概述

DataX 是阿里巴巴集團(tuán)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(gòu)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(shè)計、做網(wǎng)站、網(wǎng)頁設(shè)計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)晉安,十載網(wǎng)站建設(shè)經(jīng)驗,價格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):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(biāo)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(yīng)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(zhǔn)備工作

1. 環(huán)境準(zhǔn)備：Linux服務(wù)器一臺，安裝有JDK8，maven和python 2.6+；

2. 下載源碼：https://github.com/alibaba/DataX.git

3. 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(yīng)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(jī)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(yīng)的包并放到maven相應(yīng)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(wù)，將JSON格式化數(shù)據(jù)輸出到控制臺：

1. 切換目錄： cd target/datax/datax/bin ，比如在我們的192.168.1.63的服務(wù)器，切換到目錄： /home/data-transfer/datax/target/datax/datax/bin

2. 查看配置格式命令： python datax.py -r streamreader -w streamwriter

3. 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
}

1. 運(yùn)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(rèn)包含的Writer，支持自定義可擴(kuò)展） ：

更多的reader可參看 plugins目錄下的reader文件夾 （官方默認(rèn)包含的Reader，支持自定義可擴(kuò)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；