DataX配置及使用
摘要: 一. DataX3.0概览 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。
一. DataX3.0概览
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。
设计理念
为了解决异构数据源同步问题,DataX将复杂的网状的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的时候,只需要将此数据源对接到DataX,便能跟已有的数据源做到无缝数据同步。
当前使用现状
DataX在阿里巴巴集团内被广泛使用,承担了所有大数据的离线同步业务,并已持续稳定运行了6年之久。目前每天完成同步8w多道作业,每日传输数据量超过300TB。
二、DataX3.0框架设计
DataX本身作为离线数据同步框架,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,纳入到整个同步框架中。
- 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。
三. DataX3.0插件体系
经过几年积累,DataX目前已经有了比较全面的插件体系,主流的RDBMS数据库、NOSQL、大数据计算系统都已经接入。DataX目前支持数据如下:
类型 | 数据源 | Reader(读) | Writer(写) |
---|---|---|---|
RDBMS 关系型数据库 | Mysql | √ | √ |
Oracle | √ | √ | |
SqlServer | √ | √ | |
Postgresql | √ | √ | |
达梦 | √ | √ | |
阿里云数仓数据存储 | ODPS | √ | √ |
ADS | √ | ||
OSS | √ | √ | |
OCS | √ | √ | |
NoSQL数据存储 | OTS | √ | √ |
Hbase0.94 | √ | √ | |
Hbase1.1 | √ | √ | |
MongoDB | √ | √ | |
无结构化数据存储 | TxtFile | √ | √ |
FTP | √ | √ | |
HDFS | √ | √ |
DataX Framework提供了简单的接口与插件交互,提供简单的插件接入机制,只需要任意加上一种插件,就能无缝对接其他数据源。详情请看:DataX数据源指南
四、DataX3.0核心架构
DataX 3.0 开源版本支持单机多线程模式完成同步作业运行,本小节按一个DataX作业生命周期的时序图,从整体架构设计非常简要说明DataX各个模块相互关系。
核心模块介绍:
- DataX完成单个数据同步的作业,我们称之为Job,DataX接受到一个Job之后,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(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。
- DataXJob启动后,会根据不同的源端切分策略,将Job切分成多个小的Task(子任务),以便于并发执行。Task便是DataX作业的最小单元,每一个Task都会负责一部分数据的同步工作。
- 切分多个Task之后,DataX Job会调用Scheduler模块,根据配置的并发数据量,将拆分成的Task重新组合,组装成TaskGroup(任务组)。每一个TaskGroup负责以一定的并发运行完毕分配好的所有Task,默认单个任务组的并发数量为5。
- 每一个Task都由TaskGroup负责启动,Task启动后,会固定启动Reader—>Channel—>Writer的线程来完成任务同步工作。
- DataX作业运行起来之后, Job监控并等待多个TaskGroup模块任务完成,等待所有TaskGroup任务完成后Job成功退出。否则,异常退出,进程退出值非0
DataX调度流程:
举例来说,用户提交了一个DataX作业,并且配置了20个并发,目的是将一个100张分表的mysql数据同步到odps里面。 DataX的调度决策思路是:
- DataXJob根据分库分表切分成了100个Task。
- 根据20个并发,DataX计算共需要分配4个TaskGroup。
- 4个TaskGroup平分切分好的100个Task,每一个TaskGroup负责以5个并发共计运行25个Task。
打包成功,日志显示如下:
[INFO] BUILD SUCCESS
[INFO] -----------------------------------------------------------------
[INFO] Total time: 08:12 min
[INFO] Finished at: 2015-12-13T16:26:48+08:00
[INFO] Final Memory: 133M/960M
[INFO] -----------------------------------------------------------------
DataX配置及使用相关推荐
- Datax将Oracle数据导入ElasticSearch7完成教程
网上关于此方面的内容较少,而且比较零散,正好项目中需要对ES7做预研,所以整理出了这篇文章. ElasticSearch版本为7.13.2 分如下几个主题: 1.Datax的es导入插件elastic ...
- 数据迁移工具之DataX
文章目录 一.DataX 1.DataX框架 2.DataX运行原理 二.安装DataX 1.DataX的下载安装地址 2.编译 三.配置模板 1.从Stream流到控制台 2.从MYSQL到HDFS ...
- 高效数据同步工具DataX的使用
一.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).HDF ...
- 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,并解压文件至/opt/module/下. 自测检查DataX,出现如下截图内容,说明安装成功 二.DataX使用 Dat ...
- 大数据增量采集OGGAdapter的安装部署与相关配置
大数据云时代,数据上云ETL已成了最基础,最根本,最必须的一个步骤.目前数据传输迁移的工具非常多,比如dataX,DTS,kettle等等.为了保证云上存储空间的有效利用和数据的整体唯一性,就没必要每 ...
- 实践练习四:迁移 MySQL 数据到 OceanBase 集群
练习目的 本次练习目的掌握从 MySQL 向 OceanBase 迁移数据的基本方法:mysqldump.datax .canal 等. 练习内容 请记录并分享下列内容: (必选)使用 mysqldu ...
- 9月26日云栖精选夜读:阿里Java代码规约插件即将全球首发,邀您来发布仪式现场...
10月14日,杭州云栖大会研发效能峰会场,阿里将正式对外开放Java代码规约插件及源码. 热点热议 阿里Java代码规约插件即将全球首发,邀您来发布仪式现场 作者:云效平台 发表在:阿里云效平台 ...
- 实践练习四(必选):迁移 MySQL 数据到 OceanBase 集群
OceanBase Docker安装体验:https://www.xmmup.com/oceanbase-dockeranzhuangtiyan.html 手动部署 OceanBase 单副本集群:h ...
- 【离线数仓-2-数据采集】
离线数仓-2-数据采集 离线数仓-2-数据采集 1.用户行为日志数据模拟 1.用户行为日志的介绍 2.埋点有哪些 3.用户行为日志内容 4.用户行为日志格式 5.用户行为日志数据采集 1.节点之间配置 ...
最新文章
- Linux学习中我的10条建议和技巧
- RGBD相机参数输出定义
- SAP MM UB类型的退货STO流程简述
- 万字长文!DeepMind科学家总结2021年的15个高能研究
- 在 Windows 上直接运行 Linux,有命令行就是贼香
- 可怕的DefaultAbstractHelperImpl
- 选择排序是外面循环的array[i]与内循环的array[j]比较。冒泡排序是内循环的相邻两个值做比较修改...
- 微信小程序云开发教程-云开发对微信小程序带来的变革作用
- AMD Catalyst 14.4 Linux带来完整的 OpenGL 4.4 支持
- java中重写equals方法
- java程卫琴_43名基层工会干部在“机关开放日”走进安徽省总工会参观并座谈
- 怎么在linux系统上安装软件,教你如何在Linux系统安装软件
- 史上最完整基于Springboot实现进销存管理系统
- IE8升级到IE11 F12报错的解决方案
- [ROC-RK3568-PC] [Firefly-Android] 10min带你了解UART的使用
- Bootstrap+web+Idea实现登录页面(含验证码)
- lstm 文本分类_带有lstm和单词嵌入的灾难推文上的文本分类
- 吉林省松原市谷歌高清卫星地图下载
- 风控模型中的KS指标
- 整理了一波年终总结模版,速领!
热门文章
- Mybatis-generator逆向生成运行正常,但没有生成任何文件
- Linux网络DNS配置反向解析与构建主从域名服务器
- Redis数据库(一)——Redis简介、部署及常用命令
- 异步通知和同步通知_CCF NOI 2020 网上同步赛报名通知
- html下拉列表插件,js+CSS实现模拟华丽的select控件下拉菜单效果
- ubuntu安装pr_在Ubuntu 16.04服务器上安装Zabbix 3.2
- so调用so 编译 android,android-5分钟入门-CMake方式使用JNI(.so调用篇)
- 积分上下限无穷_数学方法的思考和存在无穷多个孪生素数证明的思路
- matlab向量的角标,【MATLAB】利用冒号表达式获得子矩阵
- java对象工厂池_[转载]Java对象池技术的原理及其实现