7.分布式搜索elasticsearch java API ------与MongoDB同步数据

afox123

 elasticsearch提供river这个模块来读取数据源中的数据到es中，es官方有提供couchDB的同步插件，因为项目用到的是mongodb，所以在找mongodb方面的同步插件，在git上找到了elasticsearch-river-mongodb。
       这个插件最初是由aparo写的，最开始的功能就是读取mongodb里面的表，记录最后一条数据的id，根据时间间隔不断访问mongodb，看看有没有大于之前记录的id的数据，有的话就索引数据，这种做法的缺点就是只能同步最新的数据，修改或删除的就不能同步。后来又由richardwilly98等人修改成通过读取mongodb的oplog来同步数据。因为mongodb是通过oplog这个表来使集群中的不同机器数据同步的，这样做的话可以保证es里面的数据和mongodb里面的是一样的，因为mongodb中的数据一有改变，都会通过oplog反映到monogodb中。他们还添加了个索引mongodb gridfs里文件的功能，非常好。
        但他们修改完后的插件还是有些不满意的地方。他把local库（放oplog的）和普通库的访问密码都设置成同一个，如果local库和普通库的用户名和密码不同那这个插件就不能用了。还有一个就是同步时会把mongodb的表中所有的字段都同步过去，但是有些字段我们并不想把它放到索引中，于是对这个插件再作修改，把local库和普通库的鉴权分开，添加可选字段功能。
 
运行环境：Elasticsearch 0.19.X
                  集群环境下的MongoDB 2.X
注意：该插件只支持集群环境下的mongodb，因为集群环境下的mongodb才有oplog这个表。
安装方法：
安装elasticsearch-mapper-attachments插件（用于索引gridfs里的文件）
%ES_HOME%\bin\plugin.bat -install elasticsearch/elasticsearch-mapper-attachments/1.4.0
安装elasticsearch-river-mongodb（同步插件）
%ES_HOME%\bin\plugin.bat -install laigood/elasticsearch-river-mongodb/laigoodv1.0.0
 
创建river方法：
curl方式：
[plain] view plaincopy

• $ curl -XPUT "localhost:9200/_river/mongodb/_meta" -d '  
  
• {  
  
•   type: "mongodb",  
  
•   mongodb: {   
  
•     db: "test",   
  
•     host: "localhost",   
  
•     port: "27017",   
  
•     collection: "testdb",  
  
•     fields:"title,content",  
  
•     gridfs: "true",  
  
•     local_db_user: "admin",  
  
•     local_db_password:"admin",  
  
•     db_user: "user",  
  
•     db_password:"password"  
  
•   },   
  
•   index: {   
  
•     name: "test",   
  
•     type: "type",  
  
•     bulk_size: "1000",   
  
•     bulk_timeout: "30"  
  
•   }  
  
• }  
  

db为同步的数据库名， 
host mongodb的ip地址（默认为localhost）， 
port mongodb的端口，
collection 要同步的表名
fields 要同步的字段名（用逗号隔开，默认全部）
gridfs 是否是gridfs文件（如果collection是gridfs的话就设置成true）
local_db_user local数据库的用户名（没有的话不用写）
local_db_password local数据库的密码（没有的话不用写）
db_user 要同步的数据库的密码（没有的话不用写）
db_password 要同步的数据库的密码（没有的话不用写）
name 索引名（不能之前存在）
type 类型
bulk_size 批量添加的最大数
bulk_timeout 批量添加的超时时间
java api方式：
[java] view plaincopy

• client.prepareIndex("_river", "testriver", "_meta")  
  
•         .setSource(  
  
•             jsonBuilder().startObject()  
  
•                 .field("type", "mongodb")  
  
•                 .startObject("mongodb")  
  
•                         .field("host","localhost")  
  
•                         .field("port",27017)  
  
•                         .field("db","testdb")  
  
•                         .field("collection","test")  
  
•                         .field("fields","title,content")  
  
•                         .field("db_user","user")  
  
•               <span style="white-space:pre">                </span>.field("db_password","password")  
  
•                         .field("local_db_user","admin")  
  
•                   <span style="white-space:pre">        </span>.field("local_db_password","admin")  
  
•                         .endObject()                                              
  
•                  .startObject("index")  
  
•                         .field("name","test")  
  
•                         .field("type","test")  
  
•                         .field("bulk_size","1000")  
  
•                         .field("bulk_timeout","30")  
  
•                         .endObject()  
  
•                  .endObject()  
  
•         ).execute().actionGet();  
  

 
本插件git地址：https://github.com/laigood/elasticsearch-river-mongodb
参考资料：http://www.searchtech.pro/articles/2013/02/18/1361191176552.html