DataX数据同步工具使用

1.DataX 简介

DataX 是阿里云 DataWorks 数据集成 的开源版本，主要就是用于实现数据间的离线同步。 DataX 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（即不同的数据库） 间稳定高效的数据同步功能。
在这里插入图片描述

图片为了 解决异构数据源同步问题，DataX 将复杂的网状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时，只需要将此数据源对接到 DataX，便能跟已有的数据源作为无缝数据同步。

2.DataX3.0 框架设计

DataX 采用 Framework + Plugin 架构，将数据源读取和写入抽象称为 Reader/Writer 插件，纳入到整个同步框架中。
在这里插入图片描述

角色作用
Reader（采集模块）负责采集数据源的数据，将数据发送给 Framework。
Writer（写入模块）负责不断向 Framework 中取数据，并将数据写入到目的端。
Framework（中间商）负责连接 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.DataX3.0 核心架构

DataX 完成单个数据同步的作业，我们称为 Job，DataX 接收到一个 Job 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、TaskGroup 管理等功能。

在这里插入图片描述

  • DataX Job 启动后，会根据不同源端的切分策略，将 Job 切分成多个小的 Task (子任务)，以便于并发执行。
  • 接着 DataX Job 会调用 Scheduler 模块，根据配置的并发数量，将拆分成的 Task 重新组合，组装成TaskGroup（任务组）
  • 每一个 Task 都由 TaskGroup 负责启动，Task 启动后，会固定启动 Reader --> Channel -->
    Writer 线程来完成任务同步工作。
  • DataX 作业运行启动后，Job 会对 TaskGroup 进行监控操作，等待所有 TaskGroup 完成后，Job
    便会成功退出（异常退出时 值非 0 ）

DataX 调度过程：

1.首先 DataX Job 模块会根据分库分表切分成若干个 Task，然后根据用户配置并发数，来计算需要分配多少个 TaskGroup；
2.计算过程：Task / Channel = TaskGroup，最后由 TaskGroup 根据分配好的并发数来运行 Task（任务）

3.使用 DataX 实现数据同步

3.1准备工作

JDK（1.8 以上，推荐 1.8）
Python（2，3 版本都可以）
Apache Maven 3.x（Compile DataX）（手动打包使用，使用 tar 包方式不需要安装）

主机名操作系统IP 地址软件包
node1CentOS 7.4192.168.1.1jdk-8u181-linux-x64.tar.gz datax.tar.gz
node2CentOS 7.4192.168.1.2jdk-8u181-linux-x64.tar.gz datax.tar.gz

3.2安装 JDK

首先需要去https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html（需要创建 Oracle 账号）下载jdk

[root@node1 ~] ls
anaconda-ks.cfg  jdk-8u181-linux-x64.tar.gz
[root@node1 ~] tar zxf jdk-8u181-linux-x64.tar.gz 
[root@node1 ~] ls
anaconda-ks.cfg  jdk1.8.0_181  jdk-8u181-linux-x64.tar.gz
[root@node1 ~] mv jdk1.8.0_181 /usr/local/java
[root@node1 ~] cat <<END >> /etc/profile
export JAVA_HOME=/usr/local/java
export PATH=$PATH:"$JAVA_HOME/bin"
END
[root@node1 ~] source /etc/profile
[root@node1 ~] java -version
  • 因为 CentOS 7 上自带 Python 2.7 的软件包，所以不需要进行安装。

3.3Linux 上安装 DataX 软件

[root@node1 ~] wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
[root@node1 ~] tar zxf datax.tar.gz -C /usr/local/
[root@node1 ~] rm -rf /usr/local/datax/plugin/*/._*      # 需要删除隐藏文件 (重要)
  • 当未删除时，可能会输出：[/usr/local/datax/plugin/reader/._drdsreader/plugin.json]
    不存在. 请检查您的配置文件.

验证：

[root@node1  ~] cd /usr/local/datax/bin
[root@node1  ~] python datax.py ../job/job.json       # 用来验证是否安装成功

输出：

2021-12-13 19:26:28.828 [job-0] INFO  JobContainer - PerfTrace not enable!
2021-12-13 19:26:28.829 [job-0] INFO  StandAloneJobContainerCommunicator - Total 100000 records, 2600000 bytes | Speed 253.91KB/s, 10000 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.060s |  All Task WaitReaderTime 0.068s | Percentage 100.00%
2021-12-13 19:26:28.829 [job-0] INFO  JobContainer - 
任务启动时刻                    : 2021-12-13 19:26:18
任务结束时刻                    : 2021-12-13 19:26:28
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

3.4DataX 基本使用

查看 streamreader --> streamwriter 的模板：

[root@node1~] python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter

输出：

DataX (DATAX-OPENSOURCE-3.0), From Alibaba !
Copyright (C) 2010-2017, Alibaba Group. All Rights Reserved.Please refer to the streamreader document:https://github.com/alibaba/DataX/blob/master/streamreader/doc/streamreader.md Please refer to the streamwriter document:https://github.com/alibaba/DataX/blob/master/streamwriter/doc/streamwriter.md Please save the following configuration as a json file and  usepython {DATAX_HOME}/bin/datax.py {JSON_FILE_NAME}.json 
to run the job.{"job": {"content": [{"reader": {"name": "streamreader", "parameter": {"column": [], "sliceRecordCount": ""}}, "writer": {"name": "streamwriter", "parameter": {"encoding": "", "print": true}}}], "setting": {"speed": {"channel": ""}}}
}

根据模板编写 json 文件

[root@node1 ~] cat <<END > test.json
{"job": {"content": [{"reader": {"name": "streamreader", "parameter": {"column": [        # 同步的列名 (* 表示所有){"type":"string","value":"Hello."},{"type":"string","value":"河北彭于晏"},], "sliceRecordCount": "3"     # 打印数量}}, "writer": {"name": "streamwriter", "parameter": {"encoding": "utf-8",     # 编码"print": true}}}], "setting": {"speed": {"channel": "2"         # 并发 (即 sliceRecordCount * channel = 结果)}}}
}

输出：（要是复制我上面的话，需要把 # 带的内容去掉）
在这里插入图片描述

3.5安装 MySQL 数据库

分别在两台主机上安装：

[root@node1 ~] yum -y install mariadb mariadb-server mariadb-libs mariadb-devel   
[root@node1  ~] systemctl start mariadb            # 安装 MariaDB 数据库
[root@node1 ~] mysql_secure_installation            # 初始化 
NOTE: RUNNING ALL PARTS OF THIS SCRIPT IS RECOMMENDED FOR ALL MariaDBSERVERS IN PRODUCTION USE!  PLEASE READ EACH STEP CAREFULLY!Enter current password for root (enter for none):       # 直接回车
OK, successfully used password, moving on...
Set root password? [Y/n] y                            # 配置 root 密码
New password: 
Re-enter new password: 
Password updated successfully!
Reloading privilege tables..... Success!
Remove anonymous users? [Y/n] y                     # 移除匿名用户... skipping.
Disallow root login remotely? [Y/n] n                # 允许 root 远程登录... skipping.
Remove test database and access to it? [Y/n] y         # 移除测试数据库... skipping.
Reload privilege tables now? [Y/n] y                    # 重新加载表... Success!

1）准备同步数据（要同步的两台主机都要有这个表）

MariaDB [(none)]> create database `course-study`;
Query OK, 1 row affected (0.00 sec)MariaDB [(none)]> create table `course-study`.t_member(ID int,Name varchar(20),Email varchar(30));
Query OK, 0 rows affected (0.00 sec)

在这里插入图片描述
因为是使用 DataX 程序进行同步的，所以需要在双方的数据库上开放权限：

grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;

2）创建存储过程：

DELIMITER $$
CREATE PROCEDURE test()
BEGIN
declare A int default 1;
while (A < 3000000)do
insert into `course-study`.t_member values(A,concat("LiSa",A),concat("LiSa",A,"@163.com"));
set A = A + 1;
END while;
END $$
DELIMITER ;

在这里插入图片描述
3）调用存储过程（在数据源配置，验证同步使用)：

call test();

3.6通过 DataX 实 MySQL 数据同步

1）生成 MySQL 到 MySQL 同步的模板：

[root@node1 ~]# python /usr/local/datax/bin/datax.py -r mysqlreader -w mysqlwriter
{"job": {"content": [{"reader": {"name": "mysqlreader",       # 读取端"parameter": {"column": [],         # 需要同步的列 (* 表示所有的列)"connection": [{"jdbcUrl": [],       # 连接信息"table": []       # 连接表}], "password": "",        # 连接用户"username": "",        # 连接密码"where": ""         # 描述筛选条件}}, "writer": {"name": "mysqlwriter",       # 写入端"parameter": {"column": [],         # 需要同步的列"connection": [{"jdbcUrl": "",       # 连接信息"table": []       # 连接表}], "password": "",        # 连接密码"preSql": [],         # 同步前. 要做的事"session": [], "username": "",        # 连接用户 "writeMode": ""        # 操作类型}}}], "setting": {"speed": {"channel": ""          # 指定并发数}}}
}

2）编写 json 文件：

[root@node1 ~]# vim install.json
{"job": {"content": [{"reader": {"name": "mysqlreader", "parameter": {"username": "root","password": "123123","column": ["*"],"splitPk": "ID","connection": [{"jdbcUrl": ["jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"], "table": ["t_member"]}]}}, "writer": {"name": "mysqlwriter", "parameter": {"column": ["*"], "connection": [{"jdbcUrl": "jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8","table": ["t_member"]}], "password": "123123","preSql": ["truncate t_member"], "session": ["set session sql_mode='ANSI'"], "username": "root", "writeMode": "insert"}}}], "setting": {"speed": {"channel": "5"}}}
}

3）验证

[root@node1 ~]# python /usr/local/datax/bin/datax.py install.json

输出：

2021-12-15 16:45:15.120 [job-0] INFO  JobContainer - PerfTrace not enable!
2021-12-15 16:45:15.120 [job-0] INFO  StandAloneJobContainerCommunicator - Total 2999999 records, 107666651 bytes | Speed 2.57MB/s, 74999 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 82.173s |  All Task WaitReaderTime 75.722s | Percentage 100.00%
2021-12-15 16:45:15.124 [job-0] INFO  JobContainer - 
任务启动时刻                    : 2021-12-15 16:44:32
任务结束时刻                    : 2021-12-15 16:45:15
任务总计耗时                    :                 42s
任务平均流量                    :            2.57MB/s
记录写入速度                    :          74999rec/s
读出记录总数                    :             2999999
读写失败总数                    :                   0

你们可以在目的数据库进行查看，是否同步完成。
在这里插入图片描述

  • 上面的方式相当于是完全同步，但是当数据量较大时，同步的时候被中断，是件很痛苦的事情；
  • 所以在有些情况下，增量同步还是蛮重要的。

3.7 使用 DataX 进行增量同步

使用 DataX 进行全量同步和增量同步的唯一区别就是：增量同步需要使用 where 进行条件筛选。（即，同步筛选后的 SQL）

1）编写 json 文件：

[root@node1 ~]# vim where.json
{"job": {"content": [{"reader": {"name": "mysqlreader", "parameter": {"username": "root","password": "123123","column": ["*"],"splitPk": "ID","where": "ID <= 1888","connection": [{"jdbcUrl": ["jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"], "table": ["t_member"]}]}}, "writer": {"name": "mysqlwriter", "parameter": {"column": ["*"], "connection": [{"jdbcUrl": "jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8","table": ["t_member"]}], "password": "123123","preSql": ["truncate t_member"], "session": ["set session sql_mode='ANSI'"], "username": "root", "writeMode": "insert"}}}], "setting": {"speed": {"channel": "5"}}}
}
  • 需要注意的部分就是：where（条件筛选） 和 preSql（同步前，要做的事） 参数。

2）验证：

[root@node1 ~]# python /usr/local/data/bin/data.py where.json

输出：

2021-12-16 17:34:38.534 [job-0] INFO  JobContainer - PerfTrace not enable!
2021-12-16 17:34:38.534 [job-0] INFO  StandAloneJobContainerCommunicator - Total 1888 records, 49543 bytes | Speed 1.61KB/s, 62 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.002s |  All Task WaitReaderTime 100.570s | Percentage 100.00%
2021-12-16 17:34:38.537 [job-0] INFO  JobContainer - 
任务启动时刻                    : 2021-12-16 17:34:06
任务结束时刻                    : 2021-12-16 17:34:38
任务总计耗时                    :                 32s
任务平均流量                    :            1.61KB/s
记录写入速度                    :             62rec/s
读出记录总数                    :                1888
读写失败总数                    :                   0

目标数据库上查看：
在这里插入图片描述
3)基于上面数据，再次进行增量同步：

主要是 where 配置："where": "ID > 1888 AND ID <= 2888"      # 通过条件筛选来进行增量同步
同时需要将我上面的 preSql 删除(因为我上面做的操作时 truncate 表)

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://xiahunao.cn/news/142851.html

如若内容造成侵权/违法违规/事实不符，请联系瞎胡闹网进行投诉反馈，一经查实，立即删除！

相关文章

数据同步工具—Sqoop

数据同步工具—Sqoop

数据同步工具—Sqoop 1 Sqoop概述 传统的应用程序管理系统，即应用程序与使用RDBMS的关系数据库的交互，是产生大数据的来源之一。由RDBMS生成的这种大数据存储在关系数据库结构中的关系数据库服务器中。 当大数据存储和Hadoop生态系统的MapReduce，Hive，HBase，Cassandra，…
阅读更多...
数据库同步软件介绍以及使用说明(SyncNavigator多元异构数据实时同步工具)

数据库同步软件介绍以及使用说明(SyncNavigator多元异构数据实时同步工具)

SyncNavigator是一款功能强大的数据库同步软件&#xff0c;适用于SQL SERVER, MySQL&#xff0c;具有自动/定时同步数据、无人值守、故障自动恢复、同构/异构数据库同步、断点续传和增量同步等功能&#xff0c;支持Windows xp以上所有操作系统&#xff0c;适用于大容量数据库快…
阅读更多...
mysql数据库同步工具_mysql同步工具_mysql数据库同步

mysql数据库同步工具_mysql同步工具_mysql数据库同步

下载网站:www.SyncNavigator.CN 客服QQ1793040 ---------------------------------------------------------- 关于HKROnline SyncNavigator 注册机价格的问题 HKROnline SyncNavigator 8.4.1 企业版数据同步软件 自2009年第一个版本开发出来以来&#xff0c;经过8年不断地根…
阅读更多...
ETL工具(数据同步)

ETL工具(数据同步)

一、研究了kettle Kettle最早是一个开源的ETL工具 前置条件&#xff0c;kettle是一个jar包项目&#xff0c;依赖jdk。安装kettle需要安装好jdk环境 二、下载安装 1、源代码下载&#xff1a; GitHub - pentaho/pentaho-kettle: Pentaho Data Integration ( ETL ) a.k.a Ket…
阅读更多...
数据同步工具的研究（实时）

数据同步工具的研究（实时）

数据同步工具的研究&#xff08;实时同步&#xff09;&#xff1a; FlinkCDC、Canal、Maxwell、Debezium ——2023年01月17日 ——Yahui Di 1. 常用CDC方案比较 2. FlinkCDC FlinkCDC的简介&#xff1a; Flink CDC 连接器是 Apache Flink 的一组源连接器&#xff0c;使用变…
阅读更多...
Easy Excel 使用总结

Easy Excel 使用总结

title: Easy Excel 使用总结 date: 2022-10-14 17:33:57 tags: Excel categories:开发技术及框架 cover: https://cover.png feature: false 1. 概述 官网地址&#xff1a;EasyExcel 官方文档 - 基于 Java 的 Excel 处理工具 | Easy Excel (alibaba.com) EasyExcel 是一个基…
阅读更多...
数据同步工具

数据同步工具

公司要搞数据平台&#xff0c;首当其冲的是把旧库的数据导入到新库中&#xff0c;原本各种数据库大部分都提供了导入导出的工具&#xff0c;但是数据存储到各个地方&#xff0c;mongdb,hbase,mysql,oracle等各种各样的不同数据库&#xff0c;同步起来头都大了 因此最近使用了一…
阅读更多...
ETL工具(数据同步) 二

ETL工具(数据同步) 二

kettle使用掌握之后&#xff0c;还需要掌握在linux下的定时执行的策略 一、kettle使用感觉较为方便 虽然kettle自带调度任务。但是前提是需要保持kettle打开。并且作业处在运行状态。不太适合用与远程服务器安装windows客户端&#xff0c;只限于学习使用 在linux安装kettle并…
阅读更多...
数据同步工具之DataX实操

数据同步工具之DataX实操

一、DataX部署 上传DataX压缩文件至/opt/software/目录下&#xff0c;并解压文件至/opt/module/下。 自测检查DataX&#xff0c;出现如下截图内容&#xff0c;说明安装成功 二、DataX使用 DataX使用概述 DataX使用还是十分简单的&#xff0c;用户只需要根据自己同步数据的数…
阅读更多...
数据同步工具Sqoop

数据同步工具Sqoop

大数据Hadoop之——数据同步工具Sqoop - 掘金 (juejin.cn) 1 概述 Apache Sqoop&#xff08;SQL-to-Hadoop&#xff09;项目旨在协助RDBMS&#xff08;Relational Database Management System&#xff1a;关系型数据库管理系统&#xff09;与Hadoop之间进行高效的大数据交流。…
阅读更多...
本地与服务器文件同步软件哪个好,同步软件哪个好，亲身体验的3款免费同步软件介绍...

本地与服务器文件同步软件哪个好,同步软件哪个好，亲身体验的3款免费同步软件介绍...

数据同步在某些方面是非常的重要&#xff0c;特别是重要数据&#xff0c;做为服务器运维这方面工作的同学应该是深有体会&#xff0c;小编从事运维工作一年中共接触了3款同步软件&#xff0c;每一款都用了一段时间&#xff0c;算是有点小心得&#xff0c;所以分享给大家&#x…
阅读更多...
数据同步工具—DataX 初识

数据同步工具—DataX 初识

DataX 初识 DataX 是阿里云 DataWorks数据集成的开源版本，在阿里巴巴集团内被广泛使用的离线数据同步工具/平台。DataX 实现了包括 MySQL、Oracle、OceanBase、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、Hologres、DRDS 等各种异构数…
阅读更多...
DBSync数据库同步工具

DBSync数据库同步工具

通用型的同步软件&#xff0c;支持SQL、NoSQL各种数据库&#xff0c;用于系统对接、数据备份、异地传输等。 文章目录 通用型的同步软件&#xff0c;支持SQL、NoSQL各种数据库&#xff0c;用于系统对接、数据备份、异地传输等。一、功能特点非侵入式&#xff0c;独立运行支持各…
阅读更多...
正版授权 知名专业数据备份和数据同步软件工具 - GoodSync

正版授权 知名专业数据备份和数据同步软件工具 - GoodSync

GoodSync 软件简介 GoodSync 是一款知名的数据备份和数据同步软件工具&#xff0c;可以在多台电脑之间、电脑和移动存储设备之间&#xff0c;或者云存储之间&#xff0c;亦或是电脑的本地文件夹之间来进行数据双向同步或单向备份&#xff0c;支持 Windows、Mac 以及 Linux 平台…
阅读更多...
GoodSync 数据自动同步备份工具VS傲梅轻松备份系统数据备份工具 哪款更好？

GoodSync 数据自动同步备份工具VS傲梅轻松备份系统数据备份工具 哪款更好？

备份和同步软件的使用越来越广泛&#xff0c;因为在这个数据驱动的时代&#xff0c;数据的备份和恢复非常重要。在这里我想向大家推荐两款备份和同步软件——GoodSync和傲梅轻松备份。 GoodSync是一款备份和同步软件&#xff0c;它可以在多个设备之间同步文件、文件夹、照片、音…
阅读更多...
Android开发环境搭建[Java1.7+eclipse+sdk4.0]（某高校物联网工程专业必看！）

Android开发环境搭建[Java1.7+eclipse+sdk4.0]（某高校物联网工程专业必看！）

Android开发环境搭建[Java1.7eclipsesdk4.0]&#xff08;某高校物联网工程专业必看&#xff01;&#xff09; 0. 前言1. 资料拷贝2. 配置环境变量2.1新建 Java_Home2.2 编辑Path情况1情况2 2.3 新建sdk环境变量 3. 验证安装3.1 验证java安装情况3.2 验证eclipse安装 4. 导入已有…
阅读更多...
mysql-索引_MySQL-索引

mysql-索引_MySQL-索引

mysql-索引 MySQL-索引 (MySQL - INDEXES) A database index is a data structure that improves the speed of operations in a table. Indexes can be created using one or more columns, providing the basis for both rapid random lookups and efficient ordering of acc…
阅读更多...
MySql的索引?

MySql的索引?

MySql的索引? 1 Hash索引? 通过hashCode去匹配,查找数据库中唯一值的速度很快,不支持范围查找,联合索引也不支持 只适用于select * from table where id 5;只适用于等于的情况 2红黑树? 数据量大的情况下,红黑树的树太高了,查询最深处的数据时,磁盘读取次数较多 3 B树? …
阅读更多...
mysql中索引

mysql中索引

一、概述 1、What&#xff1f; 索引是对数据库表中一列或多列的值进行排序的的一种结构&#xff0c;可以提高数据库中特定的数据查询速度。 索引时一个单独存储在磁盘上的数据库结构&#xff0c;包括对数据表里面的所有记录的引用指针。 索引时在存储引擎中实现的&#xff0c;…
阅读更多...
mysql 之索引

mysql 之索引

什么是索引&#xff1a; 索引是一种高效获取数据的 存储结构&#xff0c;一般包含了 hash 二叉树 红黑树。 但是mysql中索引一般使用的是B树 准确说是使用的B树构建的索引&#xff1a;若仅仅是进行select * from table where id 1&#xff0c;用上述的三种方法都会很轻松的实…
阅读更多...
最新文章

Copyright @ 2022~2023