通过Monstache实时同步MongoDB数据至Elasticsearch
当您的业务数据存储在MongoDB中，并且需要进行语义分析和大图展示时，可借助阿里云Elasticsearch实现全文搜索、语义分析、可视化展示等。本文介绍如何通过Monstache将MongoDB数据实时同步至阿里云Elasticsearch，并对数据进行分析及展示。
背景信息
本文以解析及统计热门电影数据为例，提供的解决方案可以帮助您完成以下需求：
通过Monstache快速同步及订阅全量或增量数据。
将MongoDB数据实时同步至高版本Elasticsearch。
解读Monstache常用配置参数，应用于更多的业务场景。
方案优势
Monstache基于MongoDB的oplog实现实时数据同步及订阅，支持MongoDB与高版本Elasticsearch之间的数据同步，同时支持MongoDB的变更流和聚合管道功能，并且拥有丰富的特性。
Monstache不仅支持软删除和硬删除，还支持数据库删除和集合删除，能够确保Elasticsearch端实时与源端数据保持一致。
操作流程
步骤一：环境准备
部署 MongoDB 主从复制模式，注意：一定要主从复制模式，因为同步需要使用 oplog 日志，这个日志是主从复制用的
部署 Elasticsearch
部署 kibana 用于前端页面与 es 交互，版本与 es 相同
安装 Monstache，修改配置文件，进行同步
步骤二：搭建Monstache环境
安装Go，并配置环境变量。
说明 由于Monstache数据同步依赖于Go语言，因此需要先在ECS中准备Go环境。
下载Go安装包并解压。
wget https://dl.google.com/go/go1.14.4.linux-amd64.tar.gz
tar -C /usr/local -xzf go1.14.4.linux-amd64.tar.gz
配置环境变量。
使用vim /etc/profile命令打开环境变量配置文件，并将如下内容写入该文件中。其中GOPROXY用来指定阿里云Go模块代理。
export GOROOT=/usr/local/go
export GOPATH=/home/go/
export PATH=$PATH:$GOROOT/bin:$GOPATH/bin
export GOPROXY=https://mirrors.aliyun.com/goproxy/
应用环境变量配置。
source /etc/profile
安装Monstache。
进入安装路径。
cd /usr/local/
从Git库中下载安装包。
git clone https://github.com/rwynn/monstache.git
说明 如果出现git: command not found的错误提示，需要先执行yum install -y git命令安装Git。
进入monstache目录。
cd monstache
切换版本。
本文以rel5版本为例。
git checkout rel5
安装Monstache。
go install
这一步可能出现问题：running gcc failed: exec: "gcc": executable file not found in $PATH
解决：
gcc -v
没有就安装 gcc
参考链接：https://blog.csdn.net/benben_2015/article/details/80565676
查看Monstache版本。
monstache -v
执行成功后，预期结果如下。
5.5.7
步骤三：配置实时同步任务
Monstache配置使用TOML格式，默认情况下，Monstache会使用默认端口连接本地主机上的Elasticsearch和MongoDB，并追踪MongoDB oplog。在Monstache运行期间，MongoDB的任何更改都会同步到Elasticsearch中。
由于本文使用阿里云MongoDB和Elasticsearch，并且需要指定同步对象（mydb数据库中的hotmovies和col集合），因此要修改默认的Monstache配置文件。修改方式如下：
进入Monstache安装目录，创建并编辑配置文件。
cd /usr/local/monstache/
vim config.toml
参考以下示例，修改配置文件。
简单的配置示例如下，详细配置请参见Monstache Usage。
# connection settings
# connect to MongoDB using the following URL
mongo-url = 'mongodb://aaa:111@172.31.3.1:8010'
# connect to the Elasticsearch REST API at the following node URLs
elasticsearch-urls = ["http://140.179.9.1:8009"]
# frequently required settings
# if you need to seed an index from a collection and not just listen and sync changes events
# you can copy entire collections or views from MongoDB to Elasticsearch
# 可以直接全量复制过去
direct-read-namespaces = ["mydb.hotmovies","mydb.col"]
# if you want to use MongoDB change streams instead of legacy oplog tailing use change-stream-namespaces
# change streams require at least MongoDB API 3.6+
# if you have MongoDB 4+ you can listen for changes to an entire database or entire deployment
# in this case you usually don't need regexes in your config to filter collections unless you target the deployment.
# to listen to an entire db use only the database name. For a deployment use an empty string.
#change-stream-namespaces = ["mydb.col"]
# additional settings
# if you don't want to listen for changes to all collections in MongoDB but only a few
# e.g. only listen for inserts, updates, deletes, and drops from mydb.mycollection
# this setting does not initiate a copy, it is only a filter on the change event listener
#namespace-regex = '^mydb\.col$'
# compress requests to Elasticsearch
#gzip = true
# generate indexing statistics
#stats = true
# index statistics into Elasticsearch
#index-stats = true
# use the following PEM file for connections to MongoDB
#mongo-pem-file = "/path/to/mongoCert.pem"
# disable PEM validation
#mongo-validate-pem-file = false
# use the following user name for Elasticsearch basic auth
# elasticsearch-user = "elastic"
# use the following password for Elasticsearch basic auth
# elasticsearch-password = "<your_es_password>"
# use 4 go routines concurrently pushing documents to Elasticsearch
elasticsearch-max-conns = 4
# use the following PEM file to connections to Elasticsearch
#elasticsearch-pem-file = "/path/to/elasticCert.pem"
# validate connections to Elasticsearch
#elastic-validate-pem-file = true
# propogate dropped collections in MongoDB as index deletes in Elasticsearch
dropped-collections = true
# propogate dropped databases in MongoDB as index deletes in Elasticsearch
dropped-databases = true
# do not start processing at the beginning of the MongoDB oplog
# if you set the replay to true you may see version conflict messages
# in the log if you had synced previously. This just means that you are replaying old docs which are already
# in Elasticsearch with a newer version. Elasticsearch is preventing the old docs from overwriting new ones.
#replay = false
# resume processing from a timestamp saved in a previous run
resume = true
# do not validate that progress timestamps have been saved
#resume-write-unsafe = false
# override the name under which resume state is saved
#resume-name = "default"
# use a custom resume strategy (tokens) instead of the default strategy (timestamps)
# tokens work with MongoDB API 3.6+ while timestamps work only with MongoDB API 4.0+
resume-strategy = 0
# exclude documents whose namespace matches the following pattern
#namespace-exclude-regex = '^mydb\.ignorecollection$'
# turn on indexing of GridFS file content
#index-files = true
# turn on search result highlighting of GridFS content
#file-highlighting = true
# index GridFS files inserted into the following collections
#file-namespaces = ["users.fs.files"]
# print detailed information including request traces
verbose = true
# enable clustering mode
# cluster-name = 'es-cn-mp91kzb8m00******'
# do not exit after full-sync, rather continue tailing the oplog
#exit-after-direct-reads = false
[[mapping]]
namespace = "mydb.hotmovies"
index = "hotmovies"
type = "movies"
[[mapping]]
namespace = "mydb.col"
index = "mydbcol"
type = "collection"
参数说明
mongo-url MongoDB实例的主节点访问地址。
elasticsearch-urls 阿里云Elasticsearch实例的访问地址，格式为http://<阿里云Elasticsearch实例的内网地址>:9200。
direct-read-namespaces 指定待同步的集合，详情请参见direct-read-namespaces。本文同步的数据集为mydb数据库下的hotmovies和col集合。
change-stream-namespaces 如果要使用MongoDB变更流功能，需要指定此参数。启用此参数后，oplog追踪会被设置为无效。
namespace-regex 通过正则表达式指定需要监听的集合。此设置可以用来监控符合正则表达式的集合中数据的变化。
elasticsearch-user 访问阿里云Elasticsearch实例的用户名，默认为elastic。
注意 实际业务中不建议使用elastic用户，这样会降低系统安全性。建议使用自建用户，并给予自建用户分配相应的角色和权限，详情请参见通过Elasticsearch X-Pack角色管理实现用户权限管控。
elasticsearch-password 对应用户的密码。elastic用户的密码在创建实例时指定，如果忘记可进行重置，重置密码的注意事项和操作步骤请参见重置实例访问密码。
elasticsearch-max-conns 定义连接Elasticsearch的线程数。默认为4，即使用4个Go线程同时将数据同步到Elasticsearch。
dropped-collections 默认为true，表示当删除MongoDB集合时，会同时删除Elasticsearch中对应的索引。
dropped-databases 默认为true，表示当删除MongoDB数据库时，会同时删除Elasticsearch中对应的索引。
resume 默认为false。设置为true，Monstache会将已成功同步到Elasticsearch的MongoDB操作的时间戳写入monstache.monstache集合中。当Monstache因为意外停止时，可通过该时间戳恢复同步任务，避免数据丢失。如果指定了cluster-name，该参数将自动开启，详情请参见resume。
resume-strategy 指定恢复策略。仅当resume为true时生效，详情请参见resume-strategy。
verbose 默认为false，表示不启用调试日志。
cluster-name 指定集群名称。指定后，Monstache将进入高可用模式，集群名称相同的进程将进行协调，详情请参见cluster-name。
mapping 指定Elasticsearch索引映射。默认情况下，数据从MongoDB同步到Elasticsearch时，索引会自动映射为数据库名.集合名。如果需要修改索引名称，可通过该参数设置，详情请参见Index Mapping。
说明 Monstache支持丰富的参数配置，以上配置仅使用了部分参数完成数据实时同步，如果您有更复杂的同步需求，请参见Monstache config和Advanced进行配置。
原文链接：https://help.aliyun.com/document_detail/171650.html
参考链接：https://www.cnblogs.com/agopher/p/15704630.html