数据实时同步之MongoDB
2020-07-07
加入收藏
转载本文需注明出处：微信公众号EAWorld，违者必究。
前言：
随着传统企业的发展，企业数据呈现多样化，海量化，难以实现数据快速分析。MongoDB是当前很多企业使用的，当日积月累数据很大时，就可能会忽略历史数据的价值，可以把数据实时同步到其他储存：HBASE、HIVE、HDFS文件等等。在当前大数据、云计算的时代潮流下，实现数据价值，对企业决策力、洞察发现力极其有益。
在MongoDB 3.6 之后版本，提供Change Streams API。但目前数据量庞大的仍还是3.6之前版本的历史悠久企业。这些资产数据是不可缺少的，所以当使用3.6之前版本，两步走：首先对历史库数据迁移。再开始监听MongoDB库增量变化，实现MongoDB的监听和实时同步（Oplog）。
目录：
1.Oplog简介
2.MongoDB服务配置启动
3.Oplog获取和查看
4.简单JAVA代码实现
1.Oplog简介
1、认识
当在MongoDB的Primary下，我们进行操作库表时，这些操作会以特殊格式储存在local库下的一个固定集合中（下面会介绍到）。Secondary（次）就会通过获取主的oplog，来进行同步数据，并且存储自己的Oplog。所以Oplog 也是Mongodb Replication的重要组成了。
2、大小
Mongodb默认将其大小分配的是5%的空闲磁盘空间。也可以在创建 mongod 服务时，在mongo.conf中oplogSize自定义参数设置，单位是mb，如果不指定，不同操作系统上的 oplog 默认大小不同，具体为以下：
For 64-bit linux, Solaris, and FreeBSD systems：可以分配 5% 的剩余空间。如果分配的值仍小于 1GB，那么会分配 1GB。
For 64-bit OS X systems：分配 183MB。
For 32-bit systems：分配 48MB。
oplog的内存占比速度与系统处理写请求的速度相当，所以很快就会增量更新数据。时间上完全可以支持实时同步。
3、oplog库表
oplog会自动创建在local库的collection：
a、master/slave 架构下：local.oplog.$main
b、replica sets 架构下：local.oplog.rs
c、sharding 架构下，mongos下不能查看oplog，可到每一片去
2.MongoDB服务配置启动
1.解压当前目录
tar zxvf mongodb-linux-x86_64-3.2.22.tgz -C ./ mongodb-3.2.22
2.创建data、logs/mongodb.log文件夹
3. bin下创建mongodb.conf自定义配置
4. 创建启动脚本
start-mongodb.sh，赋权chmod +x start-mongodb.sh
5. 启动 ./start-mongodb.sh
6.测试
./mongo，默认进入的collections是test，PRIMARY节点
3.oplog获取和查看
1. oplog数据结构
分析oplog中字段的含义
- ts: 8字节的时间戳，由4字节unix timestamp + 4字节自增计数表示。这个值很重要，在选举(如master宕机时)新primary时，会选择ts最大的那个secondary作为新primary
- op：1字节的操作类型
- "i"：insert
- "u"：update
- "d"：delete
- "c"：db cmd
- "db"：声明当前数据库 (其中ns 被设置成为=>数据库名称+ '.')
- "n": no op,即空操作，其会定期执行以确保时效性
- ns：操作所在的namespace
- o：操作所对应的document，即当前操作的内容（比如更新操作时要更新的的字段和值）
- o2: 在执行更新操作时的where条件，仅限于update时才有该属性
2. 查看oplog的基本信息
通过"db.printReplicationInfo()"命令可以查看oplog的信息
字段说明：
- configured oplog size：oplog文件大小
- log length start to end: oplog日志的启用时间段
- oplog first event time: 第一个事务日志的产生时间
- oplog last event time: 最后一个事务日志的产生时间
- now: 现在的时间
3、查看oplog日志数据
这里我们一般会重视数据的变化，所以列出insert、update、delete示例
添加一条数据：
db.test.insert({"name":"这是一侧测试","age":"18"})
oplog日志数据：
{
"ts" : Timestamp(1588728789, 1),
"h" : NumberLong(0),
"v" : 2,
"op" : "i",
"ns" : "runoob.test",
"o" : {
"_id" : ObjectId("5eb213d5ce1474899c3a2482"),
"name" : "这是一侧测试",
"age" : "18"
}
}
修改：
db.test.update({"_id": ObjectId("5eb213d5ce1474899c3a2482")},{$set:{"name":"这是修改的测试","age":"20"}},false,true)
{
"ts" : Timestamp(1588730210, 1),
"h" : NumberLong(0),
"v" : 2,
"op" : "u",
"ns" : "runoob.test",
"o2" : {
"_id" : ObjectId("5eb213d5ce1474899c3a2482")
},
"o" : {
"$set" : {
"name" : "这是修改的测试",
"age" : "20"
}
}
}
删除：
db.test.remove({"name" : "这是修改的测试"})
{
"ts" : Timestamp(1588730347, 1),
"h" : NumberLong(0),
"v" : 2,
"op" : "d",
"ns" : "runoob.test",
"o" : {
"_id" : ObjectId("5eb213d5ce1474899c3a2482")
}
}
4.简单Java代码实现
1、maven依赖引入
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.41</version>
</dependency>
<dependency>
<groupId>org.mongodb</groupId>
<artifactId>mongo-java-driver</artifactId>
<version>3.2.2</version>
</dependency>
2、配置文件resource/mongo-config.properties
connectionsPerHost=10
connectTimeout=10000
cursorFinalizerEnabled=true
maxWaitTime=120000
threadsAllowedToBlockForConnectionMultiplier=5
readSecondary=false
socketTimeout=0
socketKeepAlive=false
write=0
writeTimeout=0
journal=false
hostConfString=127.0.0.1:27017
userName=adminUser
useCollection=admin
password=adminPass
3、MongoDBUtil.java工具类
/**
* @author wxb
* @date 2019-10-12 11:26
*/
public class MongoDBUtil {
private static MongoClient mongoClient;
private static Properties properties;
private static WriteConcern concern;
static {
try {
InputStream inputStream = MongoDBUtil.class.getClassLoader().getResourceAsStream("mongo-config.properties");
properties = new Properties();
properties.load(inputStream);
concern = new WriteConcern(Integer.parseInt(properties.getProperty("write")),
Integer.parseInt(properties.getProperty("writeTimeout")));
concern.withJournal(Boolean.valueOf(properties.getProperty("journal")));//读取journal参数值
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 初始化，返回客户端
*/
public static MongoClient initMongoHasUser() throws IOException {
List<ServerAddress> adds = new ArrayList<>();
String[] address = properties.getProperty("hostConfString").split(":");//读取服务IP地址和端口号
ServerAddress serverAddress = new ServerAddress(address[0], Integer.valueOf(address[1]));
adds.add(serverAddress);
List<MongoCredential> credentials = new ArrayList<>();
MongoCredential mongoCredential = MongoCredential.createScramSha1Credential(
properties.getProperty("userName"),
properties.getProperty("useCollection"),
properties.getProperty("passWord").toCharArray());
credentials.add(mongoCredential);
MongoClientOptions options = MongoClientOptions.builder()
.connectionsPerHost(Integer.parseInt(properties.getProperty("connectionsPerHost")))
.connectTimeout(Integer.parseInt(properties.getProperty("connectTimeout")))
.cursorFinalizerEnabled(Boolean.valueOf(properties.getProperty("cursorFinalizerEnabled")))
.maxWaitTime(Integer.parseInt(properties.getProperty("maxWaitTime")))
.threadsAllowedToBlockForConnectionMultiplier(Integer.parseInt(properties
.getProperty("threadsAllowedToBlockForConnectionMultiplier")))
.socketTimeout(Integer.valueOf(properties.getProperty("socketTimeout")))
.socketKeepAlive(Boolean.valueOf(properties.getProperty("socketKeepAlive")))
.writeConcern(concern)
.build();
if (adds.size() > 1){
mongoClient = new MongoClient(adds, credentials, options);
}else {
mongoClient = new MongoClient(adds.get(0), credentials, options);
}
return mongoClient;
}
}
4、MongoDBOpLog.java 集成了库验证、表查询、数据动态获取
4.1测试初始化客户端-持有数据库
public class MongoDBOpLog {
private static MongoClient mongoClient;
public static void main(String[] args) throws InterruptedException {
initMongoClient();
//获取local库
MongoDatabase database = getDatabase("local");
//监控库oplog.$main
MongoCollection<Document> runoob = getCollection(database, "oplog.$main");
//处理
dataProcessing(runoob);
}
private static void initMongoClient() {
try {
mongoClient = MongoDBUtil.initMongoHasUser();
} catch (IOException e) {
e.printStackTrace();
}
}
public static MongoDatabase getDatabase(String dataBase) {
if (!mongoClient.getDatabaseNames().contains(dataBase)) {
throw new RuntimeException(dataBase + " no exist !");
}
MongoDatabase mongoDatabase = mongoClient.getDatabase(dataBase);
return mongoDatabase;
}
4.2获取表对象
/**
* 获取表对象
* @param mongoDatabase
* @param testCollection
* @return
*/
public static MongoCollection<Document> getCollection(MongoDatabase mongoDatabase, String testCollection) {
MongoCollection<Document> collection = null;
try {
//获取数据库dataBase下的集合collecTion，如果没有将自动创建
collection = mongoDatabase.getCollection(testCollection);
} catch (Exception e) {
throw new RuntimeException("获取" + mongoDatabase.getName() + "数据库下的" + testCollection + "集合 failed !" + e);
}
return collection;
}
4.3获取数据流处理
/**
* 解析操作类型
* @param op
* @return
*/
private static String getEventType(String op) {
switch (op) {
case "i":
return "insert";
case "u":
return "update";
case "d":
return "delete";
default:
return "other";
}
}
/**
* 数据解析、格式封装，返回所有insert、update新数据，delete的老数据，做输出为逻辑删除，condition字段为空
* @return JSONObject
*/
private static JSONObject resultRow(Document document, JSONObject result, String eventType) {
JSONObject columns = new JSONObject();// 存放变化后的字段
result.put("columns", columns);
result.put("condition", new JSONObject()); // 条件
for (Map.Entry<String, Object> entry : document.entrySet()) {
if (entry.getKey().equalsIgnoreCase("_id")) {
columns.put(entry.getKey(), ((ObjectId) entry.getValue()).toString());
continue;
}
columns.put(entry.getKey(), entry.getValue());
}
return result;
}
case "d": return "delete"; default: return "other"; } } /** * 数据解析、格式封装，返回所有insert、update新数据，delete的老数据，做输出为逻辑删除，condition字段为空 * @return JSONObject */ private static JSONObject resultRow(Document document, JSONObject result, String eventType) { JSONObject columns = new JSONObject();// 存放变化后的字段 result.put("columns", columns); result.put("condition", new JSONObject()); // 条件 for (Map.Entry<String, Object> entry : document.entrySet()) { if (entry.getKey().equalsIgnoreCase("_id")) { columns.put(entry.getKey(), ((ObjectId) entry.getValue()).toString()); continue; } columns.put(entry.getKey(), entry.getValue()); } return result; }
4.4数据流标准化
/**
* 解析操作类型
* @param op
* @return
*/
private static String getEventType(String op) {
switch (op) {
case "i":
return "insert";
case "u":
return "update";
case "d":
return "delete";
default:
return "other";
}
}
/**
* 数据解析、格式封装，返回所有insert、update新数据，delete的老数据，做输出为逻辑删除，condition字段为空
* @return JSONObject
*/
private static JSONObject resultRow(Document document, JSONObject result, String eventType) {
JSONObject columns = new JSONObject();// 存放变化后的字段
result.put("columns", columns);
result.put("condition", new JSONObject()); // 条件
for (Map.Entry<String, Object> entry : document.entrySet()) {
if (entry.getKey().equalsIgnoreCase("_id")) {
columns.put(entry.getKey(), ((ObjectId) entry.getValue()).toString());
continue;
}
columns.put(entry.getKey(), entry.getValue());
}
return result;
}
case "d": return "delete"; default: return "other"; } } /** * 数据解析、格式封装，返回所有insert、update新数据，delete的老数据，做输出为逻辑删除，condition字段为空 * @return JSONObject */ private static JSONObject resultRow(Document document, JSONObject result, String eventType) { JSONObject columns = new JSONObject();// 存放变化后的字段 result.put("columns", columns); result.put("condition", new JSONObject()); // 条件 for (Map.Entry<String, Object> entry : document.entrySet()) { if (entry.getKey().equalsIgnoreCase("_id")) { columns.put(entry.getKey(), ((ObjectId) entry.getValue()).toString()); continue; } columns.put(entry.getKey(), entry.getValue()); } return result; }
5、结果
5.1新增
5.2更新
5.3删除
实践
目前普元数据服务共享平台DSP（Data Service Platform），已经集成离线开发和在线开发实现单表和多表同步到HBASE的实践，做到了这一步，并且对客户的需求完成交付。
总之，对于当前企业数据库MongoDB，无论是使用Change Streams，还是Oplog增量同步，实现数据汇聚、搭建数据服务共享平台，提取价值、长久规划，都是必不可少的。
关于作者： 雨声，现任普元高级开发工程师，熟悉软件开发的大数据、Java、常用消息组件等主流技术，有数据采集、消息推送、数据清洗、实时计算、数据可视化的完整开发经验。
关于EAWorld：微服务，DevOps，数据治理，移动架构原创技术分享。
