本文转载自微信公众号「 三分恶」，作者老三 。转载本文请联三分恶公众号。
大家好，我是老三，这期给大家分享一个电商中常见的场景——MySQL数据同步Elasticsearch。
商品检索
大家应该都在各种电商网站检索过商品，检索商品一般都是通过什么实现呢？搜索引擎Elasticsearch。
那么问题来了，商品上架，数据一般写入到MySQL的数据库中，那么用于检索的数据又是怎么同步到Elasticsearch的呢？
MySQL同步ES
1.同步双写
这是能想到的最直接的方式，在写入MySQL，直接也同步往ES里写一份数据。
同步双写
对于这种方式：
- 优点：实现简单
- 缺点：
- 业务耦合，商品的管理中耦合大量数据同步代码
- 影响性能，写入两个存储，响应时间变长
- 不便扩展：搜索可能有一些个性化需求，需要对数据进行聚合，这种方式不便实现
2.异步双写
我们也很容易想到异步双写的办法，上架商品的时候，先把商品数据丢进MQ，为了解耦合，我们一般会拆分一个搜索服务，由搜索服务去订阅商品变动的消息，来完成同步。
异步双写
前面说的，一些数据需要聚合处理成类似宽表的结构怎么办呢？例如商品库的商品品类、spu、sku表是分开的，但是查询是跨维度的，在ES里再聚合一次效率就低一些，最好就是把商品的数据给聚合起来，在ES里以类似大宽表的形式存储，这样一来查询效率就高一些。
多维度多条件查询
这种其实没什么好办法，基本上还是得搜索服务直接查库，或者远程调用，再查询一遍商品的数据库，就是所谓的回查。
回查完成聚合
这种方式：
- 优点：
- 解耦合，商品服务无需关注数据同步
- 实时性较好，使用MQ，正常情况下，同步完成在秒级
- 缺点：
- 引入了新的组件和服务，增加了复杂度
3.定时任务
假如我们要快速搞搞，数据量有没那么大，怎么办呢？定时任务也可以。
定时任务
定时任务，最麻烦的一点是频率不好选，频率高的话，会非自然地形成业务的波峰，导致存储的CPU、内存占用波峰式上升，频率低的话实时性比较差，而且也有波峰的情况。
这种方式：
- 优点：实现比较简单
- 缺点：
- 实时性难以保证
- 对存储压力较大
4.数据订阅
还有一种方式，就是最时兴的数据订阅。
MySQL通过binlog订阅实现主从同步，各路数据订阅框架比如canal就依据这个原理，将client组件伪装成从库，来实现数据订阅。
MySQL主从同步
我们以应用最广泛的canal为例，canal通过canal-adapter，支持多种适配器，其中就有ES适配器，通过一些配置，启动之后，就可以直接把MySQL数据同步到ES，这个过程是零代码的。
canal同步数据
但是，和老板了解过，使用canal看起来很美好，帮我们把同步的事情都干了，但其实，还是要写代码。为什么呢？
前面提到的多张表数据聚合，canal的支持没那么好，所以还是得回查。这时候用canal-adapter就不合适了，需要自己实现canal-client，监听和聚合数据，写入ES：
数据订阅+回查
这种看起来和异步双写比较像，但是第一降低了商品服务的耦合，第二数据的实时性更好。
所以使用数据订阅：
- 优点：
- 业务入侵较少
- 实时性较好
至于数据订阅框架的选型，主流的大体上是这些：
Cancal | Maxwell | Python-Mysql-Rplication | |
开源方 | 阿里巴巴 | Zendesk | 社区 |
开发语言 | Java | Java | Python |
活跃度 | 活跃 | 活跃 | 活跃 |
高可用 | 支持 | 支持 | 不支持 |
客户端 | Java/Go/PHP/Python/Rust | 无 | Python |
消息落地 | Kafka/RocketMQ 等 | Kafka/RabbitNQ/Redis 等 | 自定义 |
消息格式 | 自定义 | JSON | 自定义 |
文档详略 | 详细 | 详细 | 详细 |
Boostrap | 不支持 | 支持 | 不支持 |
除了MySQL同步ES，MySQL同步到其它的数据存储，例如HBase，其实大体上都是类似的几种方法。
参考：
- [1]. https://www.infoq.cn/article/1afyz3b6hnhprrg12833
- [2].https://www.iamle.com/archives/2900.html
- [3].https://blog.51cto.com/lianghecai/4755693
- [4].https://qinyuanpei.github.io/posts/1333693167/
- [5].https://github.com/alibaba/canal/wiki/ClientAdapter
