DataX oracle同步mysql(全量和增量)

本篇博客说说DataX如何进行全量和增量数据同步，虽然用演示oracle同步到mysql，但其他数据库之间的同步都差不多

1.DataX介绍

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。

Github主页地址：https://github.com/alibaba/DataX
DataX工具下载地址：http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz

DataX采用Framework + plugin架构构建。将数据源读取和写入抽象成为Reader/Writer插件

Reader：Reader为数据采集模块，负责采集数据源的数据，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。

下面是DataX3.0支持的插件，也就是能在这些数据源直接根据json脚本配置互相同步数据

类型	数据源	Reader(读)	Writer(写)	文档
RDBMS 关系型数据库	MySQL	√	√	读、写
	Oracle	√	√	读、写
	OceanBase	√	√	读、写
	SQLServer	√	√	读、写
	PostgreSQL	√	√	读、写
	DRDS	√	√	读、写
	达梦	√	√	读、写
	通用RDBMS(支持所有关系型数据库)	√	√	读、写
阿里云数仓数据存储	ODPS	√	√	读、写
	ADS		√	写
	OSS	√	√	读、写
	OCS	√	√	读、写
NoSQL数据存储	OTS	√	√	读、写
	Hbase0.94	√	√	读、写
	Hbase1.1	√	√	读、写
	MongoDB	√	√	读、写
	Hive	√	√	读、写
无结构化数据存储	TxtFile	√	√	读、写
	FTP	√	√	读、写
	HDFS	√	√	读、写
	Elasticsearch		√	写

2.DataX实战

2.1.DataX基础环境搭建

1.把下载好的 datax.tar.gz 上传到Linux
2.解压 tar -xzvf datax.tar.gz ，会有/datax 目录，进入cd datax 目录
3.先删除datax目录中的所有隐藏文件，否则执行脚本会失败

 find ./ -name '._*' -print0 |xargs -0 rm -rf

4.执行测试脚本：./bin/datax.py job/job.json ，看到下图的效果，说明环境正常

2.2.DataX 全量同步数据，oracle 到 mysql

从上面的介绍中可以知道，datax是通过不同的插件去同步数据的，每个插件都有 reader 和 writer ，要从oracle同步数据到mysql，执行： ./bin/datax.py -r oraclereader -w mysqlwriter ，获取示例json配置，然后去修改里面的参数

#在job 目录中创建 vi oracle_to_mysql.json，这是改完后能同步的参数配置
{"job": {"content": [{"reader": {"name": "oraclereader", "parameter": {"column": ["INVESTOR_ID","INVESTOR_NAME","ID_TYPE","ID_NO","CREATE_TIME"], "splitPk": "INVESTOR_ID","where" : "INVESTOR_ID is not null","connection": [{"jdbcUrl": ["jdbc:oracle:thin:@172.17.112.177:1521:helowin"], "table": ["CXX.CUSTOMER"]}], "password": "123456", "username": "admin"}}, "writer": {"name": "mysqlwriter", "parameter": {"column": [ "customer_no","customer_name","id_type","id_no","create_time"], "connection": [{"jdbcUrl": "jdbc:mysql://172.17.112.176:3306/customer_db?useUnicode=true&characterEncoding=UTF-8", "table": ["customer_datax"]}], "username": "admin", "password": "123456", "preSql": [], "session": ["set session sql_mode='ANSI'"], "writeMode": "update"}}}], "setting": {"speed": {"channel": "3"}}}
}

执行全量同步：./bin/datax.py job/oracle_to_mysql.json ，可以看到有 1045条记录被同步到mysql了

2.3.DataX 增量同步数据，oracle 到 mysql

增量同步需要Linux的crontab定时任务配合，再通过shell脚本计算时间，并传递到json脚本的Where条件中，"where" : "CREATE_TIME > unix_to_oracle(${create_time}) and CREATE_TIME <= unix_to_oracle(${end_time})"

${create_time} 和 ${end_time}由shell脚本计算
vi /home/datax/servers/datax/job/oracle_to_mysql.json

{"job": {"content": [{"reader": {"name": "oraclereader", "parameter": {"column": ["INVESTOR_ID","INVESTOR_NAME","ID_TYPE","ID_NO","CREATE_TIME"], "splitPk": "INVESTOR_ID","where" : "CREATE_TIME > unix_to_oracle(${create_time}) and CREATE_TIME <= unix_to_oracle(${end_time})","connection": [{"jdbcUrl": ["jdbc:oracle:thin:@172.17.112.177:1521:helowin"], "table": ["CXX.CUSTOMER"]}], "password": "123456", "username": "admin"}}, "writer": {"name": "mysqlwriter", "parameter": {"column": [ "customer_no","customer_name","id_type","id_no","create_time"], "connection": [{"jdbcUrl": "jdbc:mysql://172.17.112.176:3306/customer_db?useUnicode=true&characterEncoding=UTF-8", "table": ["customer_datax"]}], "username": "admin", "password": "123456", "preSql": [], "session": ["set session sql_mode='ANSI'"], "writeMode": "update"}}}], "setting": {"speed": {"channel": "3"}}}
}

vi /home/datax/servers/datax/job/increment_sync.sh

#!/bin/bash
source /etc/profile
# 截至时间设置为当前时间戳
end_time=$(date +%s)
# 开始时间设置为300s前时间戳
create_time=$(($end_time - 300))
# 执行datax脚本，传入时间范围
/home/datax/servers/datax/bin/datax.py /home/datax/servers/datax/job/oracle_to_mysql.json -p "-Dcreate_time=$create_time -Dend_time=$end_time" &

并给increment_sync.sh赋可执行权限：chmod -R 777 increment_sync.sh

然后设置 crontab 定时任务，每5分钟执行一次，和上面脚本中的300s对应

crontab -e*/5 * * * * /home/datax/servers/datax/job/increment_sync.sh >/dev/null 2>&1

tip：oralce是没有 unix_to_oracle 函数的，需要自行在oracle中创建

 create or replace function unix_to_oracle(in_number NUMBER) return date isbeginreturn(TO_DATE('19700101','yyyymmdd') + in_number/86400 +TO_NUMBER(SUBSTR(TZ_OFFSET(sessiontimezone),1,3))/24);end unix_to_oracle;

好了，此时就完成了增量同步

3.DataX同步流程：

1.第一次部署datax时，手动执行全量同步脚本，同步已有客户数据
2.再进行增量同步，用Linux的crontab和脚本配合，能按时间进行增量同步
3.oracle同步mysql时，有几种同步模式，建议"writeMode"设置为"update"：
- 3.1.mysql的"writeMode"设置为"insert"，在有重复数据记录时，不会同步，直接跳过，就算oracle中该条数据已经修改了，也不会同步
- 3.2.mysql的"writeMode"设置为"replace"，在有重复数据记录时，会先删除mysql中的记录，再把oracle中的记录新增进去
- 3.3.mysql的"writeMode"设置为"update"，在有重复数据记录时，会把oracle中的列，覆盖mysql中的列，未配置同步的列，不会覆盖
4.需要在oracle库创建uninx_to_date() 函数

4.增量同步方式优化

上面需要在oracle库创建一个uninx_to_date()函数，下面用shell脚本把uninx时间戳转为yyyy-MM-dd hh:mm:ss 类型，然后传到oracle_to_mysql.json配置中，就不用创建这个uninx_to_date()函数了

increment_sync.sh 脚本获取字符串类型时间：

#!/bin/bash
source /etc/profile
#当前时间戳
cur_time=$(date +%s)
#结束时间
end_time="'$(date -d @$cur_time +"%Y-%m-%d %H:%M:%S")'"
#开始时间，为当前时间的前300s
create_time="'$(date -d @$(($cur_time-120)) +"%Y-%m-%d %H:%M:%S")'"# 执行datax脚本，传入时间范围
/home/datax/servers/datax/bin/datax.py /home/datax/servers/datax/job/oracle_to_mysql.json -p "-Dcreate_time=$create_time -Dend_time=$end_time" &

修改oracle_to_mysql.json的where参数，去掉uninx_to_date()函数

{"job": {"content": [{"reader": {"name": "oraclereader", "parameter": {"column": ["INVESTOR_ID","INVESTOR_NAME","ID_TYPE","ID_NO","CREATE_TIME"], "splitPk": "INVESTOR_ID","where" : "CREATE_TIME >to_date('${create_time}','yyyy-mm-dd hh24:mi:ss')  and CREATE_TIME <= to_date('${end_time}','yyyy-mm-dd hh24:mi:ss')","connection": [{"jdbcUrl": ["jdbc:oracle:thin:@172.17.112.177:1521:helowin"], "table": ["CXX.CUSTOMER"]}], "password": "123456", "username": "admin"}}, "writer": {"name": "mysqlwriter", "parameter": {"column": [ "customer_no","customer_name","id_type","id_no","create_time"], "connection": [{"jdbcUrl": "jdbc:mysql://172.17.112.176:3306/customer_db?useUnicode=true&characterEncoding=UTF-8", "table": ["customer_datax"]}], "username": "admin", "password": "123456", "preSql": [], "session": ["set session sql_mode='ANSI'"], "writeMode": "update"}}}], "setting": {"speed": {"channel": "3"}}}
}

Windows操作系统，Python3使用datax需要下载 Python3版的datax.py，点我下载