Datax 与 Datax-Web 安装部署

第一章：概述说明

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。

第二章：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0DataX调度流程。

6. 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。

第三章：安装datax

安装前环境准备：

1. 需要安装Java (jdk版本建议1.8.201以上）

2. 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)

3. 数据库Mysql 5.7 或 Mysql 8.0

4. 操作系统 CentOS 7.6

1、下载地址

下载地址：http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz

源码地址：https://github.com/alibaba/DataX

2、上传解压

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/

3、运行自检

cd /home/centos/datax/bin
./datax.py ../job/job.json

4、报错处理

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

5、安装成功

第四章 安装datax-web

1. 下载地址

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

2、解压安装

1. 解压到指定目录

tar -zxvf datax-web-2.1.2.tar.gz -C /home/centos/

2. 进入解压后的目录，找到bin目录下面的install.sh文件，如果选择交互式的安装，则直接执行

./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

3、修改控制器datax-admin配置文件

1. 首先修改/home/centos/datax-web/modules/datax-admin/conf/application.yml
   
2. 再修改/home/centos/datax-web/modules/datax-admin/bin/env.properties
   

4、修改执行器datax-executor配置文件

1. 首先修改/home/centos/datax-web/modules/datax-executor/conf/application.yml
   
   
2. 再修改/home/centos/datax-web/modules/datax-executor/bin/env.properties
   

5、导入sql到MySQL中

1. 在mysql中新建数据库datax_web

create database `datax_web` character set utf8mb4;

2. 将/home/centos/datax-web/bin/db/下的 datax_web.sql，导入到数据库中。

6、启动datax-web

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。

7、访问登录

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