背景
本文主要介绍如何使用阿里巴巴的开源工具Datax 实现从 MySQL 到 时序引擎 的数据迁移。
DataX相关使用介绍请参阅 DataX 的
下面将首先介绍 DataX 工具本身,以及本次迁移工作涉及到的两个插件(MySQL Reader 和 TSDB Writer)。
DataX
DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具 / 平台,实现包括 MySQL、Oracle、SqlServer、PostgreSQL、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS
等各种异构数据源之间高效的数据同步功能。
MySQL Reader
MySQL Reader 是 DataX 的一个插件,实现了从 MySQL 读取数据。
TSDB Writer
TSDB Writer 是 DataX 的一个插件,实现了将数据点写入到Lindorm数据库时序引擎中。
Quick Start
环境准备。
Linux
MySQL(目前只支持兼容 5.x,其他版本暂不保证兼容)
Lindorm时序引擎(目前只支持兼容 2.4.x 及以上版本,其他版本暂不保证兼容)
下载 DataX 及其插件。
点击
利用 DataX 自带的迁移任务,检查迁移流程能否走通。
这里,我们先以最简单的 Stream Reader 到 Stream Writer 为例。因为这两个插件不依赖任何的外部环境,特别适合用来测试流程是否能走通。简单介绍下这两个插件,其中
Stream Reader 会随机地产生字符串,而 Stream Writer 则会将接受到的字符串输出到控制台,以此模拟一个最简单的数据迁移过程。
工具部署
将下载后的安装包,解压至某个目录(作为 DATAX_HOME),即可运行迁移任务:$ cd ${DATAX_HOME}
$ python bin/datax.py job/job.json
检查任务是否成功
下面是任务结束后的汇总信息,看到如下内容,即可表示迁移任务已成功完成:任务启动时刻 : 2019-04-26 11:18:07
任务结束时刻 : 2019-04-26 11:18:17
任务总计耗时 : 10s
任务平均流量 : 253.91KB/s
记录写入速度 : 10000rec/s
读出记录总数 : 100000
读写失败总数 : 0
步骤四:配置和启动 MySQL 到 时序引擎 的迁移任务
通过上述 Stream Reader 到 Stream Writer 的迁移任务,我们就可以确保整个 DataX 流程是没有问题的。下面就可以真正开始 MySQL
Reader 到 TSDB Writer 迁移任务了。
配置迁移任务
配置一个从 MySQL 数据库同步抽取数据到 时序引擎 的任务,命名为 mysql2tsdb.json,完整的配置信息如下(针对各个配置参数的详细说明,请看下一章节"参数说明"):{
"job": {
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"column": [
"name",
"type",
"create_time",
"price"
],
"connection": [
{
"jdbcUrl": [
"jdbc:mysql://127.0.0.1:3306/datax"
],
"table": [
"book"
]
}
],
"password": "yuzhouwan",
"splitPk": "id",
"username": "root"
}
},
"writer": {
"name": "tsdbwriter",
"parameter": {
"column": [
"name",
"type",
"create_time",
"price"
],
"columnType": [
"tag",
"tag",
"timestamp",
"metric_num"
],
"sourceDbType": "RDB",
"tsdbAddress": "localhost",
"tsdbPort": 8242
}
}
}
],
"setting": {
"speed": {
"channel": 1
}
}
}
}
启动 MySQL 2 时序引擎 迁移任务$ cd ${DATAX_HOME}/..
$ ls
datax/ datax.tar.gz mysql2tsdb.json
$ python datax/bin/datax.py mysql2tsdb.json
检查任务是否成功
下面是任务结束后的汇总信息,看到如下内容,即可表示迁移任务已成功完成:任务启动时刻 : 2019-05-21 18:25:16
任务结束时刻 : 2019-05-21 18:25:27
任务总计耗时 : 11s
任务平均流量 : 3B/s
记录写入速度 : 0rec/s
读出记录总数 : 3
读写失败总数 : 0
参数说明
接下来,我们来看下各个配置项的含义:
MySQL Reader 相关
名称
类型
是否必需
描述
默认值
举例
jdbcUrl
String
是
数据库的 JDBC 连接信息
无
jdbc:mysql://127.0.0.1:3306/datax
username
String
是
数据源的用户名
无
root
password
String
是
数据源指定用户名的密码
无
root
table
String
是
需要同步的表
无
book
column
Array
是
表中需要同步的列名集合
[]
["m"]
splitPk
String
否
如果指定 splitPk,表示用户希望使用 splitPk 代表的字段进行数据分片
空
id
TSDB Writer 相关
名称
类型
是否必需
描述
默认值
举例
sourceDbType
String
否
目前支持 时序引擎 和 RDB 两个取值。其中,时序引擎 指 OpenTSDB、InfluxDB、Prometheus、TimeScale 等;而 RDB 指 MySQL、Oracle、PostgreSQL、DRDS
等
TSDB
RDB
column
Array
是
表中需要同步的列名集合
[]
["name","type","create_time","price"]
columnType
Array
是
关系型数据库中表字段,映射到 时序引擎 中的类型。支持的类型:timestamp:该字段是个时间戳;tag:该字段是个 tag;metric_num:该 metric 的 value 是数值类型;metric_string:该 metric 的 value 是字符串类型
[]
["tag","tag","timestamp","metric_num"]
tsdbAddress
String
是
时序引擎 的 IP 地址
无
127.0.0.1
tsdbPort
int
是
时序引擎 的端口
无
8242
batchSize
int
否
每次批量数据的条数(需要保证大于 0)
100
100
注意事项
确保与 时序引擎 的网络是连通的
因为 TSDB Writer 写入数据的方式是调用 HTTP 接口(/api/put)来完成的,所以需要确保迁移任务的进程能正常访问到 时序引擎 暴露出来的 HTTP 接口的。否则,会报错 Connect Exception 异常。
确保与 MySQL 的网络是连通的
因为 MySQL Reader 读取数据是通过 JDBC 来完成的,所以需要确保迁移任务的进程能正常访问到 MySQL 暴露出来的 JDBC 接口的。否则,会报错
Connect Exception 异常。
需要 column 字段顺序保持一致
需要保证 TSDB Writer 插件中的 column 字段顺序和 MySQL reader 插件中配置的 column 字段顺序保持一致。否则,数据会错乱。
FAQ
Q:是否支持调整迁移进程的 JVM 内存大小?
A:支持的。以"从 MySQL 到 时序引擎 的数据迁移任务"为例,启动命令如下:python datax/bin/datax.py mysql2tsdb.json -j "-Xms4096m -Xmx4096m"
Q:如何给 时序引擎 设置网络白名单?
A:参考《Lindorm数据库 时序引擎 版 > 快速入门 >
Q:将迁移任务运行在 ECS 上的用户,如何配置 VPC,以及常见问题有哪些?