DataX是一个异构数据源离线同步工具,致力于实现包括关系型数据库(MySQL、Oracle等)、HDFS、Hive、ODPS、HBase、FTP等各种异构数据源之间稳定高效的数据同步功能。
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。
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。
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。
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。
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。
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0DataX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:DataXJob根据分库分表切分成了100个Task。根据20个并发,DataX计算共需要分配4个TaskGroup。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。
安装前环境准备:
需要安装Java (jdk版本建议1.8.201以上)
Python2.7(支持Python3需要修改替换datax/bin下面的三个python文件,替换文件在doc/datax-web/datax-python3下)
数据库Mysql 5.7 或 Mysql 8.0
操作系统 CentOS 7.6
下载地址:http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
源码地址:https://github.com/alibaba/DataX
解压到指定目录-C 后面的参数为想要解压到的目录
tar -zxvf datax.tar.gz -C /home/centos/
cd /home/centos/datax/bin
./datax.py ../job/job.json
如果出现以下这个错误,或者类似报错。
[main] WARN ConfigParser -
插件[streamreader,streamwriter]加载失败,1s后重试…
Exception:Code:[Common-00],
Describe:[您提供的配置文件存在错误信息,请检查您的作业配置 .]
请进入 plugin/reader 和 plugin/writer,使用ls -al
命令查看目录,删除里面所有以点开头的文件。
cd /home/centos/datax/plugin/reader
ll -a
rm -rf ./._*
cd /home/centos/datax/plugin/writer
ll -a
rm -rf ./._*
然后在再次执行 步骤3 中的命令
下载地址:https://gh.api.99988866.xyz/https://github.com/WeiYe-Jing/datax-web/archive/refs/tags/v-2.1.2.tar.gz
源码地址:https://github.com/WeiYe-Jing/datax-web
tar -zxvf datax-web-2.1.2.tar.gz -C /home/centos/
./bin/install.sh
在交互过程中,如果服务器上存在MySQL则会出现填写MySQL信息的交互语句;如果服务器上没有安装MySQL则不显示。
在交互模式下,对各个模块的package压缩包的解压以及configure配置脚本的调用,都会请求用户确认,可根据提示查看是否安装成功,如果没有安装成功,可以重复尝试;
如果不想使用交互模式(推荐),跳过确认过程,则执行以下命令安装
./bin/install.sh --force
/home/centos/datax-web/modules/datax-admin/conf/application.yml
/home/centos/datax-web/modules/datax-admin/bin/env.properties
/home/centos/datax-web/modules/datax-executor/conf/application.yml
/home/centos/datax-web/modules/datax-executor/bin/env.properties
create database `datax_web` character set utf8mb4;
cd /home/centos/datax-web/bin
# 同时启动控制器和执行器
./start-all.sh
# 如果想单独启动,则使用命令
./start.sh -m datax-admin
./start.sh -m datax-executor
启动成功如下:
备注: 启动后使用jps命令查看,是否存在DataXAdminApplication和DataXExecutorApplication进程,存在则表示启动成功。如果存在启动失败的情况,可以进入./datax-web/modules/对应的目录中查看log,有详细的报错信息。
访问地址: 浏览器中输入http://ip:port/index.html
(ip为datax-admin部署所在服务器ip,port为为datax-admin 指定的运行端口)
用户名/密码: admin/123456