将PolarDB-X数据同步到阿里云ES - 检索分析服务Elasticsearch版

如果您需要对存储在PolarDB-X（原DRDS升级版）中的数据进行全文检索和语义分析等操作，可借助阿里云Elasticsearch实现。通过DataWorks的数据集成服务，实现最快分钟级，将海量PolarDB-X数据同步到阿里云ES中。

背景信息

DataWorks是一个基于大数据引擎，集成数据开发、任务调度、数据管理等功能的全链路大数据开发治理平台。您可以通过DataWorks的同步任务，快速的将各种数据源中的数据同步到阿里云ES。

支持同步的数据源包括：
- 阿里云云数据库（MySQL、PostgreSQL、SQL Server、MongoDB、HBase）
- 阿里云PolarDB-X（原DRDS升级版）
- 阿里云MaxCompute
- 阿里云OSS
- 阿里云Tablestore
- 自建HDFS、Oracle、FTP、DB2及以上数据库类型的自建版本
适用场景：
- 大数据离线同步到阿里云ES的场景，支持同步整个库或同步某个表中的全部数据。更多信息，请参见MySQL整库离线同步至Elasticsearch。
- 大数据在线实时同步到阿里云ES的场景，支持全量、增量一体化同步。更多信息，请参见MySQL整库实时同步至Elasticsearch。

前提条件

已创建PolarDB-X实例。具体操作，请参见。
已创建阿里云ES实例，并开启实例的自动创建索引功能。具体操作，请参见创建阿里云Elasticsearch实例和配置YML参数。
已创建DataWorks工作空间。具体操作，请参见创建工作空间。

说明

仅支持将数据同步到阿里云ES，不支持自建Elasticsearch。
PolarDB-X实例、ES实例和DataWorks工作空间所在地域需保持一致。
PolarDB-X实例、ES实例和DataWorks工作空间需要在同一时区下，否则同步与时间相关的数据时，同步前后的数据可能存在时区差。

费用说明

ES实例费用，请参见ES计费项。
数据集成资源组费用，请参见资源组费用。

操作步骤

步骤一：准备源数据

在阿里云PolarDB-X 1.0实例中插入数据。

具体操作步骤请参见执行SQL基本操作。本文使用的测试数据如下。

步骤二：购买并创建独享资源组

购买一个数据集成独享资源组，并为该资源组绑定专有网络和工作空间。独享资源组可以保证数据快速、稳定地传输。

登录DataWorks控制台。
在顶部菜单栏选择相应地域后，在左侧导航栏单击资源组。
在独享资源组页签下，单击创建旧版资源组 > 数据集成资源组。
在DataWorks独享资源（包年包月）购买页面，独享资源类型选择独享数据集成资源，输入资源组名称，单击立即购买，购买独享资源组。

更多配置信息，请参见步骤一：购买资源组。
在已创建的独享资源组的操作列，单击网络设置，为该独享资源组绑定专有网络。具体操作，请参见绑定专有网络。

说明
本文以独享数据集成资源组通过VPC内网同步数据为例。关于通过公网同步数据，请参见添加白名单。

独享资源需要与PolarDB-X实例和Elasticsearch实例的专有网络连通才能同步数据，因此需要分别绑定PolarDB-X实例和Elasticsearch实例所在的专有网络、可用区和交换机。查看实例所在专有网络信息，请参见查看Elasticsearch实例的基本信息。

重要
绑定专有网络后，您需要将专有网络的交换机网段加入到PolarDB-X、Elasticsearch实例的VPC私网访问白名单中。具体操作，请参见配置Elastic search实例公网或私网访问白名单。
在页面左上角，单击返回图标，返回资源组列表页面。
在已创建的独享资源组的操作列，单击绑定工作空间，为该独享资源组绑定目标工作空间。

具体操作，请参见步骤二：绑定归属工作空间。

步骤三：添加数据源

将PolarDB-X和Elasticsearch数据源接入DataWorks的数据集成服务中。

进入DataWorks的数据集成页面。
1. 登录DataWorks控制台。
2. 在左侧导航栏，单击工作空间。
3. 在目标工作空间的操作列，选择快速进入 > 数据集成。
在左侧导航栏，单击数据源。
新增PolarDB-X数据源。
在数据源列表页面，单击新增数据源。
在新增数据源页面，搜索并选择DRDS。
在新增DRDS数据源页面，配置数据源信息并测试连通性。连通成功后，单击完成。

更多信息，请参见配置DRDS数据源。
使用同样的方式添加Elasticsearch数据源。配置详情，请参见配置Elasticsearch数据源。

步骤四：配置并运行数据同步任务

数据离线同步任务将独享资源组作为一个可以执行任务的资源，独享资源组将获取数据集成服务中数据源的数据，并将数据写入Elasticsearch。

说明

有两种方式可以配置离线同步任务，文本以向导模式配置离线同步任务为例。您也可以通过脚本模式配置离线同步任务，详情请参见脚本模式配置和Elasticsearch Writer。
本文以旧版数据开发（DataStudio）示例，创建离线同步任务。

进入DataWorks的数据开发页面。
1. 登录DataWorks控制台。
2. 在左侧导航栏，单击工作空间。
3. 在目标工作空间的操作列，选择快速进入 > 数据开发。
新建一个离线同步任务。
1. 在左侧导航栏的数据开发单击（图标）页签，选择新建 > 新建业务流程，按照页面指引新建一个业务流程。
2. 右键单击新建的业务流程，选择新建节点 > 离线同步。
3. 在新建节点对话框中，输入节点名称，单击确认。
配置网络与资源。
1. 在数据来源区域，数据来源选择DRDS，数据源名称选择待同步的数据源名称。
2. 在我的资源组区域，选择独享资源组。
3. 在数据去向区域，数据去向选择Elasticsearch，数据源名称选择接受同步数据的数据源名称。
单击下一步。

配置任务。

在数据来源区域，选择待同步的表。
在数据去向区域，配置数据去向的各参数。

在字段映射区域中，设置来源字段与目标字段的映射关系。具体配置，请参见向导模式配置。

本示例中，来源字段保持默认，仅修改目标字段。在目标字段右侧，单击修改字段图标图标，在对话框中输入如下字段配置。

{"name":"Name","type":"text"}
{"name":"Platform","type":"text"}
{"name":"Year_of_Release","type":"date"}
{"name":"Genre","type":"text"}
{"name":"Publisher","type":"text"}
{"name":"na_Sales","type":"float"}
{"name":"EU_Sales","type":"float"}
{"name":"JP_Sales","type":"float"}
{"name":"Other_Sales","type":"float"}
{"name":"Global_Sales","type":"float"}
{"name":"Critic_Score","type":"long"}
{"name":"Critic_Count","type":"long"}
{"name":"User_Score","type":"float"}
{"name":"User_Count","type":"long"}
{"name":"Developer","type":"text"}
{"name":"Rating","type":"text"}

在通道控制区域，配置通道参数。

详细配置信息，请参见向导模式配置。

运行任务。
1. （可选）配置任务调度属性。在页面右侧，单击调度配置，按照需求配置相应的调度参数。各配置的详细说明请参见调度配置。
2. 在节点编辑区域的上方，单击保存图标，保存任务。
3. 在节点编辑区域的上方，单击提交图标，提交任务。
  
  如果您配置了任务调度属性，任务会定期自动执行。您还可以在节点区域的右上角，单击运行图标，立即运行任务。
  
  运行日志中出现Shell run successfully!表明任务运行成功。

步骤五：查看数据同步结果

登录目标阿里云ES实例的Kibana控制台。

具体操作步骤请参见登录Kibana控制台。
在左侧导航栏，单击Dev Tools（开发工具）。
在Console（控制台）中，执行如下命令，查询目标端数据量。
说明
您可以将目标端数据量与源端数据量进行对比，确认数据是否全部同步成功。
```
GET drdstest/_search
{
  "query": {
    "match_all": {}
  }
}
```
执行成功后，结果如下。

执行如下命令，对指定字段进行数据检索。

GET drdstest/_search
{
  "query": {
    "term": {
      "Publisher.keyword": {
        "value": "Nintendo"
      }
    }
  }
}

执行成功后，返回如下结果。对字段进行数据检索