06 数仓平台MaxWell

Maxwell简介

Maxwell是由Zendesk公司开源，用 Java 编写的MySQL变更数据抓取软件，能实时监控 MySQL数据库的CRUD操作将变更数据以 json 格式发送给 Kafka等平台。

Maxwell输出数据格式

Maxwell 原理

Maxwell工作原理是实时读取MySQL数据库的二进制日志（Binlog），从而获取变更数据，再将变更数据以 JSON 格式发送给Kafka等流处理平台。Maxwell遵循MySQL主从复制的协议，从master同步数据。

MySQL二进制日志

二进制日志（Binlog）会保存MySQL数据库的所有变更。Binlog主要作用包括主从复制和数据恢复。Maxwell工作原理和主从复制密切相关。

MySQL 主从复制原理如下

1. Master主库将数据变更记录，写到二进制日志（binlog）中
2. Slave 从库向 Master发送 dump 协议，将master 主库中的binary log events拷贝到它的中继日志（relay log）
3. Slave 从库读取并放回中继日志中的事件，将改变的数据同步到自己的数据库。

Maxwell 部署

1. 地址：https://github.com/zendesk/maxwell/releases/download/v1.29.2/maxwell-1.29.2.tar.gz。注： Maxwell-1.30.0及以上版本不再支持JDK1.8。
2. 将安装包解压到/opt/module

[logan@hadoop101 software]$ tar -zxf maxwell-1.29.2.tar.gz -C /opt/module/

3. 创建 link

[logan@hadoop101 module]$ ln -snf maxwell-1.29.2/ maxwell

配置MySQL

Mysql Bin log 模式

Statement-based：基于语句，Binlog会记录所有写操作的SQL语句，包括insert、update、delete等。优点是节省空间。缺点： 有可能造成数据不一致，例如insert语句中包含now()函数。

Row-based：基于行，Binlog会记录每次写操作后被操作行记录的变化。优点：保持数据的绝对一致性。缺点：占用空间较大。

mixed：混合模式，默认是Statement-based，如果SQL语句可能导致数据不一致，就自动切换到Row-based。

Maxwell要求Binlog采用Row-based模式。

启动Binlog 模式

1. 修改MySQL 的my.conf:sudo vim /etc/my.cnf，增加配置

[mysqld]

#数据库id
server-id = 1
#启动binlog，该参数的值会作为binlog的文件名
log-bin=mysql-bin
#binlog类型，maxwell要求为row类型
binlog_format=row
#启用binlog的数据库，需根据实际情况作出修改
binlog-do-db=gmall

2. 重启 MySQL服务sudo systemctl restart mysqld

3. 创建Maxwell 需要的数据库和用户
   Maxwell需要在MySQL中存储其运行过程中的所需的一些数据，包括binlog同步的断点位置（Maxwell支持断点续传）等等

   • 创建数据库

   	msyql> CREATE DATABASE maxwell;
   

   • 调整MySQL数据库密码级别

   mysql> set global validate_password_policy=0;
   mysql> set global validate_password_length=4;
   

   • 创建Maxwell用户并赋予其必要权限

   mysql> CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
   mysql> GRANT ALL ON maxwell.* TO 'maxwell'@'%';
   mysql> GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';
   

配置 Maxwell

1. 修改Maxwell配置文件名称

[logan@hadoop101 maxwell]$ cd /opt/module/maxwell
[logan@hadoop101 maxwell]$ cp config.properties.example config.properties

2. 修改 Maxwell 配置文件vim config.properties

#Maxwell数据发送目的地，可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
producer=kafka
#目标Kafka集群地址
kafka.bootstrap.servers=hadoop101:9092,hadoop102:9092
#目标Kafka topic，可静态配置，例如:maxwell，也可动态配置，例如：%{database}_%{table}
kafka_topic=maxwell

#MySQL相关配置
host=hadoop101
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai

Maxwell数据同步

1. 启动maxwell/opt/module/maxwell/bin/maxwell --config /opt/module/maxwell/config.properties --daemon
2. 停止ps -ef | grep maxwell | grep -v grep | grep maxwell | awk '{print $2}' | xargs kill -9
3. Maxwell启停脚本[logan@hadoop101 bin]$ vim mxw.sh

#!/bin/bash

MAXWELL_HOME=/opt/module/maxwell

status_maxwell(){
    result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`
    return $result
}


start_maxwell(){
    status_maxwell
    if [[ $? -lt 1 ]]; then
        echo "启动Maxwell"
        $MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --daemon
    else
        echo "Maxwell正在运行"
    fi
}


stop_maxwell(){
    status_maxwell
    if [[ $? -gt 0 ]]; then
        echo "停止Maxwell"
        ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
    else
        echo "Maxwell未在运行"
    fi
}


case $1 in
    start )
        start_maxwell
    ;;
    stop )
        stop_maxwell
    ;;
    restart )
       stop_maxwell
       start_maxwell
    ;;
esac

4. 增量数据同步
   • 启动 Kafka consumer

   [logan@hadoop101 ~]$ kafka-console-consumer.sh --bootstrap-server hadoop101:9092 --topic maxwell
   

   • 模拟生成数据

   [logan@hadoop101 db_log]$ java -jar gmall2020-mock-db-2021-11-14.jar
   

   • 观察数据生成结果

Maxwell 全量数据同步

需要在进行增量同步之前，先进行一次历史数据的全量同步。这样就能保证得到一个完整的数据集。Maxwell提供了bootstrap功能来进行历史数据的全量同步，命令如下：

[logan@hadoop101 db_log]$ /opt/module/maxwell/bin/maxwell-bootstrap --database gmall --table user_info --config /opt/module/maxwell/config.properties