前面我们介绍了Spring Boot 整合 Elasticsearch 实现数据查询检索的功能，在实际项目中，我们的数据一般存储在数据库中，而且随着业务的发送，数据也会随时变化。

那么如何保证数据库中的数据与Elasticsearch存储的索引数据保持一致呢？ 最原始的方案就是：当数据发生增删改操作时同步更新Elasticsearch。但是这样的设计耦合太高。接下来我们介绍一种非常简单的数据同步方式：Logstash 数据同步。

一、Logstash简介

什么是Logstash

logstash是一个开源的服务器端数据处理工具。简单来说，就是一根具备实时数据传输能力的管道，负责将数据信息从管道的输入端传输到管道的输出端；与此同时这根管道还可以让你根据自己的需求在中间加上滤网，Logstash提供里很多功能强大的滤网以满足你的各种应用场景。

Logstash常用于日志系统中做日志采集设备，最常用于ELK中作为日志收集器使用。

2.Logstash的架构原理

Logstash的基本流程架构：input=》 filter =》 output 。

• input(输入）：采集各种样式，大小和来源数据，从各个服务器中收集数据。常用的有：jdbc、file、syslog、redis等。
• filter(过滤器）负责数据处理与转换。主要是将event通过output发出之前对其实现的某些处理功能。
• output(输出）：将我们过滤出的数据保存到那些数据库和相关存储中，。

3.Logstash如何与Elasticsearch数据同步

实际项目中，我们不可能通过手动添加的方式将数据插入索引库，所以需要借助第三方工具，将数据库的数据同步到索引库。此时，Logstash出现了，它可以将不同数据库的数据同步到Elasticsearch中。保证数据库与Elasticsearch的数据保持一致。

目前支持数据库与ES数据同步的插件有很多，个人认为Logstash是众多同步mysql数据到es的插件中，最稳定并且最容易配置的一个。

二、安装Logstash

Logstash的使用方法也很简单，下面讲解一下，Logstash是如何使用的。需要说明的是：这里以windows 环境为例，演示Logstash的安装和配置。

1.下载Logstash

首先，下载对应版本的Logstash包，可以通过上面提供下载elasticsearch的地址进行下载，完成后解压。

上面是Logstash解压后的目录，我们需要关注是bin目录中的执行文件和config中的配置文件。一般生产情况下，会使用Linux服务器，并且会将Logstash配置成自启动的服务。这里测试的话，直接启动。

2.配置Logstash

接下来，配置Logstash。需要我们编写配置文件，根据官网和网上提供的配置文件，将其进行修改。

第一步：在Logstash根目录下创建mysql文件夹，添加mysql.conf配置文件，配置Logstash需要的相应信息，具体配置如下：

input {
    stdin {
    }
    jdbc {
      # mysql数据库连接
      jdbc_connection_string => "jdbc:mysql://localhost:3306/book_test?characterEncoding=utf-8&useSSL=false&serverTimezone=UTC"
      # mysqly用户名和密码
      jdbc_user => "root"
      jdbc_password => "root"
      # 驱动配置
      jdbc_driver_library => "C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\mysql-connector-java-8.0.20.jar"
      # 驱动类名
      jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
      #jdbc_paging_enabled => "true"
      #jdbc_page_size => "50000"
      jdbc_default_timezone => "Asia/Shanghai"
      # 执行指定的sql文件
      statement_filepath => "C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\sql\bookquery.sql"
      use_column_value => true
      # 是否将字段名转换为小写，默认true（如果有数据序列化、反序列化需求，建议改为false）；
      lowercase_column_names => false
      # 需要记录的字段，用于增量同步，需是数据库字段
      tracking_column => updatetime
      # Value can be any of: numeric,timestamp，Default value is "numeric"
      tracking_column_type => timestamp
      # record_last_run上次数据存放位置；
      record_last_run => true
      #上一个sql_last_value值的存放文件路径, 必须要在文件中指定字段的初始值
      last_run_metadata_path => "C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\sql\logstash_default_last_time.log"
      # 是否清除last_run_metadata_path的记录，需要增量同步时此字段必须为false；
      clean_run => false
      # 设置监听 各字段含义 分 时 天 月  年 ，默认全部为*代表含义：每分钟都更新
      schedule => "* * * * *"
      # 索引类型
      type => "id"
    }
}

output {
    elasticsearch {
        #es服务器
        hosts => ["10.2.1.231:9200"]
        #ES索引名称
        index => "book"
        #自增ID
        document_id => "%{id}"
    }
    
    stdout {
        codec => json_lines
    }
}

第二步：将mysql-connector-java.jar 拷贝到前面配置的目录下。上面的mysql.conf配置的是：C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\mysql-connector-java-8.0.20.jar。那么jar包拷贝到此目录下即可：

上面是mysql的驱动，如果是sqlserver数据库，下载SqlServer对应的驱动即可。放置的位置要与mysql.conf 配置文件中的jdbc_driver_library 地址保持一致。

第三步：创建sql目录，创建bookquery.sql文件用于保存需要执行的sql 脚本。示例代码如下：

select * from book where updatetime >= :sql_last_value
order by updatetime desc

这里使用的增量更新，所以使用:sql_last_value 记录上一次记录的最后时间。

3.启动Logstash

进入logstash的bin目录，执行如下命令：

logstash.bat -f C:\Users\Administrator\Desktop\logstash-7.5.1\mysql\mysql.conf

启动成功之后，Logstash就会自动定时将数据写入到Elasticsearch。如下图所示：

同步完成后，我们使用Postman查询Elasticsearch，验证索引是否都创建成功。在postman中，发送 Get 请求：http://10.2.1.231:9200/book/_search 。返回结果如下图所示：

可以看到，数据库中的数据已经通过Logstash同步至Elasticsearch。说明Logstash配置成功。

三、创建查询服务

数据同步完成后，接下来我们使用Spring Boot 构建Elasticsearch查询服务。首先创建Spring Boot项目并整合Elasticsearch，这个之前都已经介绍过，不清楚的朋友可以看我之前的文章。

接下来演示如何封装完整的数据查询服务。

1.数据实体

@Document( indexName = "book" , replicas = 0)
public class Book {
    @Id
    private Long id;
    @Field(analyzer = "ik_max_word",type = FieldType.Text)
    private String bookName;
    @Field(analyzer = "ik_max_word",type = FieldType.Text)
    private String author;
    private float price;
    private int page;
    @Field(type = FieldType.Date,format = DateFormat.custom,pattern = "yyyy-MM-dd'T'HH:mm:ss.SSS'Z'")
    private Date createTime;

    @Field(type = FieldType.Date,format = DateFormat.custom,pattern = "yyyy-MM-dd'T'HH:mm:ss.SSS'Z'")
    private Date updateTime;

    @Field(analyzer = "ik_max_word",type = FieldType.Text)
    private String category;

    public Long getId() {
        return id;
    }
    public void setId(Long id) {
        this.id = id;
    }

    public String getBookName() {
        return bookName;
    }
    public void setBookName(String bookName) {
        this.bookName = bookName;
    }

    public String getAuthor() {
        return author;
    }
    public void setAuthor(String author) {
        this.author = author;
    }

    public float getPrice() {
        return price;
    }

    public void setPrice(float price) {
        this.price = price;
    }

    public int getPage() {
        return page;
    }

    public void setPage(int page) {
        this.page = page;
    }


    public String getCategory() {
        return category;
    }

    public void setCategory(String category) {
        this.category = category;
    }

    public Book(){

    }

    public Date getCreateTime() {
        return createTime;
    }

    public void setCreateTime(Date createTime) {
        this.createTime = createTime;
    }

    public Date getUpdateTime() {
        return updateTime;
    }

    public void setUpdateTime(Date updateTime) {
        this.updateTime = updateTime;
    }
}

2.请求封装类

public class BookQuery {
    public String category;
    public String bookName;
    public String author;
    public int priceMin;
    public int priceMax;
    public int pageMin;
    public int pageMax;
    public String sort;
    public String sortType;
    public int page;
    public int limit;
}

3.创建Controller控制器

@RestController
public class ElasticSearchController {

    @Autowired
    private ElasticsearchRestTemplate elasticsearchRestTemplate;

    /**
     * 查询信息
     * @param
     * @return
     */
    @PostMapping(value = "/book/query")
    public JSONResult query(@RequestBody BookQuery bookQuery){
        Query query= getQueryBuilder(bookQuery);
        SearchHits<Book> searchHits = elasticsearchRestTemplate.search(query, Book.class);
        List<SearchHit<Book>> result = searchHits.getSearchHits();
        return JSONResult.ok(result);
    }

    public Query getQueryBuilder(BookQuery query) {
               BoolQueryBuilder builder = boolQuery();
        // 匹配器 模糊查询部分，分析器使用ik (ik_max_word)
        List<QueryBuilder> must = builder.must();

        if (query.getBookName()!=null && !query.getBookName().isEmpty())
            must.add(wildcardQuery("bookName", "*" +query.getBookName()+ "*"));

        if (query.getCategory()!=null && !query.getCategory().isEmpty())
            must.add(wildcardQuery("category", "*" +query.getCategory()+ "*"));

        if (query.getAuthor()!=null && !query.getAuthor().isEmpty())
            must.add(wildcardQuery("author", "*" +query.getAuthor()+ "*"));

        // 筛选器 精确查询部分
        List<QueryBuilder> filter = builder.filter();
        // 范围查询
        if (query.getPriceMin()>0 && query.getPriceMax()>0) {
            RangeQueryBuilder price = rangeQuery("price").gte(query.getPriceMin()).lte(query.getPriceMax());
            filter.add(price);
        }
        // 范围查询
        if (query.getPageMin()>0 && query.getPageMax()>0) {
            RangeQueryBuilder page = rangeQuery("page").gte(query.getPageMin()).lte(query.getPageMax());
            filter.add(page);
        }

        // 分页
        PageRequest pageable = PageRequest.of(query.getPage() - 1, query.getLimit());
        // 排序
        SortBuilder sort = SortBuilders.fieldSort("price").order(SortOrder.DESC);

        //设置高亮效果
        String preTag = "<font color='#dd4b39'>";//google的色值
        String postTag = "</font>";
        HighlightBuilder.Field highlightFields = new HighlightBuilder.Field("category").preTags(preTag).postTags(postTag);

        Query searchQuery = new NativeSearchQueryBuilder()
                .withQuery(builder)
                .withHighlightFields(highlightFields)
                .withPageable(pageable)
                .withSort(sort)
                .build();
        return searchQuery;
    }
}

4.测试验证

启动项目，在Postman中，请求http://localhost:8080/book/query 接口查询书籍信息数据。查看接口返回情况。

我们看到接口成功返回数据。说明数据查询服务创建成功。

最后

以上，我们就把使用Spring Boot + Elasticsearch + Logstash 实现完整的数据查询检索服务介绍完了。