请教 Es 同步问题

[findlisa]

场景：菜鸡一枚，我有一个使用 es 的场景，是一个检索系统，检索的要求比较高，关系型数据库无法满足。数据源是外部的 xml 文件，数据量第一次 400w 左右，后续每天会几千的数据增量更新，增量数据也是来源 xml 文件。

我的想法有两个：
方式一，分两个阶段：目前是打算先将文件解析到数据库（已经实现解析到数据库，主表 400w ，关联表 1000w,400w,700w 不等），只同步关键索引字段，检索时拿到主键再通过主键查询从数据库组装数据做详情展示。通过定时任务 update_time 或者触发方式直接调用 es 的 api 将数据同步到 es
目前存在的问题：
1.数据不在一个表里，还需要做一些联表查询，数据处理，再同步到 es ，方便做检索，打算只做一个嵌套索引。系统会做一些更新操作也希望能同步到 es
2.数据一致性保难保证？

方式二，解析文件的时候，直接将数据双写，一边写 mysql ，一边组装后调 es api 写到 es
想到可能存在的问题：
1.如果解析过程其中一个发生异常，是不是得手动处理脏数据
2.这种方式是不是得引入消息 mq ？先写到 mq ，再消费 mq 处理数据后写到 es （我这个数据量这样有必要吗）
3.一次到位好像更方便，系统操作有更新还需要将更新同步到 es

哪个方式好点呢？也稍微了解过 flink ，canal ，但是感觉好像维护困难，我也不知道能不能满足我的需求，因为我们没有专业运维，整进来也是我自己维护，我该怎么办呢，迷茫了，就怕按自己想的方式做后面一堆坑，有没有前辈指导一下

[chenshiforever]

所有表都丢进 es ，查询用 es 查

[findlisa]

@chenshiforever 不只是单纯查询，还涉及修改呀，或者是涉及哪个字段什么时候更新了由什么更新成什么

[julyclyde]

我觉得需要检讨一下需求和方案
单说技术方案，可能是跟随错误的需求做出来的错误方案

1 数据一致性当然难保证，你这都不是实时更新的
2 双写如果发生事务回滚你咋办？

[findlisa]

@julyclyde 目前呢项目没有产品，我直接和需求对接的，不要求实时一致，但是要保持最终一致，数据对就行😂😂

[julyclyde]

@findlisa 要不你试试，用 mysql slave 协议直接来读数据？

[totoro52]

canal

[totoro52]

我做过你这个需求，用的 canal ，也可以接入 mq ，保证消费

[aaaaaaaaaaj]

@findlisa 我也做过类似的需求，我是先写库，然后再通过脚本，全量和增量写入 ES ，最终数据以数据库为准，数据库有插入或者更新或者删除，就在操作库成功之后再同样操作 ES 。实时性要求不高的话，就慢慢调 ES 接口往 ES 里刷就行，没有运维团队的话，额外引入的中间件越多，自己维护的越麻烦，系统写的也越复杂。

[findlisa]

@totoro52 也是解析 xml 名单？

[findlisa]

@julyclyde 好的这个考虑一下，感谢答复🙏

[findlisa]

canal+mq 是不是一下就多个两个东西

[findlisa]

@totoro52 canal+mq 是不是一下子引入了两个东西，你是先写库，然后再用 canal+mq 同步吗

[chenshiforever]

@findlisa 你这个需求对于 es 来讲是轻量级，数据存到数据库，然后自动同步到 es ，增删改全都会自动同步（新增数据延时几秒钟），查询全用 es 查，所有查询基本 500ms 以内。

[findlisa]

@totoro52 老哥能加个联系方式吗，咨询一些检索问题，可有偿