MySQL同步ES的六种方案！
引言
在分布式架构中，MySQL与Elasticsearch（ES）的协同已成为解决高并发查询与复杂检索的标配组合。
然而，如何实现两者间的高效数据同步，是架构设计中绕不开的难题。
这篇文章跟大家一起聊聊MySQL同步ES的6种主流方案，结合代码示例与场景案例，帮助开发者避开常见陷阱，做出最优技术选型。
方案一：同步双写
场景：适用于对数据实时性要求极高，且业务逻辑简单的场景，如金融交易记录同步。
在业务代码中同时写入MySQL与ES。
代码如下：
@Transactional
public void createOrder(Order order) {
// 写入MySQL
orderMapper.insert(order);
// 同步写入ES
IndexRequest request = new IndexRequest("orders")
.id(order.getId())
.source(JSON.toJSONString(order), XContentType.JSON);
client.index(request, RequestOptions.DEFAULT);
}痛点：
- 硬编码侵入：所有涉及写操作的地方均需添加ES写入逻辑。
- 性能瓶颈：双写操作导致事务时间延长，TPS下降30%以上。
- 数据一致性风险：若ES写入失败，需引入补偿机制（如本地事务表+定时重试）。
方案二：异步双写
场景：电商订单状态更新后需同步至ES供客服系统检索。
我们可以使用MQ进行解耦。
架构图如下：
代码示例如下：
// 生产者端
public void updateProduct(Product product) {
productMapper.update(product);
kafkaTemplate.send("product-update", product.getId());
}
// 消费者端
@KafkaListener(topics = "product-update")
public void syncToEs(String productId) {
Product product = productMapper.selectById(productId);
esClient.index(product);
}优势：
- 吞吐量提升：通过MQ削峰填谷，可承载万级QPS。
- 故障隔离：ES宕机不影响主业务链路。
缺陷：
- 消息堆积：突发流量可能导致消费延迟（需监控Lag值）。
- 顺序性问题：需通过分区键保证同一数据的顺序消费。
方案三：Logstash定时拉取
场景：用户行为日志的T+1分析场景。
该方案低侵入但高延迟。
配置示例如下：
input {
jdbc{
jdbc_driver=>"com.mysql.jdbc.Driver"
jdbc_url=>"jdbc:mysql://localhost:3306/log_db"
schedule=>"*/5 * * * *"# 每5分钟执行
statement=>"SELECT * FROM user_log WHERE update_time > :sql_last_value"
}
}
output{
elasticsearch{
hosts=>["es-host:9200"]
index=>"user_logs"
}
}适用性分析：
- 优点：零代码改造，适合历史数据迁移。
- 致命伤：
- 分钟级延迟（无法满足实时搜索）
- 全表扫描压力大（需优化增量字段索引）
方案四：Canal监听Binlog
场景：社交平台动态实时搜索（如微博热搜更新）。技术栈：Canal + RocketMQ + ES
该方案高实时，并且低侵入。
架构流程如下：
关键配置：
# canal.properties
canal.instance.master.address=127.0.0.1:3306
canal.mq.topic=canal.es.sync避坑指南：
- 数据漂移：需处理DDL变更（通过Schema Registry管理映射）。
- 幂等消费：通过
_id唯一键避免重复写入。
方案五：DataX批量同步
场景：将历史订单数据从分库分表MySQL迁移至ES。
该方案是大数据迁移的首选。
配置文件如下：
{
"job":{
"content":[{
"reader":{
"name":"mysqlreader",
"parameter":{"splitPk":"id","querySql":"SELECT * FROM orders"}
},
"writer":{
"name":"elasticsearchwriter",
"parameter":{"endpoint":"http://es-host:9200","index":"orders"}
}
}]
}
}性能调优：
- 调整
channel数提升并发（建议与分片数对齐） - 启用
limit分批查询避免OOM
方案六：Flink流处理
场景：商品价格变更时，需关联用户画像计算实时推荐评分。
该方案适合于复杂的ETL场景。
代码片段如下：
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.addSource(new CanalSource())
.map(record -> parseToPriceEvent(record))
.keyBy(event -> event.getProductId())
.connect(userProfileBroadcastStream)
.process(new PriceRecommendationProcess())
.addSink(new ElasticsearchSink());优势：
- 状态管理：精准处理乱序事件（Watermark机制）
- 维表关联：通过Broadcast State实现实时画像关联
总结：
对于文章上面给出的这6种技术方案，我们在实际工作中，该如何做选型呢？
下面用一张表格做对比：
方案 | 实时性 | 侵入性 | 复杂度 | 适用阶段 |
同步双写 | 秒级 | 高 | 低 | 小型单体项目 |
MQ异步 | 秒级 | 中 | 中 | 中型分布式系统 |
Logstash | 分钟级 | 无 | 低 | 离线分析 |
Canal | 毫秒级 | 无 | 高 | 高并发生产环境 |
DataX | 小时级 | 无 | 中 | 历史数据迁移 |
Flink | 毫秒级 | 低 | 极高 | 实时数仓 |
建议：
- 若团队无运维中间件能力 → 选择Logstash或同步双写
- 需秒级延迟且允许改造 → MQ异步 + 本地事务表
- 追求极致实时且资源充足 → Canal + Flink双保险
