mysql增量同步到greenplum

采用工具：maxwell+kafka+bireme

maxwell：maxwell能实时解析mysql的binlog，并输出json格式的数据发送到kafka（还支持其它的消息中间件），具体参见：

kafka: 一种消息中间件，在该方案中主要用于消息中转，具体参见kafka官网

bireme：支持greenplum的数据增量同步工具，在写入greenplum的过程中，由于采用copy模式，所以性能较高，具体参见bireme官网

大致原理就是：利用maxwell把mysql binlog解析成json,然后用kafka创建topic,然后用bireme消费，从而达到增量，增量的前提是先把数据全量同步一次，然后再增量。

全量同步初始化个人推荐dbswitch工具，个人测试使用体验最佳，可以自动创建表结构，同步速度也很快。

操作步骤：

1.下载并搭建kafka服务

2.下载并搭建maxwell服务，修改配置使其能够连接mysql并能向kafka写入数据

3.下载并搭建bireme服务，修改配置使其能读取kafka的数据并能向greenplum写入数据

kafka：

(1)下载安装：

wget http://mirrors.hust.edu.cn/apache/kafka/2.5.0/kafka_2.12-2.5.0.tgz
tar -xzf kafka_2.12-2.5.0.tgz -c /usr/local

(2)配置server.properties，我的简单配置如下：

[root@szwpldb1080 config]# cat server.properties |grep -ve '^#|^$'
broker.id=0
num.network.threads=3
num.io.threads=8
socket.send.buffer.bytes=102400
socket.receive.buffer.bytes=102400
socket.request.max.bytes=104857600
log.dirs=/tmp/kafka-logs
num.partitions=1
num.recovery.threads.per.data.dir=1
offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1
log.retention.hours=16
log.cleanup.policy=delete
log.segment.bytes=1073741824
log.retention.check.interval.ms=3000
delete.topic.enable = true
zookeeper.connect=localhost:2181
zookeeper.connection.timeout.ms=6000
delete.topic.enable=true
group.initial.rebalance.delay.ms=0
advertised.host.name=172.18.1.150

(3)制作kafka启停脚本（提前安装好java）：

#!/usr/bin/env bash
# chkconfig: 2345 20 80
#description: start and stop server
zoop_home=/usr/local/kafka_2.12-2.5.0/bin
java_home=/usr/java/jdk1.8.0_221/
path=$java_home/bin:$path
classpath=.:$java_home/lib/dt.jar:$java_home/lib/tools.jar

svr_name=kafka
case $1 in 
    start)
        echo "starting $zoop_home/$svr_name ..."
       $zoop_home/kafka-server-start.sh /usr/local/kafka_2.12-2.5.0/config/server.properties  > /tmp/kafka.logs.out&
        ;;
    stop)
        echo "stopping $pro_home/$svr_name ..."
        ps -ef|grep *.$svr_name* |grep -v grep |awk '{print $2}'  | sed -e "s/^/kill -9 /g" | sh - 
        ;;
    restart)
        "$0" stop
        sleep 3
        "$0" start
        ;;
    status)
        ps -ef|grep *.$svr_name*
        ;;
    logs)
        tail -f /tmp/zookeeper.logs.out
        ;;
    *)       
        echo "example: server-$svr_name [start|stop|restart|status|logs]" ;;
esac

添加到 /etc/rc.d/init.d ,然后就可以直接service kafka xxx来管理，或者添加到systemd下面，确保服务正常启动安装zookerper,然后启动kafka。

我的zookeeper简单配置如下：

[root@szwpldb1080 config]# cat zookeeper.properties |grep -ev '^$|^#'
datadir=/tmp/zookeeper
clientport=2181
maxclientcnxns=0

zookeeper启停脚本

#!/usr/bin/env bash
# chkconfig: 2345 20 80
#description: start and stop server
zoop_home=/usr/local/kafka_2.12-2.5.0/bin
java_home=/usr/java/jdk1.8.0_221/
path=$java_home/bin:$path
classpath=.:$java_home/lib/dt.jar:$java_home/lib/tools.jar

svr_name=zookeeper
case $1 in 
    start)
        echo "starting $zoop_home/$svr_name ..."
       $zoop_home/zookeeper-server-start.sh /usr/local/kafka_2.12-2.5.0/config/zookeeper.properties  > /tmp/zookeeper.logs.out&
        ;;
    stop)
        echo "stopping $pro_home/$svr_name ..."
        ps -ef|grep *.$svr_name* |grep -v grep |awk '{print $2}'  | sed -e "s/^/kill -9 /g" | sh - 
        ;;
    restart)
        "$0" stop
        sleep 3
        "$0" start
        ;;
    status)
        ps -ef|grep *.$svr_name*
        ;;
    logs)
        tail -f /tmp/zookeeper.logs.out
        ;;
    *)       
        echo "example: server-$svr_name [start|stop|restart|status|logs]" ;;
esac

(4)检查状态：

[root@szwpldb1080 config]# jps
1762 kafka
18521 quorumpeermain
30383 jps

maxwell:

(1)docker镜像下载

docker pull zendesk/maxwell

(2)在源端mysql建好用户设置好权限，测试maxwell：

docker run -ti --rm zendesk/maxwell bin/maxwell --user='xxxx' --password='xxxx' --host='x.x.x.x' --producer=stdout 

看到日志输出正常，可以放后台运行：

docker run -d --rm zendesk/maxwell bin/maxwell --user='xx' \
 --password='xx' --host='x.x.x.x' --port=3306\
 --producer=kafka --kafka.bootstrap.servers='x.x.x.x:9092'\
 --kafka_topic=syncdb --log_level=debug --output_ddl

然后创建kafka topic:

bin/kafka-topics.sh --create --topic syncdb --zookeeper localhost:2181 --partitions 1 --replication-factor 2

topic名字与maxwell创建的topic一致，并且由于maxwell可以解析所有binlog,但是bireme工具只能同步dml,因此没有加 --output_ddl

具体maxwell参数用法可以参考：

检查kafka消费情况:

[root@szwpldb1080 bin]# ./kafka-topics.sh --zookeeper localhost:2181 --describe --topic syncdb
topic:syncdb    partitioncount:1    replicationfactor:1    configs:
    topic: syncdb    partition: 0    leader: 0    replicas: 0    isr: 0
[root@szwpldb1080 bin]#./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic syncdb --from-beginning

看到kafka能接收maxwell产生的json文件，表示没问题。

bireme

安装配置都很简单，此处略过。

主要是修改以下2个配置文件。

config.properties
maxwell1.properties

然后监控 http://x.x.x.x:8080或者监控bireme日志就可以了。

总结：

只能同步dml语句，无法处理ddl，对比几款开源的工具已经同步方式，我觉得我这种是最舒服的。