基于nodejs将mongodb的数据实时同步到elasticsearch

一、前言

因公司需要选用elasticsearch做全文检索，持久化存储选用的是mongodb，但是希望mongodb里面的数据发生改变可以实时同步到elasticsearch上，一开始主要使用elasticsearch v1.7.2的版本，mongo-river可以搞定这个问题。随着elasticsearch的升级，发现elasticsearch已经放弃了mongo-river，咋整......Google之后发现一神器mongo-connector，国外大神用python写的工具而且MongoDB官网也极力推荐使用。But，我们需要把文档中的附件信息也同步到elasticsearch上，mongo-connector对附件同步支持的不是很好。能不能有个nodejs版本的数据同步?GitHub上发现一个大神写的node-elasticsearch-sync很好用，但是功能太简单了，不支持复杂的数据筛选，也不支持附件同步。活人不能被尿憋死，参考node-elasticsearch-sync自己写了一个同步工具node-mongodb-es-connector。

二、准备工作

2.1 安装mongodb

安装mongodb可以去官网下载：

https://www.mongodb.com/

PS:关于如何搭建mongodb replica集群：

https://www.cnblogs.com/ljhdo/p/4503317.html

2.2 安装elasticsearch

安装elasticsearch可以去官网下载：

https://www.elastic.co/cn/downloads

PS:关于elasticsearch-head、kibana、logstash等相关安装请自己google吧

2.3 安装nodejs

安装nodejs可以去官网下载：

http://nodejs.cn/

PS:别忘记安装npm，如何安装请自己google吧

以上是使用node-mongodb-es-connector的前提

2.4 node-mongodb-es-connector下载地址

github: https://github.com/zhr85210078/node-mongodb-es-connector

npm: https://www.npmjs.com/package/es-mongodb-sync?activeTab=readme

三、文件结构

├── crawlerDataConfig　　　　项目构建配置（这里添加你要同步数据的配置）
│       ├── mycarts.json　　一个index一个配置文件（唯一需要自己增加或者修改的配置文件，这个文件只是提供了一个例子，不用可以删除）
│       └── ……
├── lib　　
│   ├── pool
│   │   ├──  elasticsearchPool.js　　elasticsearch连接池
│   │   ├──  mongoDBPool.js　　　　　　mongodb连接池
│   ├── promise
│   │   ├──  elasticsearchPromise.js elasticsearch方法类（增删改查）
│   │   ├──  mongoPromise.js　　　　　　mongodb方法类（增删改查）
│   ├── util
│   │   ├──  fsWatcher.js　　　　　　　　配置文件监控类（主要监控crawlerDataConfig目录里面的配置文件）
│   │   ├──  logger.js　　　　　　　　　　日志类
│   │   ├──  oplogFactory.js　　　　　　mongo-oplog触发事件之后的执行方法（增删改）
│   │   ├──  tail.js　　　　　　　　　　　监听mongodb数据是否发生变化　
│   │   ├──  util.js                  工具类
│   ├── main.js                        主方法（主要是第一次启动立刻同步mongodb里面的数据到elasticsearch）
├── logs
│       ├── logger-2018-03-23.log     同步数据打印日志
│       └── ……
├── test
│   ├── img
│   │    ├── elasticsearch.jpg    　　图片不解释
│   │    ├── mongoDB.jpg　　　　　　　　图片不解释
│   │    └── structure.jpg　　　　　　  图片不解释
│   └── test.js　　　　　　　　　　　　　　测试类（啥也没写）
├── app.js　　　　　　　启动文件　　　　　　　　　　　　　　　
├── index.js　　　　　　接口文件（只提供配置文件的增删改）
├── package-lock.json
├── package.json
├── ReadMe.md　　　　　　英文文档（markdown）
├── README.zh-CN.md　　中文文档（markdown）
└── LICENSE　　　　　　 

mycarts.json文件（这个文件只是提供了一个例子）

{
    "mongodb": {
        "m_database": "myTest",
        "m_collectionname": "carts",
        "m_filterfilds": {
            "version" : "2.0"
        },
        "m_returnfilds": {
            "cName": 1,
            "cPrice": 1,
            "cImgSrc": 1
        },
        "m_connection": {
            "m_servers": [
                "localhost:29031",
                "localhost:29032",
                "localhost:29033"
            ],
            "m_authentication": {
                "username": "UserAdmin",
                "password": "pass1234",
                "authsource": "admin",
                "replicaset": "my_replica",
		"ssl":false
            }
        },
        "m_documentsinbatch": 5000,
	"m_delaytime": 1000
    },
    "elasticsearch": {
        "e_index": "mycarts",
        "e_type": "carts",
        "e_connection": {
            "e_server": "http://localhost:9200",
            "e_httpauth": {
                "username": "EsAdmin",
                "password": "pass1234"
            }
        },
        "e_pipeline": "mypipeline",
	"e_iscontainattachment": true
    }
}

• m_database - MongoDB里需要监听的数据库.
• m_collectionname - MongoDB里需要监听的collection.
• m_filterfilds - MongoDB里的查询条件,目前支持一些简单的查询条件.(默认值为null)
• m_returnfilds - MongoDB需要返回的字段.(默认值为null)
• m_connection
  • m_servers - MongoDB服务器的地址.(replica结构,数组格式)
  • m_authentication - 如果需要MongoDB的登录验证使用下面配置(默认值为null).
    • username - MongoDB连接的用户名.
    • password - MongoDB连接的密码.
    • authsource - MongoDB用户认证,默认为admin.
    • replicaset - MongoDB的repliac结构的名字.
    • ssl - MongoDB的ssl.(默认值为false)
• m_documentsinbatch - 一次性从mongodb往Elasticsearch里传入数据的条数. (你可以设置比较大的值,默认为1000.).
• m_delaytime- 每次进elasticsearch数据的间隔时间(默认值为1000ms).
• e_index - ElasticSearch里的index.
• e_type - ElasticSearch里的type,这里的type主要为了使用bulk.
• e_connection
  • e_server - ElasticSearch的连接字符串.
  • e_httpauth - 如果ElasticSearch需要登录验证使用下面配置(默认值为null).
    • username - ElasticSearch连接的用户名.
    • password - ElasticSearch连接的密码.
• e_pipeline - ElasticSearch 中pipeline的名称.(没有pipeline就填null)
• e_iscontainattachment - pipeline是否包含附件规则(默认值为false).

四、如何使用

用户可以事先在/crawlerDataConfig目录下编辑好自己的配置文件，文件必须以json格式存放.

在文件根目录下，打开cmd命令窗口，输入以下信息：

node app.js

项目启动后，修改配置文件 （如：mycarts.json），数据也会实时同步。或者修改mongodb中的某一条数据，也会实时同步到elasticsearch中。

PS：如何把mongodb的主文档和附件信息都同步到elasticsearch中？

利用elasticsearch的pipeline来实现。

首先需要创建一个pipeline到elasticsearch中:

PUT _ingest/pipeline/mypipeline
{
  "description" : "Extract attachment information from arrays",
  "processors" : [
    {
      "foreach": {
        "field": "attachments",
        "processor": {
          "attachment": {
            "target_field": "_ingest._value.attachment",
            "field": "_ingest._value.data"
          }
        }
      }
    }
  ]
}

然后在配置文件中（如：mycarts.json）修改节点数据即可

"e_pipeline": "mypipeline"

五、结果展示

mongodb里面的数据

elasticsearch里面的数据