相关文章

• 【数仓】基本概念、知识普及、核心技术
• 【数仓】数据分层概念以及相关逻辑
• 【数仓】Hadoop软件安装及使用（集群配置）
• 【数仓】Hadoop集群配置常用参数说明
• 【数仓】zookeeper软件安装及集群配置
• 【数仓】kafka软件安装及集群配置
• 【数仓】flume软件安装及配置
• 【数仓】flume常见配置总结，以及示例

一、Maxwell有什么作用

Maxwell是一个读取MySQL binlogs（二进制日志）的应用程序，它的主要作用是将MySQL中的变更数据（包括insert、update、delete等操作）实时捕获，并将这些变更数据以JSON格式发送到Kafka、Kinesis、RabbitMQ等流数据处理平台。通过这种方式，Maxwell实现了数据的实时同步和变更捕获，为数据仓库提供了实时、准确的数据源。

具体来说，Maxwell可以支持SELECT * FROM table的方式进行全量数据初始化，同时还支持在主库发生failover后自动恢复binlog位置(GTID)。此外，Maxwell还可以对数据进行分区，解决数据倾斜问题，并支持database、table、column等级别的数据分区。在工作方式上，Maxwell伪装为MySQL的Slave，接收binlog events，然后根据schemas信息拼装，可以接受ddl、xid、row等各种event。

总的来说，在数仓中，Maxwell的作用主要是实时捕获MySQL中的变更数据，并将这些数据以流的形式发送到下游处理平台，从而实现数据的实时同步和处理。这对于需要实时分析、处理大量数据的场景（如实时报表、实时推荐系统等）非常有用。

二、环境准备

准备1台虚拟机

• Hadoop131：192.168.56.131

本例系统版本 CentOS-7.8，已安装jdk1.8

关闭防火墙

systemctl stop firewalld

三、Maxwell安装配置

1、Maxwell下载安装

这里使用的是1.29.2版本，1.30.0以上的版本需要jdk11

# 下载解压
wget --no-check-certificate https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz
tar -xzvf maxwell-1.29.2.tar.gz
mv  maxwell-1.29.2/ /data/maxwell/

2、开启mysql Binlog模式

在 MySQL 8.0 中，要开启二进制日志（binlog），你需要在 MySQL 的配置文件（my.ini 或 my.cnf）中设置相应的选项。以下是如何开启 binlog 的步骤：

1. 找到配置文件：首先，找到 MySQL 的配置文件。在 Windows 上，它通常位于 MySQL 安装目录下的 my.ini 文件中。在 Linux 或其他 Unix-like 系统上，它通常位于 /etc/my.cnf 或 /etc/mysql/my.cnf。如果找不到这些文件，请根据你的安装方式和操作系统查找正确的位置。

2. 编辑配置文件：使用文本编辑器打开配置文件。在 [mysqld] 部分下添加或修改以下行：

   [mysqld]
   log-bin=mysql-bin  # 开启 binlog 并设置日志文件名前缀为 mysql-bin
   server-id=1        # 设置服务器 ID，确保每个 MySQL 实例的 server-id 是唯一的
   binlog-format=row
   binlog-do-db=user  # 指定需要记录二进制日志的数据库名
   # 如果需要配置多个数据库，可以写多行，类似如下
   # binlog-do-db=database1  
   # binlog-do-db=database2
   

   log-bin 选项用于启用二进制日志并设置日志文件的名称前缀。server-id 是必需的，用于在复制环境中标识每个 MySQL 服务器实例。

3. 重启 MySQL 服务：保存配置文件后，需要重启 MySQL 服务以使更改生效。根据你的操作系统和安装方式，使用相应的命令来重启 MySQL 服务。例如，在 Linux 上，你可能会使用 sudo systemctl restart mysql 或 sudo service mysql restart。在 Windows 上，你可以通过服务管理器重启 MySQL 服务。

4. 验证 binlog 是否已开启：重启 MySQL 服务后，登录到 MySQL 服务器并运行以下 SQL 查询来验证 binlog 是否已开启：

   SHOW VARIABLES LIKE 'log_bin';
   

   如果返回的结果是 ON，则表示 binlog 已成功开启。

请注意，开启 binlog 可能会增加一些磁盘 I/O 开销，因为所有更改数据的查询都会被记录到日志文件中。确保你的磁盘有足够的空间来存储这些日志文件，并定期监控和管理它们的大小和数量。

3、创建Maxwell所需的数据库和用户

# 创建数据库
CREATE DATABASE maxwell;# 创建 maxwell 用户并赋予其必要权限
CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
GRANT ALL ON maxwell.* to 'maxwell'@'%';
GRANT SELECT,REPLICATION CLIENT,REPLICATION SLAVE ON *.* TO 'maxwell'@'%'

4、配置Maxwell属性

重命名根目录（/data/maxwell）下的 config.properties.example，然后修改配置

mv config.properties.example config.properties

vim config.properties，如下配置：

producer=kafka
#目标 Kafka 集群地址
kafka.bootstrap.servers=hadoop131:9092,hadoop132:9092,hadoop133:9092
#目标 Kafka topic，可静态配置，例如:maxwell，也可动态配置，例如:%{database}_%{table}
kafka_topic=topic_db# mysql login info
host=192.168.56.1
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true#过滤目标数据库中无须采集的表
filter=exclude:gmall.sys_log
#指定数据按照主键分组进入 Kafka 不同分区，避免数据倾斜
producer_partition_by=primary_key

5、启动Maxwell

1）创建Maxwell启动脚本mxw.sh

vi /usr/bin/mxw.sh
# 修改文件权限
chmod 777 /usr/bin/mxw.sh

2）复制如下内容

#!/bin/bashMAXWELL_HOME=/data/maxwell#1. 判断参数个数
if [ $# -lt 1 ]
thenecho Not Enough Arguement!exit;
fistatus_maxwell(){result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`return result
}start_maxwell(){status_maxwellif [[ $? -lt 1 ]]; thenecho "启动 Maxwell"$MAXWELL_HOME/bin/Maxwell --config $MAXWELL_HOME/config.properties --daemonelseecho "Maxwell 正在运行"fi
}stop_maxwell(){status_maxwellif [[ $? -gt 0 ]]; thenecho "停止 Maxwell"ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep |awk '{print $2}' | xargs kill -9elseecho "Maxwell 未在运行"fi
}case $1 in"start")start_maxwell;;"stop")stop_maxwell;;"restart")stop_maxwellstart_maxwell;;*)echo "Input Args Error...";;
esac

3）执行脚本 mxw.sh start 启动

先要启动zookeeper 和 kafka

6、测试

经过上面的步骤，已经启动了zookeeper 、 kafka、和maxwell

链接数据库，随便修改一个表的数据，比如我修改的是user.t_user表。

链接kafka，可以看见自动创建了topic topic_db，查看同步数据：

{"database": "user","table": "t_user","type": "update","ts": 1709895217,"xid": 3760,"commit": true,"data": {"id": 28,"name": "1232","msg": "新用户注册事务提交事件","create_time": "2023-05-20 23:59:59","last_login_time": null,"status": 1},"old": {"name": "123"}
}

经过上面测试，说明使用Maxwell，监控mysql binlog 同步数据的操作已经打通！

四、Maxwell 全量同步

1、使用 maxwell-boostrap 全量同步数据

/data/maxwell/bin/maxwell-bootstrap --database user --table t_user --config /data/maxwell/config.properties

主要参数：

• --database dbname：指定要从中获取初始数据快照的数据库名称。
• --table tablename：指定要从中获取初始数据快照的表名称。这个参数是可选的，如果省略，则默认会同步整个数据库的所有表。但是，请注意，根据 Maxwell 的具体版本和配置，这个行为可能会有所不同。
• --config /data/maxwell/config.properties：指定 Maxwell 的配置文件路径。这个配置文件包含了连接到 MySQL 数据库所需的所有信息，以及其他与 Maxwell 相关的配置。

注意事项：

• maxwell-bootstrap 命令通常只用于初始化数据同步，而不是用于持续的数据同步。一旦初始数据快照被创建并加载到 Maxwell 中，Maxwell 就会开始监听 binlogs 并进行实时数据同步。
• 在执行 maxwell-bootstrap 命令之前，请确保 MySQL 数据库的 binlog 功能已经开启，并且 binlog 格式设置为 ROW 或 MIXED（以 ROW 为主）。这是因为 Maxwell 需要 binlog 中的行级更改信息来进行数据同步。
• maxwell-bootstrap 命令的输出通常是一系列包含数据库更改事件的 JSON 消息。这些消息可以被直接发送到 Maxwell 的输出目标（如 Kafka），或者被写入到一个文件中供后续处理。
• 由于 maxwell-bootstrap 会生成大量的数据，因此在执行该命令时要小心谨慎，确保目标系统能够处理这些数据负载。
• 最后，请注意检查 Maxwell 的官方文档以获取关于 maxwell-bootstrap 命令的最新信息和最佳实践建议。因为随着 Maxwell 版本的更新，命令的功能和用法可能会发生变化。

2、查看kafka数据

{"database": "user","table": "t_user","type": "bootstrap-insert","ts": 1709735024,"data": {"id": 27,"name": "Hello 001","msg": "新用户注册事务提交事件","create_time": "2023-05-20 11:37:44","last_login_time": null,"status": 1}
}

示例输出：

{"database": "dbname","table": "tablename","type": "bootstrap-start","ts": 1234567890,"data": {}
}
{"database": "dbname","table": "tablename","type": "bootstrap-insert","ts": 1234567890,"data": {"id": 1,"name": "John Doe"}
}
{"database": "dbname","table": "tablename","type": "bootstrap-complete","ts": 1234567890,"data": {}
}

在这个示例中，type 字段用于区分不同类型的更改事件。bootstrap-start 和 bootstrap-complete 分别表示数据快照的开始和结束，而 bootstrap-insert 则表示一个插入操作。ts 字段表示更改事件的时间戳，而 data 字段则包含了更改的具体数据。

参考

• https://github.com/zendesk/maxwell