vlambda博客
学习文章列表

为什么要从MongoDB迁移到Elasticsearch?


本文涉及到 MongoDB 与 Elasticsearch 两大阵营,可能会引起口水之争,仅代表个人经验之谈,非阵营之说。


图片来自 Pexels


我将围绕如下两个话题展开:

  • 为什么要从 MongoDB 迁移到 Elasticsearch?

  • 如何从 MongoDB 迁移到 Elasticsearch?

为什么要从MongoDB迁移到Elasticsearch?

MongoDB 与 Elasticsearch 热度排名


现状背景


MongoDB 本身定位与关系型数据库竞争,但工作中几乎没有见到哪个项目会将核心业务系统的数据放在上面,依然选择传统的关系型数据库。

项目背景


公司所在物流速运行业,业务系统复杂且庞大,用户操作者很多,每日有大量业务数据产生,同时业务数据会有很多次流转状态变化。


为了便于记录追踪分析,系统操作日志记录项目应运而生,考虑到原有的日均数据量,操作日志数据基于 MongoDB 存储。


操作日志记录系统需要记录两种数据,如下说明:


①变更主数据,什么人在什么时间在系统哪个模块做了什么操作,数据编号是什么,操作跟踪编号是什么。

{
  "dataId"1
  "traceId""abc",        
  "moduleCode""crm_01",           
  "operateTime""2019-11-11 12:12:12"
  "operationId"100,
  "operationName""张三",
  "departmentId"1000,
  "departmentName""客户部",
  "operationContent""拜访客户。。。"
}


②变更从数据,实际变更数据的变化前后,此类数据条数很多,一行数据多个字段变更就记录多条。

[
  {
    "dataId"1,
    "traceId""abc",
    "moduleCode""crm_01",
    "operateTime""2019-11-11 12:12:12",
    "operationId"100,
    "operationName""张三",
    "departmentId"1000,
    "departmentName""客户部",
    "operationContent""拜访客户",

    "beforeValue""20",
    "afterValue""30",
    "columnName""customerType"
  },
  {
    "dataId"1,
    "traceId""abc",
    "moduleCode""crm_01",
    "operateTime""2019-11-11 12:12:12",
    "operationId"100,
    "operationName""张三",
    "departmentId"1000,
    "departmentName""客户部",
    "operationContent""拜访客户",

    "beforeValue""2019-11-02",
    "afterValue""2019-11-10",
    "columnName""lastVisitDate"
  }
]

项目架构


项目架构描述如下:
  • 业务系统新增或者编辑数据,产生操作日志记录发送到 Kafka 集群,基于 dataid 字段作为 key。

  • 新增或编辑数据实际存储到 MySQL 数据库。

  • Canal 集群订阅 MySQL 集群,按照业务系统模块配置监控的数据库与表。

  • Canal 将监控到的变更业务数据发送到 Kafka 集群,基于 dataid 字段作为 key。

  • 操作日志系统从 Kafka 获取主记录数据与从记录数据。

  • 操作日志系统写入数据到 MongoDB,同时需要反查询。
为什么要从MongoDB迁移到Elasticsearch?
操作日志记录业务流程说明


MongoDB 架构


集群架构说明:
  • 服务器配置 8c/32gb/500gb ssd。

  • Router 路由服务器部署了 3 个节点。

  • Config 配置服务器部署了 3 个节点。

  • Shard 分片服务器部署了 9 个节点。

  • 主操作记录设计 3 个分片。

  • 从操作记录设计 3 个分片。

为什么要从MongoDB迁移到Elasticsearch?

问题说明: MongoDB 的信徒们可能怀疑我们没有使用好,或者我们的运维能力欠缺,或者认为我们有 Elasticsearch 的高手在。

不是这样的,弃用 MongoDB 选择 Elasticsearch 其实并非技术偏见问题,而是我们的实际场景需求,原因如下:


①搜索查询


项目背景:
  • MongoDB 内部采用 B-Tree 作为索引结构,此索引基于最左优先原则,且必须保证查询顺序与索引字段的顺序一致才有效,这个即是优点,但在现在复杂业务场景也是致命的。

  • 业务系统查询操作日志记录会有很多过滤条件,且查询条件是任意组合的,现有 MongoDB 是不支持的,或者说所有关系型数据库都不支持,如果要支持,得创建好多组合的 B+ 数索引,想法很不理智。

  • 同时主记录与从记录中有很多字符类的数据,这些数据查询即要支持精确查询,也要支持全文检索,这几个方面 MongoDB 功能很单一,性能也很糟糕,业务系统查询时经常超时,反倒是 Elasticsearch 非常合适。


②技术栈成熟度


项目背景:
  • 分片与副本实现问题,MongoDB 集合数据在设计时是需要绑定到具体的机器实例的,哪些分片分布在哪些节点上,哪些副本分布在哪些节点上。

    这些都需要在配置集群时就要绑定死,跟传统的关系型数据库做分库分表本质上没有什么两样,其实现在很多数据产品的集群还是这种模式偏多,比如 Redis-cluster,ClickHouse 等。

    而 Elasticsearch 的集群与分片和副本没有直接的绑定关系,可以任意的平衡调整,且节点的性能配置也可以很容易差异化。

  • 操作日志数据量增加很快,单日写入超过千万条,不用多久,运维人员就需要对服务器进行扩容,且相对 Elasticsearch 复杂很多。

  • MongoDB 单集合数据量超过 10 亿条,此情况下即使简单条件查询性能也不理想,不如 Elasticsearch 倒排索引快。

  • 公司对于 ES 与 MongoDB 技术栈的经验积累不同,Elasticsearch 在很多项目中运用,非常核心的项目也是大量运用。

    对于其技术与运维经验更丰富,而 MongoDB 如果除去核心业务场景,几乎找不到合适的切入口,实际没有人敢在核心项目中使用 MongoDB,这就很尴尬。


③文档格式相同


MongoDB 与 Elasticsearch 都属于文档型数据库,Bson 类同与 Json,_objectid与_id 原理一样,所以主数据与从数据迁移到 Elasticsearch 平台,数据模型几乎无需变化。


迁移方案


异构数据系统迁移,主要围绕这两大块内容展开:
  • 上层应用系统迁移,原来是针对 MongoDB 的语法规则,现在要修改为面向 Elasticsearch 语法规则。

  • 下层 MongoDB 数据迁移到 Elasticsearch。


①Elastic 容量评估


原有 MongoDB 集群采用了 15 台服务器,其中 9 台是数据服务器,迁移到 Elastic 集群需要多少台服务器?


我们采取简单推算办法,如假设生产环境上某个 MongoDB 集合的数据有 10 亿条数据,我们先在测试环境上从 MongoDB 到 ES 上同步 100 万条数据。


假设这 100 万条数据占用磁盘 10G,那生产上环境上需要 1 个 T 磁盘空间,然后根据业务预期增加量扩展一定冗余。


根据初步评估,Elastic 集群设置 3 台服务器, 配置 8c/16g 内存/2T 机械磁盘。服务器数量一下从 15 台缩减到 3 台,且配置也降低不少。


②Elastic 索引规则


系统操作日志是时序性数据,写完整后基本上无需再次修改。

操作日志记录查询主要是当月的居多,后续的历史性数据查询频率很低,根据评估,核心数据索引按月创建生成,业务查询时候必须带上操作时间范围,后端根据时间反推需要查询哪些索引。


Elastic-Api 支持多索引匹配查询,完美利用 Elastic 的特性解决跨多个月份的查询合并。对于非核心数据索引,按年创建索引生成足以。

为什么要从MongoDB迁移到Elasticsearch?

Elastic 操作日志索引创建规则

③核心实现逻辑设计


Elasticsearch 不是关系型数据库,不具备事务的机制。


操作日志系统的数据来源都是 Kafka,消费数据是有顺序机制的,有 2 种场景特别注意,如下:
  • 主数据先到操作日志系统,从数据后到,从数据写的时候先拼凑主数据记录和 Binlog 字段数据。

  • 从数据先到操作日志系统,主数据后到,主数据更新从索引的相关的索引字段。


Elasticsearch 索引数据更新是近实时的刷新机制,数据提交后不能马上通过 Search-Api 查询到,主记录的数据如何更新到从记录呢?而且业务部门不规范的使用,多条主记录的 dataId 和 tracId 可能一样。


由于主数据与从数据关联字段是 dataId 和 traceId。如果主数据与从数据在同时达到操作日志系统,基于 update_by_query 命令肯定失效不 准确,主从数据也可能是多对多的关联关系,dataId 和 traceId 不能唯一决定一条记录。


Elasticsearch 其实也是一个 NoSQL 数据库,可以做 key-value 缓存。


这时新建一个 Elastic 索引作为中间缓存, 原则是主数据与从数据谁先到缓存谁,索引的 _id=(dataId+traceId)。


通过这个中间索引可以找到主数据记录的 Id 或者从记录 Id, 索引数据模型多如下,detailId 为从索引的 _id 的数组记录。

{
  "dataId"1,
  "traceId""abc",
  "moduleCode""crm_01",
  "operationId"100,
  "operationName""张三",
  "departmentId"1000,
  "departmentName""客户部",
  "operationContent""拜访客户",
  "detailId": [
    1,
    2,
    3,
    4,
    5,
    6
  ]
}


前面我们讲过主记录和从记录都是一个 Kafka 的分区上,我们拉一批数据的时候,操作 ES 用的用到的核心 API:

#批量获取从索引的记录
_mget 
#批量插入
bulk
#批量删除中间临时索引
_delete_by_query 


迁移过程


①数据迁移


选择 DataX 作为数据同步工具由以下几个因素:
  • 历史型数据。操作日志记录数据属于历史性的数据,记录产生之后几乎无需二次修改,等同于离线数据。

  • 非持续性迁移。项目全部完工之后,原有的 MongoDB 集群会全部销毁,不会有二次迁移需求。

  • 数据量问题。原有 MongoDB 操作日志数据量有几十亿条,迁移过程不能太快也不能太慢,速度太快,MongoDB 集群会出现性能问题,速度太慢,项目周期太长,增加运维的成本与复杂度。否则可以选择 Hadoop 作为中转平台的迁移。

  • DataX 源码特定场景改造。如日期类型的转换、索引主键 _id 的生成、索引主键 _id 映射,支持重复同步。

  • 多实例多线程并行。主数据同步部署多个实例,从数据同步也部署多个实例,单实例中配置多个 Channel。

为什么要从MongoDB迁移到Elasticsearch?

DataX 同步数据示意图


②迁移索引设置


临时修改索引的一些设置,当数据同步完之后再修改回来,如下:

  "index.number_of_replicas": 0,
  "index.refresh_interval""30s",
  "index.translog.flush_threshold_size""1024M"
  "index.translog.durability""async",
  "index.translog.sync_interval""5s"


③应用迁移

操作日志项目采用 Spring Boot 构建,增加了自定义配置项,如下:

#应用写入mongodb标识
writeflag.mongodb: true
#应用写入elasticsearch标识
writeflag.elasticsearch: true


项目改造说明:
  • 第一次上线的时候,先将 2 个写入标识设置为 true,双写 MongoDB 和 ES。

  • 对于读,提供 2 个不同接口,前端自由的切换。

  • 等数据迁移完,没有差异的时候,重新更改 flag 的值。

应用平衡迁移


结语


①迁移效果


弃用 MongoDB 使用 ElasticSearch 作为存储数据库,服务器从原来的 15 台 MongoDB,变成了 3 台 ElasticSearch,每月为公司节约了一大笔费用。


同时查询性能提高了 10 倍以上,而且更好的支持了各种查询,得到了业务部门的使用者,运维团队和领导的一致赞赏。

②经验总结


整个项目前后历经几个月,多位同事参与,设计、研发,数据迁移、测试、数据验证、压测等各个环节。


技术方案不是一步到位,中间也踩了很多坑,最终上线了。ES 的技术优秀特点很多,灵活的使用,才能发挥最大的威力。

简介:Elastic-stack 产品深度用户,ES 认证工程师,2012 年接触 Elasticsearch,对 Elastic-Stack 开发、架构、运维等方面有深入体验,实践过多种 Elasticsearch 项目,最暴力的大数据分析应用,最复杂的业务系统应用;业余为企业提供 Elastic-stack 咨询培训以及调优实施。

编辑:陶家龙

精彩文章推荐: