DataX工具有什么用

小编给大家分享一下DataX工具有什么用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

一、DataX工具简介

1、设计理念

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。解决异构数据源同步问题，DataX将复杂的网状的同步链路变成了星型数据链路，DataX作为中间传输载体负责连接各种数据源。当需要接入一个新的数据源的时候，只需要将此数据源对接到DataX，便能跟已有的数据源做到无缝数据同步。

絮叨一句：异构数据源指，为了处理不同种类的业务，使用不同的数据库系统存储数据。

2、组件结构

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和Writer插件，纳入到整个同步框架中。

Reader

Reader为数据采集模块，负责读取采集数据源的数据，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。

3、架构设计

Job

DataX完成单个数据同步的作业，称为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。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。

Split

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。

Scheduler

切分多个Task之后，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)。

TaskGroup

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0。

二、环境安装

推荐Python2.6+，Jdk1.8+(脑补安装流程)。

1、Python包-

# yum -y install wget # wget https://www.python.org/ftp/python/2.7.15/Python-2.7.15.tgz # tar -zxvf Python-2.7.15.tgz

2、安装Python

# yum install gcc openssl-devel bzip2-devel [root@ctvm01 Python-2.7.15]# ./configure --enable-optimizations # make altinstall # python -V

3、DataX安装

# pwd /opt/module # ll datax # cd /opt/module/datax/bin -- 测试环境是否正确 # python datax.py /opt/module/datax/job/job.json

三、同步任务

1、同步表创建

-- PostgreSQL CREATE TABLE sync_user (     id INT NOT NULL,     user_name VARCHAR (32) NOT NULL,     user_age int4 NOT NULL,CONSTRAINT "sync_user_pkey" PRIMARY KEY ("id") ); CREATE TABLE data_user (     id INT NOT NULL,     user_nameVARCHAR (32) NOT NULL,     user_age int4 NOT NULL,     CONSTRAINT "sync_user_pkey" PRIMARY KEY("id") );

2、编写任务脚本

[root@ctvm01 job]# pwd /opt/module/datax/job [root@ctvm01 job]# vim postgresql_job.json

3、脚本内容

{     "job": {         "setting": {             "speed": {                 "channel": "3"             }         },         "content": [             {"reader": {                     "name": "postgresqlreader",                     "parameter": {                         "username": "root01",                         "password": "123456",                         "column": ["id","user_name","user_age"],                          "connection": [                             {                                 "jdbcUrl": ["jdbc:postgresql://192.168.72.131:5432/db_01"],                                  "table": ["data_user"]                             }                         ]                     }                 },"writer": {                     "name": "postgresqlwriter",                      "parameter": {                         "username": "root01",                         "password": "123456",                         "column": ["id","user_name","user_age"],                          "connection": [                             {                                 "jdbcUrl": "jdbc:postgresql://192.168.72.131:5432/db_01",                                  "table": ["sync_user"]                             }                         ],"postSql": [],                          "preSql": []                     }                 }             }         ]     } }

4、执行脚本

# /opt/module/datax/bin/datax.py /opt/module/datax/job/postgresql_job.json

5、执行日志

2020-04-23 18:25:33.404 [job-0] INFO  JobContainer -  任务启动时刻                    : 2020-04-23 18:25:22 任务结束时刻                    : 2020-04-23 18:25:33 任务总计耗时                    :                 10s 任务平均流量                    :                1B/s 记录写入速度                    :              0rec/s 读出记录总数                    :                   2 读写失败总数                    :                   0

四、源码流程分析

注意：这里源码只贴出核心流程，如果要看完整源码，可以自行从Git上-。

1、读取数据

核心入口：PostgresqlReader

启动读任务

public static class Task extends Reader.Task {     @Override     public void startRead(RecordSender recordSender) {         intfetchSize =this.readerSliceConfig.getInt(com.alibaba.datax.plugin.rdbms.reader.Constant.FETCH_SIZE);         this.commonRdbmsReaderSlave.startRead(this.readerSliceConfig, recordSender,                 super.getTaskPluginCollector(), fetchSize);     } }

读取任务启动之后，执行读取数据操作。

核心类：CommonRdbmsReader

public void startRead(Configuration readerSliceConfig,                       RecordSender recordSender,                       TaskPluginCollector taskPluginCollector,int fetchSize) {     ResultSet rs =null;     try {         // 数据读取rs = DBUtil.query(conn, querySql, fetchSize);         queryPerfRecord.end();         ResultSetMetaData metaData = rs.getMetaData();         columnNumber = metaData.getColumnCount();         PerfRecord allResultPerfRecord =newPerfRecord(taskGroupId, taskId, PerfRecord.PHASE.RESULT_NEXT_ALL);         allResultPerfRecord.start();long rsNextUsedTime = 0;         long lastTime = System.nanoTime();         // 数据传输至交换区         while(rs.next()) {             rsNextUsedTime += (System.nanoTime() - lastTime);this.transportOneRecord(recordSender, rs,metaData, columnNumber, mandatoryEncoding, taskPluginCollector);             lastTime = System.nanoTime();         }         allResultPerfRecord.end(rsNextUsedTime);     }catch (Exception e) {         throw RdbmsException.asQueryException(this.dataBaseType, e, querySql, table, username);     }finally {         DBUtil.closeDBResources(null, conn);     } }

2、数据传输

核心接口：RecordSender(发送)

public interface RecordSender {     public Record createRecord();     public void sendToWriter(Record record);     public void flush();     public void terminate();     public void shutdown(); }

核心接口：RecordReceiver(接收)

public interface RecordReceiver {     public Record getFromReader();     public void shutdown(); }

核心类：BufferedRecordExchanger

class BufferedRecordExchanger implements RecordSender, RecordReceiver

3、写入数据

核心入口：PostgresqlWriter

启动写任务

public static class Task extends Writer.Task {     public void startWrite(RecordReceiver recordReceiver) {         this.commonRdbmsWriterSlave.startWrite(recordReceiver, this.writerSliceConfig, super.getTaskPluginCollector());     } }

写数据任务启动之后，执行数据写入操作。

核心类：CommonRdbmsWriter

public void startWriteWithConnection(RecordReceiver recordReceiver,                                      Connection connection) {     // 写数据库的SQL语句calcWriteRecordSql();     List<Record> writeBuffer =new ArrayList<>(this.batchSize);     int bufferBytes = 0;     try {         Record record;         while((record = recordReceiver.getFromReader()) !=null) {             writeBuffer.add(record);             bufferBytes += record.getMemorySize();if(writeBuffer.size() >= batchSize || bufferBytes >= batchByteSize) {                 doBatchInsert(connection, writeBuffer);                 writeBuffer.clear();                 bufferBytes =0;             }         }if(!writeBuffer.isEmpty()) {             doBatchInsert(connection, writeBuffer);             writeBuffer.clear();             bufferBytes =0;         }     }catch (Exception e) {         throwDataXException.asDataXException(                 DBUtilErrorCode.WRITE_DATA_ERROR, e);     }finally{         writeBuffer.clear();         bufferBytes =0;         DBUtil.closeDBResources(null, null, connection);     } }

以上是“DataX工具有什么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！