网站后台管理系统怎么进,wordpress 资源下载主题,嘉兴公司制作网站的,番禺网站开发一.DataX简介
1.DataX概述
DataX 是阿里巴巴开源的一个异构数据源离线同步工具#xff0c;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。 源码地址#xff1a;https://github.com/alibaba/Data…一.DataX简介
1.DataX概述
DataX 是阿里巴巴开源的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。 源码地址https://github.com/alibaba/DataX
2.DataX支持的数据源
https://github.com/alibaba/DataX
3.DataX架构原理
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。 4.DataX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。
5.DataX运行流程 6.DataX调度决策思路
举例来说用户提交了一个DataX作业并且配置了总的并发度为20目的是对一个有100张分表的mysql数据源进行同步。DataX的调度决策思路是 1DataX Job根据分库分表切分策略将同步工作分成100个Task。 2根据配置的总的并发度20以及每个Task Group的并发度5DataX计算共需要分配4个TaskGroup。 34个TaskGroup平分100个Task每一个TaskGroup负责运行25个Task。
7.DataX与Sqoop对比 二.DataX部署
1.下载DataX安装包并上传到linux系统
下载地址http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
2.解压datax.tar.gz到/opt/software
[rootVM-4-10-centos datax]# tar -zxvf datax.tar.gz -C ../software/3.自检执行如下命令
[rootVM-4-10-centos datax]# python /opt/software/datax/bin/datax.py /opt/software/datax/job/job.json如果出现下图报错说明路径有问题检查路径。
三.DataX的使用
1.DataX任务提交命令
DataX的使用十分简单用户只需根据自己同步数据的数据源和目的地选择相应的Reader和Writer并将Reader和Writer的信息配置在一个json文件中然后执行如下命令提交数据同步任务即可。
2. DataX配置文件格式
可以使用如下命名查看DataX配置文件模板
[rootVM-4-10-centos datax]# python bin/datax.py -r mysqlreader -w hdfswriter3.同步MySQL数据到HDFS案例
先测试从mysql读取数据打印控制台是否正常 MySQL读插件官网https://github.com/alibaba/DataX/blob/master/mysqlreader/doc/mysqlreader.md
{job: {setting: {speed: {channel:1}},content: [{reader: {name: mysqlreader,parameter: {column: [id,create_time,update_time,value],where: id3,connection: [{jdbcUrl: [jdbc:mysql://10.0.4.10:3306/medical?useUnicodetrueallowPublicKeyRetrievaltruecharacterEncodingutf-8],table: [dict]}],password: 123456,splitPk: ,username: root}},writer: {name: streamwriter,parameter: {print: false,encoding: UTF-8}}}]}
}数据打印正常读取插件配置正常。
配置hdfs写入插件
{job: {setting: {speed: {channel:1}},content: [{reader: {name: mysqlreader, #读取数据的插件名称parameter: {column: [ #读取的表的字段id,create_time,update_time,value],where: id3, #过滤条件connection: [ #连接信息{jdbcUrl: [ #连接链接jdbc:mysql://10.0.4.10:3306/medical?useUnicodetrueallowPublicKeyRetrievaltruecharacterEncodingutf-8],table: [ #表名dict]}],password: 123456, #密码splitPk: ,username: root #用户名}},writer: {name: hdfswriter, #写入数据的插件名称parameter: {defaultFS: hdfs://101.91.153.39:8020, #hdfs连接信息fileType: text, #文件格式path: /datax/mysql, # 写入地址fileName: dict, #文件名称column: [{name: id,type: BIGINT},{name: create_time,type: STRING},{name: update_time,type: STRING},{name: value,type: STRING}],writeMode: append, #写入文件的方式fieldDelimiter: \t, #字段分割符compress:gzip #hdfs文件压缩类型默认不填写意味着没有压缩。}}}]}
}如果写入HDFS出现如下错误 原因NameNode节点存放的是文件目录也就是文件夹、文件名称。 本地可以通过公网访问 NameNode所以可以进行文件夹的创建当上传文件需要写入数据到DataNode时 NameNode 和DataNode是通过局域网进行通信NameNode返回地址为 DataNode 的私有 IP本地无法访问。 解决方法返回的IP地址无法返回公网IP只能返回主机名通过主机名与公网地址的映射便可以访问到DataNode节点问题将解决。 datax的hdfswriter设置相关连接属性的hadoopConfig。 hadoopConfig: {dfs.client.use.datanode.hostname: true}, 运行成功
