前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >DataX数据同步实战案例

DataX数据同步实战案例

作者头像
chimchim
发布2022-11-13 13:24:13
2.1K0
发布2022-11-13 13:24:13
举报
文章被收录于专栏:chimchim要努力变强啊

目录

一、背景

二、框架设计

三、核心架构

核心模块介绍:

DataX调度流程:

四、目前支持的数据源清单

五、案例

1.从mysql同步全量数据到hive无分区表的json文件配置

2.从mysql同步增量数据到hive无分区表的json文件配置

3.从mysql同步全量数据到hive分区表的json文件配置

4.从hive同步全量数据到mysql的json文件配置

5.从hive同步增量数据到mysql的json文件配置

6.从Postgre同步全量数据到hive分区表的json文件配置

7.从Postgre同步全量数据到hive分区表的json文件配置

8.从mysql同步数据到doris的json文件配置

六、执行


一、背景

DataX 是阿里云DataWorks数据集成的开源版本,在阿里巴巴集团内被广泛使用的离线数据同步工具/平台。DataX 实现了包括 MySQL、Oracle、OceanBase、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、Hologres、DRDS 等各种异构数据源之间高效的数据同步功能。

二、框架设计

DataX本身作为离线数据同步框架,采用Framework + plugin架构构建。将数据源读取和写入抽象成为Reader/Writer插件,纳入到整个同步框架中。

  • Reader:Reader为数据采集模块,负责采集数据源的数据,将数据发送给Framework。
  • Writer: Writer为数据写入模块,负责不断向Framework取数据,并将数据写入到目的端。
  • Framework:Framework用于连接reader和writer,作为两者的数据传输通道,并处理缓冲,流控,并发,数据转换等核心技术问题。

三、核心架构

核心模块介绍:

  1. DataX完成单个数据同步的作业,我们称之为Job,DataX接受到一个Job之后,将启动一个进程来完成整个作业同步过程。DataX Job模块是单个作业的中枢管理节点,承担了数据清理、子任务切分(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。
  2. DataXJob启动后,会根据不同的源端切分策略,将Job切分成多个小的Task(子任务),以便于并发执行。Task便是DataX作业的最小单元,每一个Task都会负责一部分数据的同步工作。
  3. 切分多个Task之后,DataX Job会调用Scheduler模块,根据配置的并发数据量,将拆分成的Task重新组合,组装成TaskGroup(任务组)。每一个TaskGroup负责以一定的并发运行完毕分配好的所有Task,默认单个任务组的并发数量为5。
  4. 每一个Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的线程来完成任务同步工作。
  5. DataX作业运行起来之后, Job监控并等待多个TaskGroup模块任务完成,等待所有TaskGroup任务完成后Job成功退出。否则,异常退出,进程退出值非0

DataX调度流程:

举例来说,用户提交了一个DataX作业,并且配置了20个并发,目的是将一个100张分表的mysql数据同步到odps里面。 DataX的调度决策思路是:

  1. DataXJob根据分库分表切分成了100个Task。
  2. 根据20个并发,DataX计算共需要分配4个TaskGroup。
  3. 4个TaskGroup平分切分好的100个Task,每一个TaskGroup负责以5个并发共计运行25个Task。

四、目前支持的数据源清单

类型

数据源

Reader(读)

Writer(写)

RDBMS 关系型数据库

MySQL

MysqlReader

MysqlWriter

Oracle

OracleReader

OracleWriter

OceanBase

oceanbasev10reader

oceanbasev10writer

SQLServer

SqlServerReader

SqlServerWriter

PostgreSQL

PostgresqlReader

PostgresqlWriter

DRDS

DrdsReader

DRDSWriter

Kudu

kuduwriter

Clickhouse

clickwriter

通用RDBMS(支持所有关系型数据库)

RDBMSReader

RDBMSWriter

阿里云数仓数据存储

ODPS

ODPSReader

ODPSWriter

ADS

ADSWriter

OSS

OSSReader

OSSWriter

OCS

OCSWriter

NoSQL数据存储

OTS

OTSReader\otsstreamreader

OTSWriter

Hbase0.94

Hbase094XReader

Hbase094XWriter

Hbase1.1

Hbase11XReader

Hbase11XWriter

Phoenix4.x

hbase11xsqlreader

HBase11xsqlwriter

Phoenix5.x

hbase20xsqlreader

HBase20xsqlwriter

MongoDB

MongoDBReader

MongoDBWriter

Hive

HdfsReader

HdfsWriter

Cassandra

CassandraReader

CassandraWriter

无结构化数据存储

TxtFile

TxtFileReader

TxtFileWriter

FTP

FtpReader

FtpWriter

HDFS

HdfsReader

HdfsWriter

Elasticsearch

ElasticSearchWriter

时间序列数据库

OpenTSDB

OpenTSDBReader

TSDB

TSDBReader

TSDBWriter

TDengine

TDengineReader

TDengineWriter

 数据源参考指南:GitHub - alibaba/DataX: DataX是阿里云DataWorks数据集成的开源版本。

五、案例

1.从mysql同步全量数据到hive无分区表的json文件配置

代码语言:javascript
复制
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:mysql://ip:port/db_name?useSSL=false"],
                                "querySql": ["select * from table_name"],
                            }
                        ],
                        "username": "username",
                        "password": "password"
                    }
                },
               "writer": {
                                "name": "hdfswriter",
                                "parameter": {
                                        "defaultFS": "hdfs://ip:port",
                                        "fileType": "text",
                                        "path": "/user/hive/warehouse/db_name.db/hive_table_name_da",
                                        "fileName": "hive_table_name",
                                         "column": [
                                                    {"name":"id","type":"int"},
                                                    {"name":"name","type":"string"}
                                                    ],
                                        "writeMode": "append",
                                        "fieldDelimiter": "\t",
                                        "encoding": "utf-8"
                                }
                        }
                }],
                "setting": {
                        "speed": {
                                "channel": "1"
                        },
                        "errorLimit": {
                                "record": 0,
                                "percentage": 0.02
                        }
                }
        }
}

2.从mysql同步增量数据到hive无分区表的json文件配置

代码语言:javascript
复制
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:mysql://ip:port/db_name?useSSL=false"],
                                "querySql": ["select * from mysql_table_name where date(date_created)='${date_create}'"],
                            }
                        ],
                        "username": "username",
                        "password": "password"
                    }
                },
               "writer": {
                                "name": "hdfswriter",
                                "parameter": {
                                        "defaultFS": "hdfs://ip:port",
                                        "fileType": "text",
                                        "path": "/user/hive/warehouse/db_name.db/hive_table_name_da",
                                        "fileName": "hive_table_name",
                                         "column": [
                                                    {"name":"id","type":"int"},
                                                    {"name":"name","type":"string"}
                                                    ],
                                        "writeMode": "append",
                                        "fieldDelimiter": "\t",
                                        "encoding": "utf-8"
                                }
                        }
                }],
                "setting": {
                        "speed": {
                                "channel": "1"
                        },
                        "errorLimit": {
                                "record": 0,
                                "percentage": 0.02
                        }
                }
        }
}

3.从mysql同步全量数据到hive分区表的json文件配置

代码语言:javascript
复制
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:mysql://ip:port/db_name?useSSL=false"],
                                "querySql": ["select * from mysql_table_name"],
                            }
                        ],
                        "username": "username",
                        "password": "password"
                    }
                },
               "writer": {
                                "name": "hdfswriter",
                                "parameter": {
                                        "defaultFS": "hdfs://ip:port",
                                        "fileType": "text",
                                        "path": "/user/hive/warehouse/db_name.db/hive_table_name_ds/ds=2022-09-16",
                                        "fileName": "hive_table_name",
                                         "column": [
                                                    {"name":"id","type":"int"},
                                                    {"name":"name","type":"string"}
                                                    ],
                                        "writeMode": "append",
                                        "fieldDelimiter": "\t",
                                        "encoding": "utf-8"
                                }
                        }
                }],
                "setting": {
                        "speed": {
                                "channel": "1"
                        },
                        "errorLimit": {
                                "record": 0,
                                "percentage": 0.02
                        }
                }
        }
}

4.从hive同步全量数据到mysql的json文件配置

代码语言:javascript
复制
{
"job": {
       "setting": {
               "speed": {
                          "channel": 1
               },
               "errorLimit": {
                          "record": 0,
                          "percentage": 0.02
               }
       },
       "content": [{
               "reader": {
                    "name": "hdfsreader",
                    "parameter": {
                        "path":"/user/hive/warehouse/db_name.db/hive_table_name",
                        "defaultFS": "hdfs://ip:port",
                        "column": [
                               {
                                "index": 0,
                                "type": "long"
                               },
                               {
                                "index": 1,
                                "type": "string"
                               },
                               {
                                "index": 3,
                                "type": "long"
                               }
                        ],
                        "fileType": "text",
                        "encoding": "UTF-8",
                        "fieldDelimiter": "\t"
                    }
 
                },
               "writer": {
                       "name": "mysqlwriter",
                       "parameter": {
                       "writeMode": "insert",
                       "username": "username",
                       "password": "password",
                       "column": [
                                   "id",
                                   "name",
                                   "age"
                                 ],
                       "session": [
                                 "set session sql_mode='ANSI'"
                                 ],
                       "preSql": [
                                 "truncate table mysql_table_name"
                                 ],
                       "connection": [{
                                 "jdbcUrl": "jdbc:mysql://ip:port/db_name?useUnicode=true&characterEncoding=utf8",
                                 "table": [
                                     "mysql_table_name"
                                      ]
                                      }]
                        }
                       }
                 }]
     }
}

5.从hive同步增量数据到mysql的json文件配置

代码语言:javascript
复制
{
"job": {
       "setting": {
               "speed": {
                          "channel": 1
               },
               "errorLimit": {
                          "record": 0,
                          "percentage": 0.02
               }
       },
       "content": [{
               "reader": {
                    "name": "hdfsreader",
                    "parameter": {
                        "path":"/user/hive/warehouse/db_name.db/hive_table_name/ds=${ds}",
                        "defaultFS": "hdfs://ip:port",
                        "column": [
                               {
                                "index": 0,
                                "type": "long"
                               },
                               {
                                "index": 1,
                                "type": "string"
                               },
                               {
                                "index": 3,
                                "type": "long"
                               }
                        ],
                        "fileType": "text",
                        "encoding": "UTF-8",
                        "fieldDelimiter": "\t"
                    }
 
                },
               "writer": {
                       "name": "mysqlwriter",
                       "parameter": {
                       "writeMode": "insert",
                       "username": "username",
                       "password": "password",
                       "column": [
                                   "id",
                                   "name",
                                   "age"
                                 ],
                       "session": [
                                 "set session sql_mode='ANSI'"
                                 ],
                       "preSql": [
                                 "truncate table mysql_table_name"
                                 ],
                       "connection": [{
                                 "jdbcUrl": "jdbc:mysql://ip:port/db_name?useUnicode=true&characterEncoding=utf8",
                                 "table": [
                                     "mysql_table_name"
                                      ]
                                      }]
                        }
                       }
                 }]
     }
}

6.从Postgre同步全量数据到hive分区表的json文件配置

代码语言:javascript
复制
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "postgresqlreader",
                    "parameter": {
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:postgresql://ip:port/pg_db_name"],
                                "querySql": ["select * from pg_table_name"],
                            }
                        ],
                        "username": "username",
                        "password": "password"
                    }
                },
               "writer": {
                                "name": "hdfswriter",
                                "parameter": {
                                        "defaultFS": "hdfs://ip:port",
                                        "fileType": "text",
                                        "path": "/user/hive/warehouse/hive_db_name.db/hive_table_name/ds=${ds}",
                                        "fileName": "hive_table_name",
                                         "column": [
                                                    {"name":"id","type":"bigint"},
                                                    {"name":"name","type":"string"},
                                                    {"name":"date_create","type":"string"}
                                                    ],
                                        "writeMode": "append",
                                        "fieldDelimiter": "\t",
                                        "encoding": "utf-8"
                                }
                        }
                }],
                "setting": {
                        "speed": {
                                "channel": "1"
                        }
                }
        }
}

7.从Postgre同步全量数据到hive分区表的json文件配置

代码语言:javascript
复制
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "postgresqlreader",
                    "parameter": {
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:postgresql://ip:[ort/pg_db_name"],
                                "querySql": ["select * from pg_table_name where date_create='${date_create}'"],
                            }
                        ],
                        "username": "username",
                        "password": "password"
                    }
                },
               "writer": {
                                "name": "hdfswriter",
                                "parameter": {
                                        "defaultFS": "hdfs://ip:port",
                                        "fileType": "text",
                                        "path": "/user/hive/warehouse/hive_db_name.db/hive_table_name/ds=${ds}",
                                        "fileName": "hive_table_name",
                                         "column": [
                                                    {"name":"id","type":"bigint"},
                                                    {"name":"name","type":"string"},
                                                    {"name":"date_create","type":"string"}
                                                    ],
                                        "writeMode": "append",
                                        "fieldDelimiter": "\t",
                                        "encoding": "utf-8"
                                }
                        }
                }],
                "setting": {
                        "speed": {
                                "channel": "1"
                        },
                        "errorLimit": {
                                "record": 0,
                                "percentage": 0.02
                        }
                }
        }
}

8.从mysql同步数据到doris的json文件配置

代码语言:javascript
复制
{
  "core":{
    "transport": {
      "channel": {
        "speed": {
          "byte": 104857600,
          "record": 200000
        }
      }
    }
  },
    "job": {
        "setting": {
            "speed": {
                "channel": 1
            },
            "errorLimit": {
                "record": 0,
                "percentage": 0
            }
        },
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "username": "username",
                        "password": "password",
                        "connection": [
                            {
                            
                                "jdbcUrl": [
                                     "jdbc:mysql://ip:port/mysql_db_name"
                                ],
                                "querySql": [
                                    "select * from mysql_table_name;"
                                ]
                            }
                        ]
                    }
                },
               "writer": {
                    "name": "doriswriter",
                    "parameter": {
                        "username": "username",
                        "password": "password",
                        "database": "db_name",
                        "table": "table_name",
                        "column": [ "column1","column2","column3"],
                        "preSql": [],
                        "postSql": [], 
                        "jdbcUrl": "jdbc:mysql://ip:port/",
                        "feLoadUrl": ["cdh3:port"],
                        "beLoadUrl": ["cdh1:port", "cdh2:port", "cdh3:port"],
                        "loadProps": {
                        },
                        "maxBatchRows" : 200000,
                        "maxBatchByteSize" : 104857600,
                        "lineDelimiter": "\n"
                    }
                }
            }
        ]
    }
}

六、执行

执行命令

代码语言:javascript
复制
$ python datax.py conf.json
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-09-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、背景
  • 二、框架设计
  • 三、核心架构
    • 核心模块介绍:
      • DataX调度流程:
      • 四、目前支持的数据源清单
      • 五、案例
        • 1.从mysql同步全量数据到hive无分区表的json文件配置
          • 2.从mysql同步增量数据到hive无分区表的json文件配置
            • 3.从mysql同步全量数据到hive分区表的json文件配置
              • 4.从hive同步全量数据到mysql的json文件配置
                • 5.从hive同步增量数据到mysql的json文件配置
                  • 6.从Postgre同步全量数据到hive分区表的json文件配置
                    • 7.从Postgre同步全量数据到hive分区表的json文件配置
                      • 8.从mysql同步数据到doris的json文件配置
                      • 六、执行
                      相关产品与服务
                      云数据库 MySQL
                      腾讯云数据库 MySQL(TencentDB for MySQL)为用户提供安全可靠,性能卓越、易于维护的企业级云数据库服务。其具备6大企业级特性,包括企业级定制内核、企业级高可用、企业级高可靠、企业级安全、企业级扩展以及企业级智能运维。通过使用腾讯云数据库 MySQL,可实现分钟级别的数据库部署、弹性扩展以及全自动化的运维管理,不仅经济实惠,而且稳定可靠,易于运维。
                      领券
                      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档