概览
datax是一个异构数据源离线同步工具，主要实现包括关系型数据库(MySQL、Oracle等)、MongoDB、Hive、HBase、FTP等各种异构数据源之间稳定高效的数据同步功能。
DataX3.0框架设计
DataX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，Reader从源数据库中读取数据转换成datax内部的数据格式，Writer从datax中把数据读出来并且转换成目的端的数据格式。
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。
应用场景
通常是在服务暂停的情况下，短时间将一份数据从一个数据库迁移至其他不同类型的数据库。
优点：
1.提供了数据监控
2.丰富的数据转换功能，可以重新定制Reader,Writer插件实现数据脱敏，补全，过滤等数据转换功能
3.可以在配置文件中配置精确的速度控制
4.强劲的同步性能，支持多线程操作，可以快速迁移数据
5.健壮的容错机制，支持线程重试等机制，可以保证迁移过程稳定执行
缺点：
1.数据一致性问题。这个工具强烈建议在服务暂停或者禁止执行写操作的情况下使用。如果在迁移的过程中还有写操作的话，这些增量数据无法实时从源数据库同步到目的数据库，无法保证迁移前后数据一致性。
使用方式
1.安装python环境
2.下载工具包并解压：http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
3.写好json格式的配置文件
4.进入工具包解压目录下的bin目录，执行命令：python datax.py 你的配置文件
配置文件的实例：
{
"job": {
"setting": {
//设置传输速度，单位为byte/s，DataX运行会尽可能达到该速度但是不超过它
//channel设置并发程度
"speed": {
"byte": 1048576,
"channel":"5",
}
},
"content": [
{
//Reader配置信息，包括源数据库配置信息，需要迁移的表以及表中相关的列
"reader": {
"name": "mysqlreader",
"parameter": {
"username": "root",
"password": "Test12345@",
"column": ["*"],
"connection": [
{
"table": ["test_table"],
"jdbcUrl": ["jdbc:mysql://192.168.0.115:3306/test"]
}
]
}
},
//writer配置信息，包括目的数据库配置信息，需要写入迁移数据的表，以及表中相关的列
"writer": {
"name": "mysqlwriter",
"parameter": {
"writeMode": "insert",
"username": "test",
"password": "123456",
"column":["*"],
"connection": [
{
"table": ["test_table"],
"jdbcUrl":"jdbc:mysql://192.168.0.110:3306/test?useUnicode=true&characterEncoding=utf8"
}
]
}
}
}
]
}
}
1.一个job对应的一个迁移任务，可以理解为一个job就是对一张表的迁移
2.一个job会根据上述配置文件的channel配置切分为多个task去执行迁移操作
3.datax支持分表分库后的数据迁移，上述的jdbcUrl可以配置多个url
4.datax支持大部分数据库的迁移操作，目前支持的reader,writer可以参考：https://github.com/alibaba/DataX/blob/master/introduction.md
5.关系型数据库还支持直接根据sql语句来进行数据迁移同步
插件开发
datax支持writer和reader的定制，实现方法如下(以mysql为例)：
1.下载datax项目，新建module子模块
2.编写plugin.json
{
"name": "mysqlreader",//reader名称
"class": "com.alibaba.datax.plugin.reader.mysqlreader.MysqlReader",//对应的实现类
"description": "useScene: prod. mechanism: Jdbc connection using the database, execute select sql, retrieve data from the ResultSet. warn: The more you know about the database, the less problems you encounter.",
"developer": "alibaba"
}
3.编写实现类，主要是继承抽象类Reader,实现Job、Task两个内部类,Job对应上面配置文件的Job,主要是一些配置信息，数据传输相关操作是实现Task中startRead方法
public void startRead(Configuration readerSliceConfig,
RecordSender recordSender,
TaskPluginCollector taskPluginCollector, int fetchSize) {
String querySql = readerSliceConfig.getString(Key.QUERY_SQL);
String table = readerSliceConfig.getString(Key.TABLE);
.....省略部分代码.....
//获取数据库连接
Connection conn = DBUtil.getConnection(this.dataBaseType, jdbcUrl,username, password);
.....省略部分代码.....
ResultSet rs = null;
try {
//根据配置的表名或者sql语句从数据库中读出数据
rs = DBUtil.query(conn, querySql, fetchSize);
queryPerfRecord.end();
ResultSetMetaData metaData = rs.getMetaData();
columnNumber = metaData.getColumnCount();
.....省略部分代码.....
while (rs.next()) {
//将结果集中的每一行记录转变为datax内部数据类型（Long，Double，String，Date，Boolean，Bytes），并发送到framework中
Record record = buildRecord(recordSender,rs,metaData,columnNumber,mandatoryEncoding,taskPluginCollector);
recordSender.sendToWriter(record);
}
}catch (Exception e) {
throw RdbmsException.asQueryException(this.dataBaseType, e, querySql, table, username);
} finally {
DBUtil.closeDBResources(null, conn);
}
}
4.将生成的jar包和配置文件放到安装目录下面的plugin目录下即可