/6c9df56da1ae4732bd589da42559d0e2.png
[*] ES的运行：在bin目录下，双击elasticserach.bat文件。（默认端口号：9200）
https://img-blog.csdnimg.cn/direct/f5267a62026f4f2e8a3deaec6633f844.png
https://img-blog.csdnimg.cn/direct/f7680c82e4b14103bedc7a69f1b9fc2c.png
然后访问：http://localhost:9200/，看到下面的json数据后，表示es已经启动成功。
https://img-blog.csdnimg.cn/direct/e9fa5da199544005b77704ad955881f6.png
ES的基础操作
ES的基础操作-----索引操作
[*]对于mysql数据库，我们一般需要创建数据库之后才能继承操作，而ES则需要创建索引之后才能继承操作。
[*]对于es的操作，我们只需要发web哀求就可以了。要操作ES可以通过Rest风格的哀求来进行（由于它支持rest风格，可以使用postman进行操作），也就是说发送一个哀求就可以执行一个操作。比如新建索引，删除索引这些操作都可以使用发送哀求的情势来进行。
[*]
[*]ES中保存的数据，只是格式和数据库存储的数据格式 与我们的mysql等数据库差别而已。
[*]在ES中我们要先创建倒排索引，这个索引的功能又有点类似于数据库的表。
[*]然后将数据添加到倒排索引中，添加的数据称为文档。
[*]所以要进行ES的操作要先创建索引，再添加文档，这样才能进行后续的查询操作。
不具备分词结果的索引的创建（没有指定分词器）
创建索引：注意这里使用的哀求方式是put而不是post
https://img-blog.csdnimg.cn/direct/5fde0daa36f142448c763c95e61fd150.png
获取索引
https://img-blog.csdnimg.cn/direct/710466f551644bb98b499a9b8d8d051d.png
获取无分词器的索引返回的信息：
{
"book": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"routing": {
"allocation": {
"include": {
"_tier_preference": "data_content"
}
}
},
"number_of_shards": "1",
"provided_name": "book",
"creation_date": "1704103713618",
"number_of_replicas": "1",
"uuid": "1mabgD9eR7WvHVZeCBfVqw",
"version": {
"created": "7160299"
}
}
}
}
}
删除索引
https://img-blog.csdnimg.cn/direct/c6636db641c84c31a0a9177f067ab5f7.png
利用分词器进行创建索引（创建索引并指定分词器）
[*]我们在创建索引时，可以添加哀求参数，设置分词器。
[*]ik分词器的下载：https://github.com/medcl/elasticsearch-analysis-ik/releases
[*]分词器下载后解压到ES安装目录的plugins目录中即可，安装分词器后需要重新启动ES服务器。使用IK分词器创建索引格式：
创建带分词器的索引：创建索引并指定规则
https://img-blog.csdnimg.cn/direct/bf29bb3e7a0e4ea59922f07ecc403e56.png
参数数据如下：
{
"mappings":{ //mapping表示：定义mappings属性，替换创建索引时对应的mappings属性
"properties":{// properties表示：定义索引中包含的属性设置（属性是自定义的）
"id":{ // 设置索引中包含id属性（相当于数据库表中创建一个id字段）
"type":"keyword" //设置当前属性为关键字，可以被直接搜索
},
"name":{ // 设置索引中包含name属性
"type":"text", //设置当前属性是文本信息，参与分词
"analyzer":"ik_max_word",//选择当前属性的分词策略，这里表示使用IK分词器进行分词
"copy_to":"all" // 表示把分词结果拷贝到all属性中，即all属性中也有name属性同样的作用
},
"type":{
"type":"keyword"
},
"description":{
"type":"text",
"analyzer":"ik_max_word",
"copy_to":"all"
},
"all":{//all是一个定义属性（虚拟的属性，数据库中不存在的属性），用来描述多个字段的分词结果集合，当前属性可以参与查询
"type":"text",
"analyzer":"ik_max_word"
}
}
}
}
查询带分词器的索引
https://img-blog.csdnimg.cn/direct/157e928a05af4149b5ac93935466679c.png
返回值：（与前面的查询不带分词器的相比，会发现mappings里面多了许多数据信息）
{
"books": {
"aliases": {},
"mappings": { //mappings属性已经被替换
"properties": {
"all": {
"type": "text",
"analyzer": "ik_max_word"
},
"description": {
"type": "text",
"copy_to": [
"all"
],
"analyzer": "ik_max_word"
},
"id": {
"type": "keyword"
},
"name": {
"type": "text",
"copy_to": [
"all"
],
"analyzer": "ik_max_word"
},
"type": {
"type": "keyword"
}
}
},
"settings": {
"index": {
"routing": {
"allocation": {
"include": {
"_tier_preference": "data_content"
}
}
},
"number_of_shards": "1",
"provided_name": "books",
"creation_date": "1704103876876",
"number_of_replicas": "1",
"uuid": "nQ2Jmml6QSOGwOI2cswwJw",
"version": {
"created": "7160299"
}
}
}
}
}
ES的基础操作-----文档操作
[*]前面我们已经创建了索引了，但是索引中还没有数据，所以要先添加数据，ES中称数据为文档，下面进行文档操作。
添加文档：
[*]添加文档有三种方式：创建books索引下的文档
POST请求 http://localhost:9200/books/_doc #使用系统生成id（自动帮你创建）
POST请求 http://localhost:9200/books/_doc/1 #使用指定id，不存在创建，存在更新（版本递增）
POST请求 http://localhost:9200/books/_create/1 #使用指定id（必须指定id）
传参数据一般不使用id属性：由于指定了也不访问效，要么默认帮你创建，要么在哀求路径上进行指定
参数的使用：
{
"id": 1,//一般不使用这一行
"name": "springboot1",
"type": "book",
"desctiption": "an book"
}
第一种哀求方式：
https://img-blog.csdnimg.cn/direct/a8e4cf05bd7e47feaee67b13d9b84999.png
返回结果：
{
"_index": "books",
"_type": "_doc",
"_id": "MgeZxIwB35gR6M6IUssu",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 1,
"_primary_term": 1
}
第二种哀求方式：
https://img-blog.csdnimg.cn/direct/e9fccf1729ca4adf94a897cb749032dc.png
返回结果：
{
"_index": "books",
"_type": "_doc",
"_id": "55",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 2,
"_primary_term": 1
}
第三种哀求方式：
https://img-blog.csdnimg.cn/direct/82081d8699ea4fdfb439ad9fe9731c3d.png
返回结果：
{
"_index": "books",
"_type": "_doc",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 0,
"_primary_term": 1
}
获取文档
[*]根据id获取某个索引的文档：http://localhost:9200/books/_doc/1
https://img-blog.csdnimg.cn/direct/34f7e99788f34f72985d92e5568ec6a4.png
[*]获取某个索引的所有的文档：GET哀求 http://localhost:9200/books/_search
https://img-blog.csdnimg.cn/direct/b095f39a40ea4afebf70a27a967dfc81.png
3. 根据指定条件获取某个索引的所有的文档：
GET请求 http://localhost:9200/books/_search?q=name:springboot
# q=查询属性名:查询属性值
https://img-blog.csdnimg.cn/direct/6d3e2dfb5cb14ce8845a35f450b65ad6.png
删除文档
[*]根据id进行删除：DELETE哀求 http://localhost:9200/books/_doc/1
https://img-blog.csdnimg.cn/direct/b21aac2f6e294e4aa12bcfb222bf047b.png
修改文档（分为全量更新和部分更新）
全量更新（注意这里是put哀求，以及_doc）
[*]PUT哀求 http://localhost:9200/books/_doc/1：根据指定id进行修改，传入的数据就是修改后的数据。
//文档通过请求参数传递，数据格式json
{
"name":"springboot",
"type":"springboot",
"description":"springboot"
}
https://img-blog.csdnimg.cn/direct/846577e0790546f3935f5921c37f543e.png
修改文档（部分更新）注意：这里是post哀求，以及_update
[*]POST哀求 http://localhost:9200/books/_update/1
//文档通过请求参数传递，数据格式json
{
"doc":{ //部分更新并不是对原始文档进行更新，而是对原始文档对象中的doc属性中的指定属性更新
"name":"springboot" //仅更新提供的属性值，未提供的属性值不参与更新操作
}
}
https://img-blog.csdnimg.cn/direct/b148a7bc404f41be9702f01f0a4f3a23.png
三、Springboot整合ES
[*] 整合步骤（依旧是拿三板斧）：
[*]
[*]导入依靠
[*]
[*]做配置（springboot底层有默认的配置）
[*]
[*]调用它的api接口
[*] ES有两种级别的客户端，一种是Low Level Client，一种是High Level Client。
[*]Low Level Client：这种客户端操作方式性能方面略显不敷，不保举使用，但是springboot最初整合ES的时间使用的是低级别客户端，所以企业开发需要更换成高级别的客户端模式。
[*]High Level Clien：高级别客户端与ES版本同步更新
Springboot整合Low Level Client的ES（不保举使用了，这里了解一下）
[*]ES早期的操作方式如下：
步骤①：导入springboot整合ES的starter坐标（spiringboot里面有指定版本（就是低级别的版本号）
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
步骤②：进行基础配置
spring:
elasticsearch:
rest:
uris: http://localhost:9200
配置ES服务器地址，端口9200（默认就是9200）
步骤③：使用springboot整合ES的专用客户端接口ElasticsearchRestTemplate来进行操作
@SpringBootTest
class Springboot18EsApplicationTests {
@Autowired
private ElasticsearchRestTemplate template;
}
springboot测试类中的测试类的初始化方法和销毁方法的使用
[*]@BeforeEach:在测试类中每个操作运行前运行的方法
[*]@AfterEach ：在测试类中每个操作运行后运行的方法
@SpringBootTest
class Springbootests {
@BeforeEach //在测试类中每个操作运行前运行的方法
void setUp() {
//各种操作
}
@AfterEach //在测试类中每个操作运行后运行的方法
void tearDown() {
//各种操作
}
}
Springboot整合High Level Client的ES
[*]高级别客户端方式进行springboot整合ES，操作步骤如下：
步骤①：导入springboot整合ES高级别客户端的坐标，此种情势目前没有对应的starter
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
这里的springboot版本为：2.5.4，es的版本为7.16.2，那时间的springboot没有整合高级别的ES，所以配置文件里不需要配置，只能写硬编码配置
步骤②：使用编程的情势设置连接的ES服务器，并获取客户端对象
步骤③：使用客户端对象操作ES，例如创建索引，为索引添加文档等等操作。
ES-----创建客户端
@SpringBootTest
class Springboot18EsApplicationTests {
@Autowired
private BookMapper bookMapper;
private RestHighLevelClient client;
@Test
void testCreateClient() throws IOException {
//先创建ES客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
client.close();
}
}
配置ES服务器地址与端口9200，记得客户端使用完毕需要手工关闭。由于当前客户端是手工维护的，因此不能通过自动装配的情势加载对象。
ES-----根据客户端创建索引
@SpringBootTest
class Springboot18EsApplicationTests {
@Autowired
private BookMapper bookMapper;
private RestHighLevelClient client;
@Test
void testCreateIndex() throws IOException {
//先创建ES客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
//在通过ES客户端创建索引
CreateIndexRequest request = new CreateIndexRequest("books");
client.indices().create(request, RequestOptions.DEFAULT);
client.close();
}
}
高级别客户端操作是通过发送哀求的方式完成所有操作的，ES针对各种差别的操作，设定了各式各样的哀求对象，上例中创建索引的对象是CreateIndexRequest，其他操作也会有自己专用的Request对象。
ES-----根据客户端创建索引（使用Ik分词器）
使用分词器IK：
//json的参数：
{
"mappings":{
"properties":{
"id":{
"type":"keyword"
},
"name":{
"type":"text",
"analyzer":"ik_max_word",
"copy_to":"all"
},
"type":{
"type":"keyword"
},
"description":{
"type":"text",
"analyzer":"ik_max_word",
"copy_to":"all"
},
"all":{
"type":"text",
"analyzer":"ik_max_word"
}
}
}
}
@Test
void testCreateClientIndexByIk() throws IOException {
// 创建客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
CreateIndexRequest request = new CreateIndexRequest("books");
String json = "{\n" +
" \"mappings\":{\n" +
" \"properties\":{\n" +
" \"id\":{\n" +
" \"type\":\"keyword\"\n" +
" },\n" +
" \"name\":{\n" +
" \"type\":\"text\",\n" +
" \"analyzer\":\"ik_max_word\",\n" +
" \"copy_to\":\"all\"\n" +
" },\n" +
" \"type\":{\n" +
" \"type\":\"keyword\"\n" +
" },\n" +
" \"description\":{\n" +
" \"type\":\"text\",\n" +
" \"analyzer\":\"ik_max_word\",\n" +
" \"copy_to\":\"all\"\n" +
" },\n" +
" \"all\":{\n" +
" \"type\":\"text\",\n" +
" \"analyzer\":\"ik_max_word\"\n" +
" }\n" +
" }\n" +
" }\n" +
"}";
//设置请求中的参数（添加分词器）
request.source(json, XContentType.JSON);
client.indices().create(request, RequestOptions.DEFAULT);
client.close();
}
IK分词器是通过哀求参数的情势进行设置的，设置哀求参数使用request对象中的source方法进行设置，至于参数是什么，取决于你的操作种类。当哀求中需要参数时，均可使用当前情势进行参数设置。
ES-----为索引添加文档
// 添加文档：
@Test
void testCreateClientIndexByIkAddData() throws IOException {
// 创建客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
// 进行添加操作，因为前面已经创建好了books索引
Book book = bookMapper.selectById(1);
// 把book对象数据转换为json数据，
String json = JSON.toJSONString(book);
// 指定添加的文档的id为book.getId()，需要添加文档的索引为books
IndexRequest request = new IndexRequest("books").id(book.getId().toString());
// 传入数据
request.source(json,XContentType.JSON);
client.index(request,RequestOptions.DEFAULT);
client.close();
}
添加文档使用的哀求对象是IndexRequest，与创建索引使用的哀求对象差别。
ES-----为索引批量添加文档
// 批量添加
@Test
void testCreateClientIndexByIkAddBatchData() throws IOException {
// 创建客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
// 进行添加操作，因为前面已经创建好了books索引
List<Book> bookList= bookMapper.selectList(null);
// BulkRequest的对象，可以将该对象理解为是一个保存request对象的容器，
// 将所有的请求都初始化好后，添加到BulkRequest对象中，再使用BulkRequest对象的bulk方法，一次性执行完毕
BulkRequest bulk = new BulkRequest();
for (Book book : bookList) {
// 把book对象数据转换为json数据，
String json = JSON.toJSONString(book);
// 指定添加的文档的id为book.getId()，需要添加文档的索引为books
IndexRequest request = new IndexRequest("books").id(book.getId().toString());
// 传入数据
request.source(json,XContentType.JSON);
// 把数据放进BulkRequest对象里面
bulk.add(request);
}
// 批量执行
client.bulk(bulk,RequestOptions.DEFAULT);
// 关闭客户端
client.close();
}
批量做时，先创建一个BulkRequest的对象，可以将该对象理解为是一个保存request对象的容器，将所有的哀求都初始化好后，添加到BulkRequest对象中，再使用BulkRequest对象的bulk方法，一次性执行完毕。
ES-----查询文档
根据id查询
@Test
//按id查询
void testGetById() throws IOException {
// 创建客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
// 根据id查询
GetRequest request = new GetRequest("books","1");
GetResponse response = client.get(request, RequestOptions.DEFAULT);
// 获取查询到的数据中的source属性的数据
String json = response.getSourceAsString();
System.out.println(json);
client.close();
}
条件查询
@Test
//按条件查询
void testSearch() throws IOException {
// 创建客户端
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
//
SearchRequest request = new SearchRequest("books");
//创建条件查询对象
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 设置查询条件
searchSourceBuilder.query(QueryBuilders.termQuery("all", "spring"));
// 把查询条件放进请求中
request.source(searchSourceBuilder);
// 根据请求获取返回数据
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 获取返回数据里面的hits属性（获取的具体属性，可以看上面的postman操作）
SearchHits hits = response.getHits();
for (SearchHit hit : hits) {
String source = hit.getSourceAsString();
//把json数据转换为对象
Book book = JSON.parseObject(source, Book.class);
System.out.println(book);
}
}
Mysql与Es数据同步的实现（这里只是根本了解一下）
[*]在现实项目开发中，我们常常将mysql作为业务数据库，ES作为擦汗寻数据库，用来实现读写分离，缓解mysql数据库的查询压力，应对海量数据的复杂查询。
1、同步双写
[*]这是一种最为简朴的方式，在将数据写入mysql的同时，也把数据写到ES里面
[*]优缺点：
[*]长处
[*]
[*]业务逻辑简朴
[*]2、 及时性高
[*]缺点：
[*]
[*]硬编码，有需要写入MySQL的地方，都需要添加写入es的代码
[*]
[*]业务强耦合
[*]
[*]存在双写失败丢失数据的风险
[*]
[*]性能较差，本来的mysql的性能不是很高，再加一个es系统的性能必然会降落
2. 异步双写
[*]针对多数据源写入的场景，可以借助MQ实现异步的多源写入
[*]优缺点
[*]长处：
[*]
[*]性能高
[*]
[*]不易出现数据丢失题目：紧张基于MQ消息的消费保障机制，比如ES宕机大概写入失败，还能重新消费MQ消息；
[*]
[*]多源写入之间相互隔离，便于扩展更多的数据源写入
[*]缺点：
[*]
[*]硬编码题目：接入新的数据源需要实现新的消费者代码
[*]2、系统复杂度增加，映入了消息中间件
[*]3、数据及时题目，mq是异步消费，用户输入，不一定会立刻同步让他看到
3、基于sql抽取（定时使命）
[*]上面两种方案都存在硬编码题目，代码的侵入性太强，如果对及时性要求不高的情况下，可以思量用定时器来处理：
[*]
[*]数据库的相关表中增加一个字段为updatetime（自己界说的名称）字段，任何CURD操作都会导致该字段的现实发生厘革
[*]
[*]原来程序中的crud操作不做任何厘革
[*]
[*]增加一个定时器程序，让该程序按一定的时间周期扫描指定的表，把该时间段内发生的厘革的数据提取出来
[*]
[*]比较此字段来确认变动数据，然后把变动的数据逐条写入ES中。
[*]优缺点：
[*]长处：
[*]1、不改原代码，没有侵入性，没有硬编码；
[*]2、没有业务强耦合，不改变原来程序的性能；
[*]3、worker代码编写简朴，不需要思量增删改查；
[*]缺点：
[*]1、时效性太差，由于采取定时器根据固定频率查询表来同步数据，只管将同步周期设置到秒级，也还是会存在一定时间的耽误。
[*]2、对数据库有一定的轮询压力。
[*]优化的方案：
[*]1、将轮寻放到压力不大的从库上
[*]2、借助logstash实现数据同步，其底层实现原理就是根据配置定期使用sql查询新增的数据写入es中，实现数据的增量同步（经典方案）
4、基于Binlog实现同步
[*] 前三种代码要么有代码侵入，要么有耽误。
[*] 而基于Binlog与mysql实现同步：既能保证数据同步的及时性又没有代入、侵入性。
[*] 实施步骤
[*]1、读取mysql 的binlog日志，获取指定表的日志信息；
[*]2、将读取的信息转为mq；
[*]3、编写一个mq消费程序；
[*]4、不断消费mq，每费完一条消息，将消息写入到es中；
[*] 优缺点：
[*]长处：
[*]1、没有代码侵入，没有硬编码；
[*]原有系统不需要任何厘革，没有感知；
[*]3、性能高
[*]4、业务解耦，不需要关注原来系统的业务逻辑
[*]缺点：
[*]1、构建Binlog系统复杂
[*]2、如皋采用MQ消费解析的Binlog信息，也会存在MQ延时的风险
数据迁移工具选型
[*]对于上面的四种数据同步方案，“基于Binlog及时同步”方案是目前最为常用的，也诞生了许多优秀的数据迁移工具，紧张有以下几种：
[*]1、canal （原理是伪装成mysql的从数据库）
[*]2、阿里云DTS （需付费）
[*]3、databus
[*]4、Flink
[*]5、CloudCanal
[*]6、Maxwell
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]