MySQL同步ES的6种方案！

引言

在分布式架构中，MySQL与Elasticsearch（ES）的协同已成为解决高并发查询与复杂检索的标配组合。

然而，如何实现两者间的高效数据同步，是架构设计中绕不开的难题。

这篇文章跟大家一起聊聊MySQL同步ES的6种主流方案，结合代码示例与场景案例，帮助开发者避开常见陷阱，做出最优技术选型。

方案一：同步双写

场景：适用于对数据实时性要求极高，且业务逻辑简单的场景，如金融交易记录同步。

在业务代码中同时写入MySQL与ES。

代码如下：

@Transactional

public void createOrder(Order order) {

    // 写入MySQL

    orderMapper.insert(order);

    // 同步写入ES

    IndexRequest request = new IndexRequest("orders")

        .id(order.getId())

        .source(JSON.toJSONString(order), XContentType.JSON);

    client.index(request, RequestOptions.DEFAULT);

}

痛点：

硬编码侵入：所有涉及写操作的地方均需添加ES写入逻辑。
性能瓶颈：双写操作导致事务时间延长，TPS下降30%以上。
数据一致性风险：若ES写入失败，需引入补偿机制（如本地事务表+定时重试）。

方案二：异步双写

场景：电商订单状态更新后需同步至ES供客服系统检索。

我们可以使用MQ进行解耦。

架构图如下：

代码示例如下：

// 生产者端

public void updateProduct(Product product) {

    productMapper.update(product);

    kafkaTemplate.send("product-update", product.getId());

}  

// 消费者端

@KafkaListener(topics = "product-update")

public void syncToEs(String productId) {

    Product product = productMapper.selectById(productId);

    esClient.index(product);

}

优势：

吞吐量提升：通过MQ削峰填谷，可承载万级QPS。
故障隔离：ES宕机不影响主业务链路。

缺陷：

消息堆积：突发流量可能导致消费延迟（需监控Lag值）。
顺序性问题：需通过分区键保证同一数据的顺序消费。

方案三：Logstash定时拉取

场景：用户行为日志的T+1分析场景。

该方案低侵入但高延迟。

配置示例如下：

input {

  jdbc {

    jdbc_driver => "com.mysql.jdbc.Driver"

    jdbc_url => "jdbc:mysql://localhost:3306/log_db"

    schedule => "*/5 * * * *"  # 每5分钟执行

    statement => "SELECT * FROM user_log WHERE update_time > :sql_last_value"

  }

}

output {

  elasticsearch {

    hosts => ["es-host:9200"]

    index => "user_logs"

  }

}

适用性分析：

优点：零代码改造，适合历史数据迁移。
致命伤：
- 分钟级延迟（无法满足实时搜索）
- 全表扫描压力大（需优化增量字段索引）

方案四：Canal监听Binlog

场景：社交平台动态实时搜索（如微博热搜更新）。

技术栈：Canal + RocketMQ + ES

该方案高实时，并且低侵入。

架构流程如下：

关键配置：

# canal.properties

canal.instance.master.address=127.0.0.1:3306

canal.mq.topic=canal.es.sync

避坑指南：

数据漂移：需处理DDL变更（通过Schema Registry管理映射）。
幂等消费：通过_id唯一键避免重复写入。

方案五：DataX批量同步

场景：将历史订单数据从分库分表MySQL迁移至ES。

该方案是大数据迁移的首选。

配置文件如下：

{

  "job": {

    "content": [{

      "reader": {

        "name": "mysqlreader",

        "parameter": { "splitPk": "id", "querySql": "SELECT * FROM orders" }

      },

      "writer": {

        "name": "elasticsearchwriter",

        "parameter": { "endpoint": "http://es-host:9200", "index": "orders" }

      }

    }]

  }

}

性能调优：

调整channel数提升并发（建议与分片数对齐）
启用limit分批查询避免OOM

方案六：Flink流处理

场景：商品价格变更时，需关联用户画像计算实时推荐评分。

该方案适合于复杂的ETL场景。

代码片段如下：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

env.addSource(new CanalSource())

   .map(record -> parseToPriceEvent(record))

   .keyBy(event -> event.getProductId())

   .connect(userProfileBroadcastStream)

   .process(new PriceRecommendationProcess())

   .addSink(new ElasticsearchSink());

优势：

状态管理：精准处理乱序事件（Watermark机制）
维表关联：通过Broadcast State实现实时画像关联

总结：

对于文章上面给出的这6种技术方案，我们在实际工作中，该如何做选型呢？

下面用一张表格做对比：

方案	实时性	侵入性	复杂度	适用阶段
同步双写	秒级	高	低	小型单体项目
MQ异步	秒级	中	中	中型分布式系统
Logstash	分钟级	无	低	离线分析
Canal	毫秒级	无	高	高并发生产环境
DataX	小时级	无	中	历史数据迁移
Flink	毫秒级	低	极高	实时数仓

苏三的建议：

若团队无运维中间件能力 → 选择Logstash或同步双写
需秒级延迟且允许改造 → MQ异步 + 本地事务表
追求极致实时且资源充足 → Canal + Flink双保险

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，您的支持是我坚持写作最大的动力。

求一键三连：点赞、转发、在看。

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的50万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。