4种MySQL数据同步ES的方法

大家应该都在各种电商网站检索过商品，检索商品一般都是通过什么实现呢？搜索引擎 Elasticsearch。

那么问题来了，商品上架，数据一般写入到 MySQL 的数据库中，那么用于检索的数据又是怎么同步到 Elasticsearch 的呢？

1.同步双写

这是能想到的最直接的方式，在写入 MySQL，直接也同步往 ES 里写一份数据。

对于这种方式：

• 优点：实现简单
• 缺点：
  • 业务耦合，商品的管理中耦合大量数据同步代码
  • 影响性能，写入两个存储，响应时间变长
  • 不便扩展：搜索可能有一些个性化需求，需要对数据进行聚合，这种方式不便实现

2.异步双写

我们也很容易想到异步双写的办法，上架商品的时候，先把商品数据丢进 MQ，为了解耦合，我们一般会拆分一个搜索服务，由搜索服务去订阅商品变动的消息，来完成同步。

前面说的，一些数据需要聚合处理成类似宽表的结构怎么办呢？例如商品库的商品品类、spu、sku 表是分开的，但是查询是跨维度的，在 ES 里再聚合一次效率就低一些，最好就是把商品的数据给聚合起来，在 ES 里以类似大宽表的形式存储，这样一来查询效率就高一些。

这种其实没什么好办法，基本上还是得搜索服务直接查库，或者远程调用，再查询一遍商品的数据库，就是所谓的回查。

回查完成聚合

这种方式：

• 优点：
  • 解耦合，商品服务无需关注数据同步
  • 实时性较好，使用 MQ，正常情况下，同步完成在秒级
• 缺点：引入了新的组件和服务，增加了复杂度

3.定时任务

假如我们要快速搞搞，数据量有没那么大，怎么办呢？定时任务也可以。

定时任务，最麻烦的一点是频率不好选，频率高的话，会非自然地形成业务的波峰，导致存储的 CPU、内存占用波峰式上升，频率低的话实时性比较差，而且也有波峰的情况。

这种方式：

• 优点：实现比较简单
• 缺点：
  • 实时性难以保证
  • 对存储压力较大

4.数据订阅

还有一种方式，就是最时兴的数据订阅。

MySQL 通过 binlog 订阅实现主从同步，各路数据订阅框架比如 canal 就依据这个原理，将 client 组件伪装成从库，来实现数据订阅。

我们以应用最广泛的 canal 为例，canal 通过canal-adapter，支持多种适配器，其中就有 ES 适配器，通过一些配置，启动之后，就可以直接把 MySQL 数据同步到 ES，这个过程是零代码的。

但是，和老板了解过，使用 canal 看起来很美好，帮我们把同步的事情都干了，但其实，还是要写代码。为什么呢？

前面提到的多张表数据聚合，canal 的支持没那么好，所以还是得回查。这时候用 canal-adapter 就不合适了，需要自己实现 canal-client，监听和聚合数据，写入 ES：

这种看起来和异步双写比较像，但是第一降低了商品服务的耦合，第二数据的实时性更好。

所以使用数据订阅：

• 优点：
  • 业务入侵较少
  • 实时性较好

至于数据订阅框架的选型，主流的大体上是这些：

除了 MySQL 同步 ES，MySQL 同步到其它的数据存储，例如 HBase，其实大体上都是类似的几种方法。

参考

• [1]. https://www.infoq.cn/article/1afyz3b6hnhprrg12833
• [2].https://www.iamle.com/archives/2900.html
• [3].https://blog.51cto.com/lianghecai/4755693
• [4].https://qinyuanpei.github.io/posts/1333693167/
• [5].https://github.com/alibaba/canal/wiki/ClientAdapter

·········  END  ··············