小編給大家分享一下DataX工具有什么用，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

創(chuàng)新互聯(lián)公司致力于互聯(lián)網(wǎng)網(wǎng)站建設(shè)與網(wǎng)站營銷，提供成都網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計(jì)、網(wǎng)站開發(fā)、seo優(yōu)化、網(wǎng)站排名、互聯(lián)網(wǎng)營銷、微信平臺(tái)小程序開發(fā)、公眾號(hào)商城、等建站開發(fā)，創(chuàng)新互聯(lián)公司網(wǎng)站建設(shè)策劃專家，為不同類型的客戶提供良好的互聯(lián)網(wǎng)應(yīng)用定制解決方案，幫助客戶在新的全球化互聯(lián)網(wǎng)環(huán)境中保持優(yōu)勢。

一、DataX工具簡介

1、設(shè)計(jì)理念

DataX是一個(gè)異構(gòu)數(shù)據(jù)源離線同步工具，致力于實(shí)現(xiàn)包括關(guān)系型數(shù)據(jù)庫(MySQL、Oracle等)、HDFS、Hive、ODPS、HBase、FTP等各種異構(gòu)數(shù)據(jù)源之間穩(wěn)定高效的數(shù)據(jù)同步功能。解決異構(gòu)數(shù)據(jù)源同步問題，DataX將復(fù)雜的網(wǎng)狀的同步鏈路變成了星型數(shù)據(jù)鏈路，DataX作為中間傳輸載體負(fù)責(zé)連接各種數(shù)據(jù)源。當(dāng)需要接入一個(gè)新的數(shù)據(jù)源的時(shí)候，只需要將此數(shù)據(jù)源對(duì)接到DataX，便能跟已有的數(shù)據(jù)源做到無縫數(shù)據(jù)同步。

絮叨一句：異構(gòu)數(shù)據(jù)源指，為了處理不同種類的業(yè)務(wù)，使用不同的數(shù)據(jù)庫系統(tǒng)存儲(chǔ)數(shù)據(jù)。

2、組件結(jié)構(gòu)

DataX本身作為離線數(shù)據(jù)同步框架，采用Framework+plugin架構(gòu)構(gòu)建。將數(shù)據(jù)源讀取和寫入抽象成為Reader和Writer插件，納入到整個(gè)同步框架中。

• Reader

Reader為數(shù)據(jù)采集模塊，負(fù)責(zé)讀取采集數(shù)據(jù)源的數(shù)據(jù)，將數(shù)據(jù)發(fā)送給Framework。

• Writer

Writer為數(shù)據(jù)寫入模塊，負(fù)責(zé)不斷向Framework取數(shù)據(jù)，并將數(shù)據(jù)寫入到目的端。

• Framework

Framework用于連接reader和writer，作為兩者的數(shù)據(jù)傳輸通道，并處理緩沖，流控，并發(fā)，數(shù)據(jù)轉(zhuǎn)換等核心技術(shù)問題。

3、架構(gòu)設(shè)計(jì)

• Job

DataX完成單個(gè)數(shù)據(jù)同步的作業(yè)，稱為Job，DataX接受到一個(gè)Job之后，將啟動(dòng)一個(gè)進(jìn)程來完成整個(gè)作業(yè)同步過程。Job模塊是單個(gè)作業(yè)的中樞管理節(jié)點(diǎn)，承擔(dān)了數(shù)據(jù)清理、子任務(wù)切分(將單一作業(yè)計(jì)算轉(zhuǎn)化為多個(gè)子Task)、TaskGroup管理等功能。

• Split

DataXJob啟動(dòng)后，會(huì)根據(jù)不同的源端切分策略，將Job切分成多個(gè)小的Task(子任務(wù))，以便于并發(fā)執(zhí)行。Task便是DataX作業(yè)的最小單元，每一個(gè)Task都會(huì)負(fù)責(zé)一部分?jǐn)?shù)據(jù)的同步工作。

• Scheduler

切分多個(gè)Task之后，Job會(huì)調(diào)用Scheduler模塊，根據(jù)配置的并發(fā)數(shù)據(jù)量，將拆分成的Task重新組合，組裝成TaskGroup(任務(wù)組)。

• TaskGroup

每一個(gè)TaskGroup負(fù)責(zé)以一定的并發(fā)運(yùn)行完畢分配好的所有Task，默認(rèn)單個(gè)任務(wù)組的并發(fā)數(shù)量為5。每一個(gè)Task都由TaskGroup負(fù)責(zé)啟動(dòng)，Task啟動(dòng)后，會(huì)固定啟動(dòng)Reader—>Channel—>Writer的線程來完成任務(wù)同步工作。DataX作業(yè)運(yùn)行起來之后，Job監(jiān)控并等待多個(gè)TaskGroup模塊任務(wù)完成，等待所有TaskGroup任務(wù)完成后Job成功退出。否則，異常退出，進(jìn)程退出值非0。

二、環(huán)境安裝

推薦Python2.6+，Jdk1.8+(腦補(bǔ)安裝流程)。

1、Python包下載

# 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、安裝Python

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

3、DataX安裝

# pwd
/opt/module
# ll
datax
# cd /opt/module/datax/bin
-- 測試環(huán)境是否正確
# python datax.py /opt/module/datax/job/job.json

三、同步任務(wù)

1、同步表創(chuàng)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_name VARCHAR (32) NOT NULL,
    user_age int4 NOT NULL,
    CONSTRAINT "sync_user_pkey" PRIMARY KEY ("id")
);

2、編寫任務(wù)腳本

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

3、腳本內(nèi)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、執(zhí)行腳本

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

5、執(zhí)行日志

2020-04-23 18:25:33.404 [job-0] INFO  JobContainer - 
任務(wù)啟動(dòng)時(shí)刻                    : 2020-04-23 18:25:22
任務(wù)結(jié)束時(shí)刻                    : 2020-04-23 18:25:33
任務(wù)總計(jì)耗時(shí)                    :                 10s
任務(wù)平均流量                    :                1B/s
記錄寫入速度                    :              0rec/s
讀出記錄總數(shù)                    :                   2
讀寫失敗總數(shù)                    :                   0

四、源碼流程分析

注意：這里源碼只貼出核心流程，如果要看完整源碼，可以自行從Git上下載。

1、讀取數(shù)據(jù)

核心入口：PostgresqlReader

啟動(dòng)讀任務(wù)

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

讀取任務(wù)啟動(dòng)之后，執(zhí)行讀取數(shù)據(jù)操作。

核心類：CommonRdbmsReader

public void startRead(Configuration readerSliceConfig,
                      RecordSender recordSender,
                      TaskPluginCollector taskPluginCollector, int fetchSize) {
    ResultSet rs = null;
    try {
        // 數(shù)據(jù)讀取
        rs = DBUtil.query(conn, querySql, fetchSize);
        queryPerfRecord.end();
        ResultSetMetaData metaData = rs.getMetaData();
        columnNumber = metaData.getColumnCount();
        PerfRecord allResultPerfRecord = new PerfRecord(taskGroupId, taskId, PerfRecord.PHASE.RESULT_NEXT_ALL);
        allResultPerfRecord.start();
        long rsNextUsedTime = 0;
        long lastTime = System.nanoTime();
        // 數(shù)據(jù)傳輸至交換區(qū)
        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、數(shù)據(jù)傳輸

核心接口：RecordSender(發(fā)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();
}

核心類：BufferedRecordExchanger

class BufferedRecordExchanger implements RecordSender, RecordReceiver

3、寫入數(shù)據(jù)

核心入口：PostgresqlWriter

啟動(dòng)寫任務(wù)

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

寫數(shù)據(jù)任務(wù)啟動(dòng)之后，執(zhí)行數(shù)據(jù)寫入操作。

核心類：CommonRdbmsWriter

public void startWriteWithConnection(RecordReceiver recordReceiver,
                                     Connection connection) {
    // 寫數(shù)據(jù)庫的SQL語句
    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) {
        throw DataXException.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”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道！

本文標(biāo)題：DataX工具有什么用-創(chuàng)新互聯(lián)
路徑分享：http://jinyejixie.com/article12/isigc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站導(dǎo)航、網(wǎng)站排名、網(wǎng)站設(shè)計(jì)、網(wǎng)站內(nèi)鏈、自適應(yīng)網(wǎng)站、電子商務(wù)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)