利用kettle Spoon从oracle或mysql定时增量更新数据到Elasticsearch

背景：

    目前的业务数据数据已经很大了，关于查询内的需求比较多，传统数据库已经不能满足目前的需要。必须得使用全文检索了，了解了相关资料，发现Elasticsearch这个工具比较强大。于是就开始新一段的爬坑之旅了...

    Elasticsearch安装什么的很方便，但是更新却是个很大的问题。开始尝试了Logstash这个工具，各种尝试后，还是放弃了。主要原因是速度慢，数据源是oracle数据库的时候，不能增量更新，生成的索引文档id各种问题，果断放弃...

    后面尝试了Kettle spoon，换了n多个版本，都没有找到一个跟Elasticsearch兼容的比较好的版本。查了n多资料，发现没一个能够说清楚解决思路的。自己也想过放弃，但项目上有刚需，只得硬着头皮弄了。功夫不负有心人，终于成功了...

分享：

    写在前面：第一篇博客，不喜勿喷哈。之前一直潜水，这次想奉献一下~

    目的：将mysql或oracle里面的数据定时增量抽取到ES。

    思路：利用spoon发送http post请求，然后获取索引中最大的时间，然后将数据库中查出大于该时间的记录，定时导入到ES即可。（还有一种常见的是，将每种类型的数据更新完后，存入到一张管理表总，下次抽取大于这个时间的）

    工具下载链接：

    Spoon 7.1修复版本：链接：https://pan.baidu.com/s/1bPAjMWt_ur7BqPI6zkkE4g 密码：v1li

    Elasticsearch2.3.2 : 链接：https://pan.baidu.com/s/1FlyvCCSjEIqZJB1F59qkzg 密码：w49r

    Elasticsearch-head : 链接：https://pan.baidu.com/s/1pCf9e-WH3N9b5JFSMFPpAg 密码：1959

    方案步骤（举例）：

1、新建索引，设置分片数，备份数2、新建索引类型（举个例子）    注意：需要使用统计功能的字段类型不能设置为String    请求地址：http://localhost:9200/gj_index/tx_type/_mapping/    请求类型：put    请求参数：   { "tx_type": {"properties": {"ZBY": {"type": "double"},"ZBX": {"type": "double"},"DZ": {"type": "string","index":"not_analyzed" //ES不分析这个字段，这样只能进行精确查询},"IMSI": {"type": "string"},"TMSI": {"type": "string"},"IMEI": {"type": "string"},"JLSJ": {"type": "long" //时间戳，不能使用String，否则无法统计。这边转成了秒},"SBID": {"type": "string"},"LAC": {"type": "string"}}}}截图如下：

3、先模拟请求，找到索引中某类型（testtype）中最大的时间字段(endtime)，如图所示：

4、新建Spoon转换、任务

• 获取到索引中最大的时间戳（模拟请求，获取该索引中endtime最大的那个值）

        a、整体效果图：

        b、设置请求参数

        c、发送post请求

        d、获取当前类型中最大的时间

• 新建插入索引转换，将大于此时间的记录获取到，直接插入到ES中

        a、整体效果图
            

        b、表输入

        

        c、插入到索引

• 新建定时任务，定时增量抽取数据

        a、 每隔5秒执行一次增量更新任务
        b、设置job变量 maxjlsl

c、添加转换（获取索引中最大时间）

d、取得转换任务中的最大时间，更新到 maxjlsj

e、添加转换（插入数据到ES）

    点击运行，大功告成 ...

阅读更多