1
一、前言 Canal 是阿里的一款开源项目，纯 Java 开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了 MySQL(也支持 mariaDB)。 Canal 除了支持 binlog 实时 增量同步 数据。..

Test

一、全量同步Elasticsearch方案之Canal

1.1 前言

Canal 是阿里的一款开源项目，纯 Java 开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了 MySQL（也支持 MariaDB）。

Canal 除了支持 binlog 实时增量同步数据库之外也支持全量同步，本文主要分享使用Canal来实现从MySQL到Elasticsearch的全量同步；可通过使用 adapter 的 REST 接口手动触发 ETL 任务，实现全量同步。

PS：关于Canal的部署与 实时同步 请看文章《Canal高可用架构部署》  

1.2 ETL接口 adapter 的 ETL 接口为： /etl/{type}/{task} 默认web端口为 8081 type 为类型(hbase/es7/rdb)

1
2
3
4
5
6
7
8
 task 为任务名对应配置文件名，如sys_user.yml 
 
  
例子： 
 
 ```java
  curl -X POST http://127.0.0.1:8081/etl/es7/sys_user.yml

1
执行成功输出： `{"succeeded":true,"resultMessage":"导入ES 数据：17 条"}` #### 三、实践过程中遇到的坑
3.1. 连接池不够
1
当同步的数据量比较大时，执行一段时间后会出现下图的错误 ![Test](https://oscimg.oschina.net/oscnet/up-2f6057cce7f25dd90d0d9b893dc074cf547.png  '全量同步Elasticsearch方案之Canal')
3.1.1. 原因分析

查看 canal 源码得知当同步的数据量大于1w时，会分批进行同步，每批1w条记录，并使用多线程来并行执行任务，而 adapter 默认的连接池为3，当线程获取数据库连接等待超过1分钟就会抛出该异常。

 

3.1.2. 解决方式

修改 adapter 的 conf/application.yml 文件中的 srcDataSources 配置项，增加 maxActive 配置数据库的最大连接数为当前服务器cpu的可用线程数
cpu线程数可以下命令查看 grep 'processor' /proc/cpuinfo | sort -u | wc -l ##### 3.2. es连接超时

1
当同步的表字段比较多时，几率出现以下报错 ![Test](https://oscimg.oschina.net/oscnet/up-2f6057cce7f25dd90d0d9b893dc074cf547.png  '全量同步Elasticsearch方案之Canal')
3.2.1. 原因分析
1
由于 `adapter` 的表映射配置文件中的 `commitBatch` 提交批大小设置过大导致(6000)

 

3.2.2. 解决方式

修改 adapter 的 conf/es7/xxx.yml 映射文件中的 commitBatch 配置项为3000  

3.3. 同步慢

三千万的数据量用时3.5小时左右

3.3.1. 原因分析

由于当数据量大于1w时 canal 会对数据进行分批同步，每批1w条通过分页查询实现；所以当数据量较大时会出现深分页的情况导致查询非常慢。  

3.3.2. 解决方式

预先使用ID、时间或者业务字段等进行数据分批后再进行同步，减少每次同步的数据量。  

3.3.3. 案例

使用ID进行数据分批，适合增长类型的ID，如自增ID、雪花ID等；

查出 最小ID、最大ID 与 总数据量
根据每批数据量大小计算每批的 ID区间

 
计算过程：

1
2
3
4
最小ID = 1333224842416979257 
最大ID = 1341698897306914816 
总数据量 = 3kw 
每次同步量 = 300w

 

1
(1) 计算同步的次数 `总数据量 / 每次同步量 = 10` (2) 计算每批ID的增量值 `(最大ID - 最小ID) / 次数 = 847405488993555.9` (3) 计算每批ID的值 
1
最小ID + 增量值 = ID2
1
ID2 + 增量值 = ID3

…

1
ID9 + 增量值 = 最大ID
1
2
3
4
5
6
7
8
9
10
11
  
  
(4) 使用分批的ID值进行同步 
修改sql映射配置，的 `etlCondition` 参数： `etlCondition: "where id >= {} and id < {}"` 调用etl接口，并增加 `params` 参数，多个参数之间使用 `;` 分割 
 
  curl -X POST http://127.0.0.1:8081/etl/es7/sys_user.yml?params=最小ID;ID2

curl -X POST http://127.0.0.1:8081/etl/es7/sys_user.yml?params=ID2;ID3

...

 

本文标题： 全量同步Elasticsearch方案之Canal

发布时间： 2022年04月23日 00:00

最后更新： 2025年12月30日 08:54

原始链接： https://haoxiang.eu.org/3dd42f59/

版权声明： 本文著作权归作者所有，均采用CC BY-NC-SA 4.0许可协议，转载请注明出处！

赏
× 喜欢就赞赏一下呗！
打赏二维码