建站
咨詢
售后
建站咨詢
新聞中心
概述
DataX 是阿里巴巴集團內(nèi)被廣泛使用的離線數(shù)據(jù)同步工具/平臺，實現(xiàn)包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各種異構數(shù)據(jù)源之間高效的數(shù)據(jù)同步功能。
成都創(chuàng)新互聯(lián)公司主要從事成都網(wǎng)站設計、做網(wǎng)站、網(wǎng)頁設計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務。立足成都服務晉安,十載網(wǎng)站建設經(jīng)驗,價格優(yōu)惠、服務專業(yè),歡迎來電咨詢建站服務:028-86922220
DataX本身作為數(shù)據(jù)同步框架，將不同數(shù)據(jù)源的同步抽象為從源頭數(shù)據(jù)源讀取數(shù)據(jù)的Reader插件，以及向目標端寫入數(shù)據(jù)的Writer插件，理論上DataX框架可以支持任意數(shù)據(jù)源類型的數(shù)據(jù)同步工作。同時DataX插件體系作為一套生態(tài)系統(tǒng), 每接入一套新數(shù)據(jù)源該新加入的數(shù)據(jù)源即可實現(xiàn)和現(xiàn)有的數(shù)據(jù)源互通。
離線數(shù)據(jù)同步在大數(shù)據(jù)分析，數(shù)據(jù)備份，數(shù)據(jù)同步等應用場景中都會被用到，所以本文特別介紹阿里開源的這款神器：DataX！
準備工作
環(huán)境準備：Linux服務器一臺，安裝有JDK8，maven和python 2.6+；
下載源碼：https://github.com/alibaba/DataX.git
解壓后編譯源碼：
mvn -U clean package assembly:assembly -Dmaven.test.skip=true
出現(xiàn)以下信息，表示編譯成功（編譯時間稍長，由于DataX支持的數(shù)據(jù)源很多，對應的依賴包也比較多，所以可能需要20min左右編譯時間，具體視下載速度和機器性能而定）：
cdn.com/fb3a20a220799ae3b890ea64cdd2f86d5cd2e430.png">
常見錯誤：
在第3步可能會出現(xiàn)無法編譯tablestore-streamclient的錯誤，請到https://mvnrepository.com/artifact/com.aliyun.openservices/tablestore-streamclient/1.0.0 下載相應的包并放到maven相應路徑下；
工具使用
成功編譯DataX后，在
cd target/datax/datax/
目錄下就會生成可執(zhí)行文件，我們就可以來使用DataX同步各種格式的離線數(shù)據(jù)（具體看參考：https://github.com/alibaba/DataX/blob/master/userGuid.md），如下：
不在這個表格中的數(shù)據(jù)源格式你可以通過自定義插件編寫，具體編碼可參考：https://github.com/alibaba/DataX/blob/master/dataxPluginDev.md
比如我們實現(xiàn)一個最簡單的任務，將JSON格式化數(shù)據(jù)輸出到控制臺：
切換目錄：
cd target/datax/datax/bin，比如在我們的192.168.1.63的服務器，切換到目錄：/home/data-transfer/datax/target/datax/datax/bin查看配置格式命令：
python datax.py -r streamreader -w streamwriter編寫配置文件，stream2stream.json文件如下：
1
{
2
"job"
: {
3
"content"
: [
4
{
5
"reader"
: {
6
"name"
:
"streamreader"
,
7
"parameter"
: {
8
"sliceRecordCount"
:
10
,
9
"column"
: [
10
{
11
"type"
:
"long"
,
12
"value"
:
"10"
13
},
14
{
15
"type"
:
"string"
,
16
"value"
:
"hello，你好，世界-DataX"
17
}
18
]
19
}
20
},
21
"writer"
: {
22
"name"
:
"streamwriter"
,
23
"parameter"
: {
24
"encoding"
:
"UTF-8"
,
25
"print"
:
true
26
}
27
}
28
}
29
],
30
"setting"
: {
31
"speed"
: {
32
"channel"
:
5
33
}
34
}
35
}
36
}
運行腳本：
python datax.py ./stream2stream.json，執(zhí)行后控制臺輸出：
再比如mysql到mysql的離線數(shù)據(jù)同步，可使用：
python datax.py -r mysqlreader -w mysqlwriter
獲取配置文件模板；
更多的writer可參看plugins目錄下的writer文件夾 （官方默認包含的Writer，支持自定義可擴展） ：
更多的reader可參看 plugins目錄下的reader文件夾 （官方默認包含的Reader，支持自定義可擴展）：
注：如果要使用離線增量同步數(shù)據(jù)，可指定配置文件中的where過濾；
分享題目：離線數(shù)據(jù)同步神器：DataX，支持幾乎所有異構數(shù)據(jù)源的離線同步到MaxCompute
文章來源：http://www.dlmjj.cn/article/ghjsjo.html
