本文源碼：GitHub·點這裡 || GitEE·點這裡

一、DataX工具簡介

1、設計理念

DataX是一個異構資料源離線同步工具，緻力于實作包括關系型資料庫(MySQL、Oracle等)、HDFS、Hive、ODPS、HBase、FTP等各種異構資料源之間穩定高效的資料同步功能。解決異構資料源同步問題，DataX将複雜的網狀的同步鍊路變成了星型資料鍊路，DataX作為中間傳輸載體負責連接配接各種資料源。當需要接入一個新的資料源的時候，隻需要将此資料源對接到DataX，便能跟已有的資料源做到無縫資料同步。

絮叨一句

：異構資料源指，為了處理不同種類的業務，使用不同的資料庫系統存儲資料。

2、元件結構

DataX本身作為離線資料同步架構，采用Framework+plugin架構建構。将資料源讀取和寫入抽象成為Reader和Writer插件，納入到整個同步架構中。

Reader

Reader為資料采集子產品，負責讀取采集資料源的資料，将資料發送給Framework。

Writer

Writer為資料寫入子產品，負責不斷向Framework取資料，并将資料寫入到目的端。

Framework

Framework用于連接配接reader和writer，作為兩者的資料傳輸通道，并處理緩沖，流控，并發，資料轉換等核心技術問題。

3、架構設計

DataX完成單個資料同步的作業，稱為Job，DataX接受到一個Job之後，将啟動一個程序來完成整個作業同步過程。Job子產品是單個作業的中樞管理節點，承擔了資料清理、子任務切分(将單一作業計算轉化為多個子Task)、TaskGroup管理等功能。

Split

DataXJob啟動後，會根據不同的源端切分政策，将Job切分成多個小的Task(子任務)，以便于并發執行。Task便是DataX作業的最小單元，每一個Task都會負責一部分資料的同步工作。

Scheduler

切分多個Task之後，Job會調用Scheduler子產品，根據配置的并發資料量，将拆分成的Task重新組合，組裝成TaskGroup(任務組)。

TaskGroup

每一個TaskGroup負責以一定的并發運作完畢配置設定好的所有Task，預設單個任務組的并發數量為5。每一個Task都由TaskGroup負責啟動，Task啟動後，會固定啟動Reader—>Channel—>Writer的線程來完成任務同步工作。DataX作業運作起來之後，Job監控并等待多個TaskGroup子產品任務完成，等待所有TaskGroup任務完成後Job成功退出。否則，異常退出，程序退出值非0。

二、環境安裝

推薦Python2.6+，Jdk1.8+(腦補安裝流程)。

1、Python包下載下傳

# yum -y install wget
# wget https://www.python.org/ftp/python/2.7.15/Python-2.7.15.tgz
# tar -zxvf Python-2.7.15.tgz

2、安裝Python

# yum install gcc openssl-devel bzip2-devel
[root@ctvm01 Python-2.7.15]# ./configure --enable-optimizations
# make altinstall
# python -V

3、DataX安裝

# pwd
/opt/module
# ll
datax
# cd /opt/module/datax/bin
-- 測試環境是否正确
# python datax.py /opt/module/datax/job/job.json

三、同步任務

1、同步表建立

-- PostgreSQL
CREATE TABLE sync_user (
	id INT NOT NULL,
	user_name VARCHAR (32) NOT NULL,
	user_age int4 NOT NULL,
	CONSTRAINT "sync_user_pkey" PRIMARY KEY ("id")
);
CREATE TABLE data_user (
	id INT NOT NULL,
	user_name VARCHAR (32) NOT NULL,
	user_age int4 NOT NULL,
	CONSTRAINT "sync_user_pkey" PRIMARY KEY ("id")
);

2、編寫任務腳本

[root@ctvm01 job]# pwd
/opt/module/datax/job
[root@ctvm01 job]# vim postgresql_job.json

3、腳本内容

{
    "job": {
        "setting": {
            "speed": {
                "channel": "3"
            }
        },
        "content": [
            {
                "reader": {
                    "name": "postgresqlreader",
                    "parameter": {
                        "username": "root01",
                        "password": "123456",
                        "column": ["id","user_name","user_age"], 
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:postgresql://192.168.72.131:5432/db_01"], 
                                "table": ["data_user"]
                            }
                        ]
                    }
                }, 
                "writer": {
                    "name": "postgresqlwriter", 
                    "parameter": {
                        "username": "root01",
                        "password": "123456",
                        "column": ["id","user_name","user_age"], 
                        "connection": [
                            {
                                "jdbcUrl": "jdbc:postgresql://192.168.72.131:5432/db_01", 
                                "table": ["sync_user"]
                            }
                        ], 
                        "postSql": [], 
                        "preSql": []
                    }
                }
            }
        ]
    }
}

4、執行腳本

# /opt/module/datax/bin/datax.py /opt/module/datax/job/postgresql_job.json

5、執行日志

2020-04-23 18:25:33.404 [job-0] INFO  JobContainer - 
任務啟動時刻                    : 2020-04-23 18:25:22
任務結束時刻                    : 2020-04-23 18:25:33
任務總計耗時                    :                 10s
任務平均流量                    :                1B/s
記錄寫入速度                    :              0rec/s
讀出記錄總數                    :                   2
讀寫失敗總數                    :                   0

四、源碼流程分析

注意：這裡源碼隻貼出核心流程，如果要看完整源碼，可以自行從Git上下載下傳。

1、讀取資料

核心入口：PostgresqlReader

啟動讀任務

public static class Task extends Reader.Task {
    @Override
    public void startRead(RecordSender recordSender) {
        int fetchSize = this.readerSliceConfig.getInt(com.alibaba.datax.plugin.rdbms.reader.Constant.FETCH_SIZE);
        this.commonRdbmsReaderSlave.startRead(this.readerSliceConfig, recordSender,
                super.getTaskPluginCollector(), fetchSize);
    }
}

讀取任務啟動之後，執行讀取資料操作。

核心類：CommonRdbmsReader

public void startRead(Configuration readerSliceConfig,
                      RecordSender recordSender,
                      TaskPluginCollector taskPluginCollector, int fetchSize) {
    ResultSet rs = null;
    try {
        // 資料讀取
        rs = DBUtil.query(conn, querySql, fetchSize);
        queryPerfRecord.end();
        ResultSetMetaData metaData = rs.getMetaData();
        columnNumber = metaData.getColumnCount();
        PerfRecord allResultPerfRecord = new PerfRecord(taskGroupId, taskId, PerfRecord.PHASE.RESULT_NEXT_ALL);
        allResultPerfRecord.start();
        long rsNextUsedTime = 0;
        long lastTime = System.nanoTime();
        // 資料傳輸至交換區
        while (rs.next()) {
            rsNextUsedTime += (System.nanoTime() - lastTime);
            this.transportOneRecord(recordSender, rs,metaData, columnNumber, mandatoryEncoding, taskPluginCollector);
            lastTime = System.nanoTime();
        }
        allResultPerfRecord.end(rsNextUsedTime);
    }catch (Exception e) {
        throw RdbmsException.asQueryException(this.dataBaseType, e, querySql, table, username);
    } finally {
        DBUtil.closeDBResources(null, conn);
    }
}

2、資料傳輸

核心接口：RecordSender(發送)

public interface RecordSender {
	public Record createRecord();
	public void sendToWriter(Record record);
	public void flush();
	public void terminate();
	public void shutdown();
}

核心接口：RecordReceiver(接收)

public interface RecordReceiver {
	public Record getFromReader();
	public void shutdown();
}

核心類：BufferedRecordExchanger

class BufferedRecordExchanger implements RecordSender, RecordReceiver

3、寫入資料

核心入口：PostgresqlWriter

啟動寫任務

public static class Task extends Writer.Task {
	public void startWrite(RecordReceiver recordReceiver) {
		this.commonRdbmsWriterSlave.startWrite(recordReceiver, this.writerSliceConfig, super.getTaskPluginCollector());
	}
}

寫資料任務啟動之後，執行資料寫入操作。

核心類：CommonRdbmsWriter

public void startWriteWithConnection(RecordReceiver recordReceiver,
                                     Connection connection) {
    // 寫資料庫的SQL語句
    calcWriteRecordSql();
    List<Record> writeBuffer = new ArrayList<>(this.batchSize);
    int bufferBytes = 0;
    try {
        Record record;
        while ((record = recordReceiver.getFromReader()) != null) {
            writeBuffer.add(record);
            bufferBytes += record.getMemorySize();
            if (writeBuffer.size() >= batchSize || bufferBytes >= batchByteSize) {
                doBatchInsert(connection, writeBuffer);
                writeBuffer.clear();
                bufferBytes = 0;
            }
        }
        if (!writeBuffer.isEmpty()) {
            doBatchInsert(connection, writeBuffer);
            writeBuffer.clear();
            bufferBytes = 0;
        }
    } catch (Exception e) {
        throw DataXException.asDataXException(
                DBUtilErrorCode.WRITE_DATA_ERROR, e);
    } finally {
        writeBuffer.clear();
        bufferBytes = 0;
        DBUtil.closeDBResources(null, null, connection);
    }
}

五、源代碼位址

GitHub·位址
https://github.com/cicadasmile/data-manage-parent
GitEE·位址
https://gitee.com/cicadasmile/data-manage-parent

推薦系列閱讀

序号	标題
A01	資料源管理：主從庫動态路由，AOP模式讀寫分離
A02	資料源管理：基于JDBC模式，适配和管理動态資料源
A03	資料源管理：動态權限校驗，表結構和資料遷移流程
A04	資料源管理：關系型分庫分表，列式庫分布式計算
A05	資料源管理：PostGreSQL環境整合，JSON類型應用
C01	架構基礎：單服務.叢集.分布式，基本差別和聯系
C02	架構設計：分布式業務系統中，全局ID生成政策

資料源管理 | 基于DataX元件，同步資料和源碼分析

一、DataX工具簡介

1、設計理念

2、元件結構

3、架構設計

二、環境安裝

1、Python包下載下傳

2、安裝Python

3、DataX安裝

三、同步任務

1、同步表建立

2、編寫任務腳本

3、腳本内容

4、執行腳本

5、執行日志

四、源碼流程分析

1、讀取資料

2、資料傳輸

3、寫入資料

五、源代碼位址

繼續閱讀

醫療知識圖譜問答 —— 資料同步

長城一帶一路控股緻力于打造國際大健康産業資訊化和智慧雲平台基礎設施服務商，通過量子中醫檢測、網際網路中醫門診和網際網路醫院遠

企業資料中台（大資料中心、共享交換平台資料管理平台）建設方案

Excel制作人力資源管理系統，教你如何管理工作

深入體驗脊柱側彎儀精準檢測，自動生成報告，隻需一機在手，快速搞定脊柱篩查以及智能化資料管理

iPhone15确認換C口，但跟你關系不大...原創咆哥哎咆科技由于被歐盟制裁了，iPhone15系列更換USB-C接口

datax 從mysql導入到mysqldatax 從mysql導入到mysql

DataX學習筆記-Writer插件開發

資料安全：資料、資訊和知識的差別與聯系

資料治理與資料管理的定義

iMazing與您的裝置相連

跨平台資料同步利器：Rclone實作Windows與Linux檔案互同步

解決redis和mysql同步問題

20、高可用資料同步工具drbd介紹

跨國資料同步系統設計與實作

跨平台資料同步利器：Rclone實作Linux與Linux檔案挂載互訪