Maxwell 一款简单易上手的实时抓取Mysql数据的软件

第一章 Maxwell概述

1.1、Maxwell简介

Maxwell 是由美国 Zendesk 开源，用 Java 编写的 MySQL 实时抓取软件。

实时读取MySQL 二进制日志 Binlog，并生成 JSON 格式的消息，作为生产者发送给 Kafka，Kinesis、RabbitMQ、Redis、Google Cloud Pub/Sub、文件或其它平台的应用程序。

官网地址：http://maxwells-daemon.io/

官网页面：

1.2、maxwell工作原理

1.2.1、mysql主从复制过程

1、Master 主库将改变记录，写到二进制日志(binary log)中

2、Slave 从库向 mysql master 发送 dump 协议，将 master 主库的 binary log events 拷贝到它的中继日志(relay log)；

3、Slave 从库读取并重做中继日志中的事件，将改变的数据同步到自己的数据库。

1.2.2、Mysql中的binlog

【1】什么是binlog

MySQL 的二进制日志可以说 MySQL 最重要的日志了，它记录了所有的 DDL 和 DML(除了数据查询语句)语句，以事件形式记录，还包含语句所执行的消耗的时间，MySQL 的二进制日志是事务安全型的

一般来说开启二进制日志大概会有 1%的性能损耗。二进制有两个最重要的使用场景:

其一：MySQL Replication 在 Master 端开启 binlog，Master 把它的二进制日志传递给 slaves 来达到 master-slave 数据一致的目的。

其二：自然就是数据恢复了，通过使用 mysqlbinlog 工具来使恢复数据。

二进制日志包括两类文件：

二进制日志索引文件（文件名后缀为.index）用于记录所有 的二进制文件

二进制日志文件（文件名后缀为.00000*）记录数据库所有的 DDL 和 DML(除了数据查询语句)语句事件。

【2】binlog的开启

首先我们需要找到mysql的配置文件的位置

/etc/my.cnf

在 mysql 的配置文件下,修改配置

在[mysqld] 区块，设置/添加 log-bin=mysql-bin

这个表示 binlog 日志的前缀是 mysql-bin，以后生成的日志文件就是 mysql-bin.000001的文件后面的数字按顺序生成，每次 mysql 重启或者到达单个文件大小的阈值时，新生一个文件，按顺序编号。

【3】binlog的分类设置

mysql binlog 的格式有三种，分别是 STATEMENT,MIXED,ROW。

三种格式的区别：

1、statement

语句级，binlog 会记录每次一执行写操作的语句。相对 row 模式节省空间，但是可能产生不一致性，比如 update test set create_date=now(); 如果用 binlog 日志进行恢复，由于执行时间不同可能产生的数据就不同。

优点： 节省空间

缺点： 有可能造成数据不一致。

2、row

行级， binlog 会记录每次操作后每行记录的变化。

优点：保持数据的绝对一致性。因为不管 sql 是什么，引用了什么函数，他只记录执行后的效果。

缺点：占用较大空间。

3、mixed

混合级别，statement 的升级版，一定程度上解决了 statement 模式因为一些情况而造成的数据不一致问题

默认还是 statement，在某些情况下，譬如： 当函数中包含 UUID() 时； 包含 AUTO_INCREMENT 字段的表被更新时； 执行 INSERT DELAYED 语句时； 用 UDF 时； 会按照 ROW 的方式进行处理

优点：节省空间，同时兼顾了一定的一致性。

缺点：还有些极个别情况依旧会造成不一致，另外 statement 和 mixed 对于需要对binlog 监控的情况都不方便。

综合上面对比，Maxwell 想做监控分析，选择 row 格式比较合适

1.2.3、maxwell工作原理

Maxwell 的工作原理很简单，就是把自己伪装成 MySQL 的一个 slave，然后以 slave的身份假装从 MySQL(master)复制数据

1.2.4、Maxwell和Canal的区别

第二章 Maxwell的安装

2.1、下载地址

（1）Maxwell 官网地址：http://maxwells-daemon.io/

（2）文档查看地址：http://maxwells-daemon.io/quickstart/

但是我们查看版本更新日志就会发现：

由于我的机器安装的是jdk1,8，所以这里我们使用1.30.0之前的版本

2.2、Maxwell安装部署

环境准备：

确保机器上已经安装好了kafka和mysql，zookeeper

1、将maxwell-1.29.2.tar.gz 到/opt/software 下

2、将maxwell解压到/opt/module即可

3、查看maxwell的目录结构

2.3、mysql环境准备

1、修改mysql的配置文件，开启mysql的binlog设置

sudo vim /etc/my.cnf


server_id=1
# 设置生成的二进制文件的前缀
log-bin=mysql-bin
# 设置binlog的二进制文件的日志级别 行级模式
binlog_format=row
# binlog的执行的库 如果不加这个参数那么mysql会对所有的库都生成对应的binlog 即对所有的库尽心binlog监控
# 设置只监控某个或某些数据库
binlog-do-db=test_maxwell
binlog-do-db=test_maxwell1

2、重启mysql服务

sudo systemctl restart mysqld

3、登录mysql并查看是否修改成功

登录进入mysql键入以下语句

show variables like '%binlog%';

4、进入/var/lib/mysql 目录，查看 MySQL 生成的 binlog 文件

注：MySQL 生成的 binlog 文件初始大小一定是 154 字节，然后前缀是 log-bin 参数配

置的，后缀是默认从.000001，然后依次递增。

除了 binlog 文件文件以外，MySQL 还会额外生产一个.index 索引文件用来记录当前使用的 binlog 文件。

5、我们来测试一下

【1】使用sqlyog连接到mysql

再查看二进制文件

2.4、初始化Maxwell元数据库

1、在 MySQL 中建立一个 maxwell 库用于存储 Maxwell 的元数据

CREATE DATABASE maxwell;

在我们使用的时候它会自己创建对应的表，这里我们不需要自己创建表。你也不知道创建哪些表

2、设置 mysql 用户密码安全级别

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

3、分配一个账号可以操作该数据库

GRANT ALL ON maxwell.* TO 'maxwell'@'%' IDENTIFIED BY '123456';

4、分配这个账号可以监控其他数据库的权限

GRANT SELECT ,REPLICATION SLAVE , REPLICATION CLIENT ON *.* TO maxwell@'%';

5、刷新mysql表权限

flush privileges;

第三章 Maxwell的使用

3.1、maxwell进程的启动

maxwell进程的启动有两种方式

1、使用命令行参数启动 Maxwell 进程

bin/maxwell --user='maxwell' --password='123456' --host='hadoop02' --producer=stdout

参数解读：

--user 连接 mysql 的用户

--password 连接 mysql 的用户的密码

--host mysql 安装的主机名

--producer 生产者模式(stdout：控制台 kafka：kafka 集群)

测试：

2、配置文件启动maxwell

【1】复制一份config.properties.example文件

【2】修改config.properties文件

【3】启动

bin/maxwell --config ./config.properties

3.2、maxwell的案例实操

3.2.1、监控 Mysql 数据并在控制台打印

【1】运行maxwell监控mysql数据更新

bin/maxwell --user='maxwell' --password='123456' --host='hadoop02' --producer=stdout

【2】向 mysql 的 test_maxwell 库的 user表插入一条数据，查看 maxwell 的控制台输出

输出的json格式数据

{
  "database": "test_maxwell",
  "table": "user",
  "type": "insert",
  "ts": 1653211725,
  "xid": 2319,
  "commit": true,
  "data": {
    "id": 2,
    "name": "李四"
  }
}

秒级时间戳

【3】向 mysql 的 test_maxwell 库的 user表同时插入 3 条数据，控制台出现了 3 条 json日志，说明 maxwell 是以数据行为单位进行日志的采集的。

INSERT INTO USER VALUES (3,"张无忌"),(4,"孙悟空"),(3,"猪八戒");

【4】修改 test_maxwell 库的 user表的一条数据，查看 maxwell 的控制台输出

{
  "database": "test_maxwell",
  "table": "user",
  "type": "update",
  "ts": 1653212058,
  "xid": 3061,
  "commit": true,
  "data": {
    "id": 2,
    "name": "王五"
  },
  "old": {
    "name": "李四"
  }
}

【5】删除一条数据

{
  "database": "test_maxwell",
  "table": "user",
  "type": "delete",
  "ts": 1653212134,
  "xid": 3234,
  "commit": true,
  "data": {
    "id": 3,
    "name": "猪八戒"
  }
}

3.2.2、监控 Mysql 数据输出到 kafka

1、启动zookeeper集群和kafka集群

2、启动 Maxwell 监控 binlog

bin/maxwell --user='maxwell' --password='123456' --host='hadoop02' --producer=kafka --kafka.bootstrap.servers=hadoop02:9092 --kafka_topic=maxwell

注意这里我们不更新数据这里的topic是不会被创建的

我们使用过kafka的图形化工具kafka tool打开

我们再来在mysql中更新数据

查看topics

一旦mysql表有了数据的更新，那么底层的binlog肯定会有变化，binlog变化那么我们·的maxwell进程就能捕捉到这个·变化，捕捉到就会将这条数据传到kafka里面。

3、打开 kafka 的控制台的消费者消费 maxwell 主题

kafka-console-consumer.sh --bootstrap-server hadoop02:9092 --topic maxwell

通过 kafka 消费者来查看到了数据，说明数据成功传入 kafka

这里我们再来修改另外一个数据库，因为之前的设置我们使用binlog监控了两个数据库，一个是test_maxwell,一个是test_maxwell1,现在我们在test_maxwell1的表中插入一条数据

查看kafka的主题变化：

所以接下来引出定制化启动maxwell进程输出到kafka

3.2.3、Kafka主题的分区控制

在实际生产环境中，我们一般都会用 maxwell 监控多个 mysql 库的数据，然后将这些数据发往 kafka 的一个主题 Topic，并且这个主题也肯定是多分区的，为了提高并发度。

那么如何控制这些数据的分区问题，就变得至关重要，实现步骤如下：

【1】手动创建三个分区的topic

【2】修改maxwell的配置文件，定制化启动maxwell进程

修改producer模式为kafka

指定发往的主题

设置分区参数

保存退出！

【3】使用配置文件的方式启动maxwell进程

bin/maxwell --config ./config.properties

【4】向 test_maxwell 库的 test 表再次插入一条数据

【5】向 test_maxwell1 库的 test 表再次插入一条数据

再来看看topic

说明不同数据库的数据会发往不同的分区

3.2.4、监控mysql指定表数据输出到控制台

之前的操作我们都是监控数据库下面的所有表，那么怎么监控指定的表呢？

使用--filter参数来过滤

首先我们在test_maxwell数据库中创建一张新表 student

【1】运行 maxwell 来监控 mysql 指定表数据更新

bin/maxwell --user='maxwell' --password='123456' --host='hadoop02' --filter 'exclude: *.*, include:test_maxwell.student' --producer=stdout

这说明只会监控student表

更新user表数据：

更新student表数据：

还可以设置 include:test_maxwell.*，通过此种方式来监控 mysql 某个库的所有表，也就是说过滤整个库

3.2.5、监控mysql指定表全量数据输出到控制台

即数据初始化

Maxwell 进程默认只能监控 mysql 的 binlog 日志的新增及变化的数据，但是Maxwell 是支持数据初始化的，可以通过修改 Maxwell 的元数据，来对 MySQL 的某张表进行数据初始化，也就是我们常说的全量同步。

需求：将 test_maxwell 库下的 test2 表的四条数据，全量导入到 maxwell 控制台进行打印。

【1】修改 Maxwell 的元数据，触发数据初始化机制，在 mysql 的 maxwell 库中 bootstrap表中插入一条数据，写明需要全量数据的库名和表名

insert into maxwell.bootstrap(database_name,table_name) values('test_maxwell','user');

【2】启动 maxwell 进程，此时初始化程序会直接打印 test2 表的所有数据

bin/maxwell --user='maxwell' --password='123456' --host='hadoop02' --producer=stdout

【3】当数据全部初始化完成以后，Maxwell 的元数据会变化

is_complete 字段从 0 变为 1

start_at 字段从 null 变为具体时间(数据同步开始时间)

complete_at 字段从 null 变为具体时间(数据同步结束时间)