目录

• 前言
• 一、Maxwell简介
• • 1. Maxwell概述
  • 2. Maxwell原理
  • 3. Maxwell输出数据格式
• 二、Maxwell安装与配置
• • 1. Maxwell-1.29.2安装
  • 2. 配置MySQL
  • 3. 创建Maxwell所需数据库和用户
  • 4. 配置Maxwell
• 三、 Maxwell使用
• • 1. Maxwell启停脚本
  • 2. 增量数据同步
  • 3. 历史数据全量同步

---

前言

---

一、Maxwell简介

1. Maxwell概述

🥡Maxwell 是由美国Zendesk公司开源，用Java编写的MySQL变更数据抓取软件 。它会实时监控Mysql数据库的数据变更操作（包括insert、update、delete），并将变更数据以 JSON 格式发送给 Kafka、Kinesi等流数据处理平台。👉点击前往官网

2. Maxwell原理

Maxwell的工作原理是实时读取MySQL数据库的二进制日志（Binlog），从中获取变更数据，再将变更数据以JSON格式发送至Kafka等流处理平台

🥡MySQL二进制日志：二进制日志（Binlog）是MySQL服务端非常重要的一种日志，它会保存MySQL数据库的所有数据变更记录。Binlog的主要作用包括主从复制和数据恢复。Maxwell的工作原理和主从复制密切相关。

🥡MySQL主从复制：MySQL的主从复制，就是用来建立一个和主数据库完全一样的数据库环境，这个数据库称为从数据库。

• 主从复制的应用场景如下：
  1️⃣做数据库的热备：主数据库服务器故障后，可切换到从数据库继续工作。
  2️⃣读写分离：主数据库只负责业务数据的写入操作，而多个从数据库只负责业务数据的查询工作，在读多写少场景下，可以提高数据库工作效率。
• 主从复制的工作原理如下：
  1️⃣Master主库将数据变更记录，写到二进制日志(binary log)中
  2️⃣Slave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)
  3️⃣Slave从库读取并回放中继日志中的事件，将改变的数据同步到自己的数据库。
  

🥡MySQL Binlog模式：

• Statement-based：基于语句，Binlog会记录所有写操作的SQL语句，包括insert、update、delete等。
  优点： 节省空间
  缺点： 有可能造成数据不一致，例如insert语句中包含now()函数。
• Row-based：基于行，Binlog会记录每次写操作后被操作行记录的变化。
  优点：保持数据的绝对一致性。
  缺点：占用较大空间。
• mixed：混合模式，默认是Statement-based，如果SQL语句可能导致数据不一致，就自动切换到Row-based。

Maxwell要求Binlog采用Row-based模式

3. Maxwell输出数据格式

👇Maxwell输出的json字段说明：

字段	解释
database	变更数据所属的数据库
table	表更数据所属的表
type	数据变更类型
ts	数据变更发生的时间
xid	事务id
commit	事务提交标志，可用于重新组装事务
data	对于insert类型，表示插入的数据；对于update类型，标识修改之后的数据；对于delete类型，表示删除的数据
old	对于update类型，表示修改之前的数据，只包含变更字段

二、Maxwell安装与配置

1. Maxwell-1.29.2安装

Maxwell-1.30.0及以上版本不再支持JDK1.8
此处使用教学版安装包，教学版对原版进行了改造，增加了自定义Maxwell输出数据中ts时间戳的参数，生产环境请使用原版

# 上传解压
sftp root@hadoop102
lcd G:\大数据\9.maxwell\教学版
cd /opt/software
put maxwell-1.29.2.tar.gz

cd /opt/software;tar -zxvf maxwell-1.29.2.tar.gz -C /opt/module
cd ../module; mv maxwell-1.29.2/ maxwell

2. 配置MySQL

🥡Hadoop102下修改MySQL配置文件vim /etc/my.cnf(centOS)//etc/mysql/mysql.conf.d/mysqld.cnf(ubantu)

# 增加如下配置
[mysqld]

# 数据库id
server-id = 1
# 启动binlog，该参数的值会作为binlog的文件名
log-bin=mysql-bin
# binlog类型，maxwell要求为row类型
binlog_format=row
# 启用binlog的数据库，需根据实际情况作出修改
binlog-do-db=gmall

👉重启MySQL服务systemctl restart mysqld，登录MySQL查看是否修改完成show variables like '%biinlog%'，二进制binlog文件在/var/lib/mysql目录下

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。

3. 创建Maxwell所需数据库和用户

# 创建数据库
create database maxwell;

# 调整MySQL数据库密码级别
set global validate_password_policy=0;
set global validate_password_length=4;

# 创建Maxwell用户并赋予其必要权限
CREATE USER 'maxwell'@'%' IDENTIFIED BY 'maxwell';
GRANT ALL ON maxwell.* TO 'maxwell'@'%';
GRANT SELECT, REPLICATION CLIENT, REPLICATION SLAVE ON *.* TO 'maxwell'@'%';

# 刷新mysql表权限
flush privileges;

4. 配置Maxwell

# 修改Maxwell配置文件名称
cd /opt/module/maxwell;cp config.properties.example config.properties

# 修改Maxwell配置文件
vim config.properties

# Maxwell数据发送目的地，可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
producer=kafka
# 目标Kafka集群地址
kafka.bootstrap.servers=hadoop102:9092,hadoop103:9092
# 目标Kafka topic，可静态配置，例如:maxwell，也可动态配置，例如：%{database}_%{table}
kafka_topic=maxwell

# MySQL相关配置
host=hadoop102
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai

三、 Maxwell使用

若Maxwell发送数据的目的地为Kafka集群，则需要先确保zookeeper和Kafka集群为启动状态。

🥡Maxwell启停

# 启动Maxwell
cd /opt/module/maxwell/;bin/maxwell --config config.properties --daemon
# 停止Maxwell
ps -ef | grep maxwell | grep -v grep | grep maxwell | awk '{print $2}' | xargs kill -9

发现启动失败
查看logs下面的日志可知报错error: unhandled character set 'utf8mb3'字符👉点击前往下载jar包，替换/opt/module/maxwell/lib中的同名jar包

1. Maxwell启停脚本

vim /root/bin/mxw.sh

#!/bin/bash

MAXWELL_HOME=/opt/module/maxwell

status_maxwell(){
    result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`
    return $result
}

start_maxwell(){
    status_maxwell
    if [[ $? -lt 1 ]]; then
        echo "启动Maxwell"
        /opt/module/maxwell/bin/maxwell --config /opt/module/maxwell/config.properties --daemon
    else
        echo "Maxwell正在运行"
    fi
}

stop_maxwell(){
    status_maxwell
    if [[ $? -gt 0 ]]; then
        echo "停止Maxwell"
        ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
    else
        echo "Maxwell未在运行"
    fi
}

case $1 in
    start )
        start_maxwell
    ;;
    stop )
        stop_maxwell
    ;;
    restart )
       stop_maxwell
       start_maxwell
    ;;
esac

2. 增量数据同步

# 启动Kafka消费者
kafka-console-consumer.sh --bootstrap-server hadoop102:9092 --topic maxwell
# 模拟生成数据
cd /opt/module/db_log/;java -jar gmall2020-mock-db-2021-11-14.jar
# 观察Kafka消费者

3. 历史数据全量同步

只有增量数据是不够的，我们可能需要使用到MySQL数据库中从历史至今的一个完整的数据集。这就需要我们在进行增量同步之前，先进行一次历史数据的全量同步。这样就能保证得到一个完整的数据集。

🥡Maxwell-bootstrap：Maxwell提供了bootstrap功能来进行历史数据的全量同步，命令如下

/opt/module/maxwell/bin/maxwell-bootstrap --database gmall --table user_info --config /opt/module/maxwell/config.properties

🥡boostrap数据格式
采用bootstrap方式同步的输出数据格式如下：

{
    "database": "fooDB",
    "table": "barTable",
    "type": "bootstrap-start",
    "ts": 1450557744,
    "data": {}
}
{
    "database": "fooDB",
    "table": "barTable",
    "type": "bootstrap-insert",
    "ts": 1450557744,
    "data": {
        "txt": "hello"
    }
}
{
    "database": "fooDB",
    "table": "barTable",
    "type": "bootstrap-insert",
    "ts": 1450557744,
    "data": {
        "txt": "bootstrap!"
    }
}
{
    "database": "fooDB",
    "table": "barTable",
    "type": "bootstrap-complete",
    "ts": 1450557744,
    "data": {}
}

注意事项：

1. 第一条type为bootstrap-start和最后一条type为bootstrap-complete的数据，是bootstrap开始和结束的标志，不包含数据，中间的type为bootstrap-insert的数据才包含数据。
2. 一次bootstrap输出的所有记录的ts都相同，为全量同步命令执行的时刻