【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步

這篇具有很好參考價值的文章主要介紹了【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】阿里云開源離線同步工具Datax概述?

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】阿里云開源離線同步工具Datax快速入門?

?【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】阿里云開源離線同步工具Datax類圖

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具Datax實現(xiàn)數(shù)據(jù)同步?

1、準(zhǔn)備工作：

JDK（1.8 以上，推薦 1.8）
Python（23 版本都可以）
Apache Maven 3.x（Compile DataX）（手動打包使用，使用 tar 包方式不需要安裝）

主機名	操作系統(tǒng)	IP 地址	軟件包
MySQL-1	CentOS 7.4	192.168.1.1	`jdk-8u181-linux-x64.tar.gz` `datax.tar.gz`
MySQL-2	CentOS 7.4	192.168.1.2

2、安裝 JDK：

下載地址：Java Archive Downloads - Java SE 8（需要創(chuàng)建 Oracle 賬號）

[root@MySQL-1 ~]# ls
anaconda-ks.cfg  jdk-8u181-linux-x64.tar.gz
[root@MySQL-1 ~]# tar zxf jdk-8u181-linux-x64.tar.gz 
[root@DataX ~]# ls
anaconda-ks.cfg  jdk1.8.0_181  jdk-8u181-linux-x64.tar.gz
[root@MySQL-1 ~]# mv jdk1.8.0_181 /usr/local/java
[root@MySQL-1 ~]# cat <<END >> /etc/profile
export JAVA_HOME=/usr/local/java
export PATH=$PATH:"$JAVA_HOME/bin"
END
[root@MySQL-1 ~]# source /etc/profile
[root@MySQL-1 ~]# java -version

因為 CentOS 7 上自帶 Python 2.7 的軟件包，所以不需要進行安裝。

3、Linux 上安裝 DataX 軟件?

[root@MySQL-1 ~]# wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
[root@MySQL-1 ~]# tar zxf datax.tar.gz -C /usr/local/
[root@MySQL-1 ~]# rm -rf /usr/local/datax/plugin/*/._*

當(dāng)未刪除時，可能會輸出：[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 請檢查您的配置文件.

驗證：

[root@MySQL-1 ~]# cd /usr/local/datax/bin
[root@MySQL-1 ~]# python datax.py ../job/job.json

輸出：

2021-12-13 19:26:28.828 [job-0] INFO  JobContainer - PerfTrace not enable!
2021-12-13 19:26:28.829 [job-0] INFO  StandAloneJobContainerCommunicator - Total 100000 records, 2600000 bytes | Speed 253.91KB/s, 10000 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.060s |  All Task WaitReaderTime 0.068s | Percentage 100.00%
2021-12-13 19:26:28.829 [job-0] INFO  JobContainer - 
任務(wù)啟動時刻                    : 2021-12-13 19:26:18
任務(wù)結(jié)束時刻                    : 2021-12-13 19:26:28
任務(wù)總計耗時                    :                 10s
任務(wù)平均流量                    :          253.91KB/s
記錄寫入速度                    :          10000rec/s
讀出記錄總數(shù)                    :              100000
讀寫失敗總數(shù)                    :                   0

4、DataX 基本使用

查看 streamreader \--> streamwriter 的模板：

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter

輸出：

DataX (DATAX-OPENSOURCE-3.0), From Alibaba !
Copyright (C) 2010-2017, Alibaba Group. All Rights Reserved.


Please refer to the streamreader document:
     https://github.com/alibaba/DataX/blob/master/streamreader/doc/streamreader.md 

Please refer to the streamwriter document:
     https://github.com/alibaba/DataX/blob/master/streamwriter/doc/streamwriter.md 
 
Please save the following configuration as a json file and  use
     python {DATAX_HOME}/bin/datax.py {JSON_FILE_NAME}.json 
to run the job.

{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "streamreader", 
                    "parameter": {
                        "column": [], 
                        "sliceRecordCount": ""
                    }
                }, 
                "writer": {
                    "name": "streamwriter", 
                    "parameter": {
                        "encoding": "", 
                        "print": true
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": ""
            }
        }
    }
}

根據(jù)模板編寫 json 文件

[root@MySQL-1 ~]# cat <<END > test.json
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "streamreader", 
                    "parameter": {
                        "column": [        # 同步的列名 (* 表示所有)
       {
           "type":"string",
    ????????"value":"Hello."
       },
       {
           "type":"string",
    ????????"value":"河北彭于晏"
       },
   ], 
                        "sliceRecordCount": "3"     # 打印數(shù)量
                    }
                }, 
                "writer": {
                    "name": "streamwriter", 
                    "parameter": {
                        "encoding": "utf-8",     # 編碼
                        "print": true
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": "2"         # 并發(fā) (即 sliceRecordCount * channel = 結(jié)果)
            }
        }
    }
}

輸出：（要是復(fù)制我上面的話，需要把 # 帶的內(nèi)容去掉）

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步,大數(shù)據(jù),Datax,大數(shù)據(jù),學(xué)習(xí),筆記 ?

5、安裝 MySQL 數(shù)據(jù)庫

分別在兩臺主機上安裝：

[root@MySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel   
[root@MySQL-1 ~]# systemctl start mariadb												# 安裝 MariaDB 數(shù)據(jù)庫
[root@MySQL-1 ~]# mysql_secure_installation												# 初始化	
NOTE: RUNNING ALL PARTS OF THIS SCRIPT IS RECOMMENDED FOR ALL MariaDBSERVERS IN PRODUCTION USE!  PLEASE READ EACH STEP CAREFULLY!Enter current password for root (enter for none):	     	# 直接回車
OK, successfully used password, moving on...
Set root password? [Y/n] y                       	 	 	# 配置 root 密碼
New password: 
Re-enter new password: 
Password updated successfully!
Reloading privilege tables..... Success!
Remove anonymous users? [Y/n] y                			 	# 移除匿名用戶... skipping.
Disallow root login remotely? [Y/n] n            		 	# 允許 root 遠程登錄... skipping.
Remove test database and access to it? [Y/n] y 		     	# 移除測試數(shù)據(jù)庫... skipping.
Reload privilege tables now? [Y/n] y             	     	# 重新加載表... Success!

1）準(zhǔn)備同步數(shù)據(jù)（要同步的兩臺主機都要有這個表）

MariaDB [(none)]> create database `course-study`;
Query OK, 1 row affected (0.00 sec)MariaDB [(none)]> create table `course-study`.t_member(ID int,Name varchar(20),Email varchar(30));
Query OK, 0 rows affected (0.00 sec)

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步,大數(shù)據(jù),Datax,大數(shù)據(jù),學(xué)習(xí),筆記
因為是使用 DataX 程序進行同步的，所以需要在雙方的數(shù)據(jù)庫上開放權(quán)限：

grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;

2）創(chuàng)建存儲過程：

DELIMITER $$
CREATE PROCEDURE test()
BEGIN
declare A int default 1;
while (A < 3000000)do
insert into `course-study`.t_member values(A,concat("LiSa",A),concat("LiSa",A,"@163.com"));
set A = A + 1;
END while;
END $$
DELIMITER ;

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步,大數(shù)據(jù),Datax,大數(shù)據(jù),學(xué)習(xí),筆記
3）調(diào)用存儲過程（在數(shù)據(jù)源配置，驗證同步使用）：

call test();

6、通過 DataX 實 MySQL 數(shù)據(jù)同步

1）生成 MySQL 到 MySQL 同步的模板：

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r mysqlreader -w mysqlwriter
{"job": {"content": [{"reader": {"name": "mysqlreader",							# 讀取端"parameter": {"column": [], 								# 需要同步的列 (* 表示所有的列)"connection": [{"jdbcUrl": [], 						# 連接信息"table": []							# 連接表}], "password": "", 							# 連接用戶"username": "", 							# 連接密碼"where": ""									# 描述篩選條件}}, "writer": {"name": "mysqlwriter",							# 寫入端"parameter": {"column": [], 								# 需要同步的列"connection": [{"jdbcUrl": "", 						# 連接信息"table": []							# 連接表}], "password": "", 							# 連接密碼"preSql": [], 								# 同步前. 要做的事"session": [], "username": "",								# 連接用戶 "writeMode": ""								# 操作類型}}}], "setting": {"speed": {"channel": ""										# 指定并發(fā)數(shù)}}}
}

2）編寫?json?文件：

[root@MySQL-1 ~]# vim install.json
{"job": {"content": [{"reader": {"name": "mysqlreader", "parameter": {"username": "root","password": "123123","column": ["*"],"splitPk": "ID","connection": [{"jdbcUrl": ["jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"], "table": ["t_member"]}]}}, "writer": {"name": "mysqlwriter", "parameter": {"column": ["*"], "connection": [{"jdbcUrl": "jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8","table": ["t_member"]}], "password": "123123","preSql": ["truncate t_member"], "session": ["set session sql_mode='ANSI'"], "username": "root", "writeMode": "insert"}}}], "setting": {"speed": {"channel": "5"}}}
}

3）驗證

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py install.json

輸出：

2021-12-15 16:45:15.120 [job-0] INFO  JobContainer - PerfTrace not enable!
2021-12-15 16:45:15.120 [job-0] INFO  StandAloneJobContainerCommunicator - Total 2999999 records, 107666651 bytes | Speed 2.57MB/s, 74999 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 82.173s |  All Task WaitReaderTime 75.722s | Percentage 100.00%
2021-12-15 16:45:15.124 [job-0] INFO  JobContainer - 
任務(wù)啟動時刻                    : 2021-12-15 16:44:32
任務(wù)結(jié)束時刻                    : 2021-12-15 16:45:15
任務(wù)總計耗時                    :                 42s
任務(wù)平均流量                    :            2.57MB/s
記錄寫入速度                    :          74999rec/s
讀出記錄總數(shù)                    :             2999999
讀寫失敗總數(shù)                    :                   0

你們可以在目的數(shù)據(jù)庫進行查看，是否同步完成。
【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步,大數(shù)據(jù),Datax,大數(shù)據(jù),學(xué)習(xí),筆記

上面的方式相當(dāng)于是完全同步，但是當(dāng)數(shù)據(jù)量較大時，同步的時候被中斷，是件很痛苦的事情；
所以在有些情況下，增量同步還是蠻重要的。

7、使用 DataX 進行增量同步

使用 DataX 進行全量同步和增量同步的唯一區(qū)別就是：增量同步需要使用?where?進行條件篩選。（即，同步篩選后的 SQL）

1）編寫?json?文件：

[root@MySQL-1 ~]# vim where.json
{"job": {"content": [{"reader": {"name": "mysqlreader", "parameter": {"username": "root","password": "123123","column": ["*"],"splitPk": "ID","where": "ID <= 1888","connection": [{"jdbcUrl": ["jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"], "table": ["t_member"]}]}}, "writer": {"name": "mysqlwriter", "parameter": {"column": ["*"], "connection": [{"jdbcUrl": "jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8","table": ["t_member"]}], "password": "123123","preSql": ["truncate t_member"], "session": ["set session sql_mode='ANSI'"], "username": "root", "writeMode": "insert"}}}], "setting": {"speed": {"channel": "5"}}}
}

需要注意的部分就是：where（條件篩選）和?preSql（同步前，要做的事）參數(shù)。

2）驗證：

[root@MySQL-1 ~]# python /usr/local/data/bin/data.py where.json

輸出：

2021-12-16 17:34:38.534 [job-0] INFO  JobContainer - PerfTrace not enable!
2021-12-16 17:34:38.534 [job-0] INFO  StandAloneJobContainerCommunicator - Total 1888 records, 49543 bytes | Speed 1.61KB/s, 62 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.002s |  All Task WaitReaderTime 100.570s | Percentage 100.00%
2021-12-16 17:34:38.537 [job-0] INFO  JobContainer - 
任務(wù)啟動時刻                    : 2021-12-16 17:34:06
任務(wù)結(jié)束時刻                    : 2021-12-16 17:34:38
任務(wù)總計耗時                    :                 32s
任務(wù)平均流量                    :            1.61KB/s
記錄寫入速度                    :             62rec/s
讀出記錄總數(shù)                    :                1888
讀寫失敗總數(shù)                    :                   0

目標(biāo)數(shù)據(jù)庫上查看：
【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步,大數(shù)據(jù),Datax,大數(shù)據(jù),學(xué)習(xí),筆記
3）基于上面數(shù)據(jù)，再次進行增量同步：

主要是 where 配置："where": "ID > 1888 AND ID <= 2888"						# 通過條件篩選來進行增量同步

同時需要將我上面的 preSql 刪除(因為我上面做的操作時 truncate 表)

【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步,大數(shù)據(jù),Datax,大數(shù)據(jù),學(xué)習(xí),筆記文章來源地址http://www.zghlxwxcb.cn/news/detail-821591.html

到了這里，關(guān)于【大數(shù)據(jù)進階第三階段之Datax學(xué)習(xí)筆記】使用阿里云開源離線同步工具DataX 實現(xiàn)數(shù)據(jù)同步的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！