前言
有個項目的資料量高達五千萬，但是因為報表那塊資料不太準确，業務庫和報表庫又是跨庫操作，是以并不能使用 SQL 來進行同步。當時的打算是通過 mysqldump 或者存儲的方式來進行同步，但是嘗試後發現這些方案都不切實際：
mysqldump：不僅備份需要時間，同步也需要時間，而且在備份的過程，可能還會有資料産出（也就是說同步等于沒同步）
存儲方式：這個效率太慢了，要是資料量少還好，我們使用這個方式的時候，三個小時才同步兩千條資料…
常見資料異構的幾款中間件的差別如下：
今天介紹一款不錯的中間件：DataX
DataX 簡介
DataX 是阿裡雲 DataWorks 資料內建 的開源版本，主要就是用于實作資料間的離線同步。 DataX 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（即不同的資料庫） 間穩定高效的資料同步功能。
為了 解決異構資料源同步問題，DataX 将複雜的網狀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時，隻需要将此資料源對接到 DataX，便能跟已有的資料源作為無縫資料同步。
DataX3.0 架構設計
DataX 采用 Framework + Plugin 架構，将資料源讀取和寫入抽象稱為 Reader/Writer 插件，納入到整個同步架構中。
角色作用Reader（采集子產品）負責采集資料源的資料，将資料發送給 Framework。Writer（寫入子產品）負責不斷向 Framework 中取資料，并将資料寫入到目的端。Framework（中間商）負責連接配接 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。
這或許是一個對你有用的開源項目，mall項目是一套基于 SpringBoot + Vue + uni-app 實作的電商系統（Github标星60K），采用Docker容器化部署，後端支援多子產品和微服務架構。包括前台商城項目和背景管理系統，能支援完整的訂單流程！涵蓋商品、訂單、購物車、權限、優惠券、會員、支付等功能！
Boot項目：https://github.com/macrozheng/mall
Cloud項目：https://github.com/macrozheng/mall-swarm
視訊教程：https://www.macrozheng.com/video/
項目示範：
DataX3.0 核心架構
DataX 完成單個資料同步的作業，我們稱為 Job，DataX 接收到一個 Job 後，将啟動一個程序來完成整個作業同步過程。關注公衆号：碼猿技術專欄，回複關鍵詞：1111 擷取阿裡内部Java性能調優手冊！DataX 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、TaskGroup 管理等功能。
- DataX Job 啟動後，會根據不同源端的切分政策，将 Job 切分成多個小的 Task (子任務)，以便于并發執行。
- 接着 DataX Job 會調用 Scheduler 子產品，根據配置的并發數量，将拆分成的 Task 重新組合，組裝成 TaskGroup（任務組）
- 每一個 Task 都由 TaskGroup 負責啟動，Task 啟動後，會固定啟動 Reader --> Channel --> Writer 線程來完成任務同步工作。
- DataX 作業運作啟動後，Job 會對 TaskGroup 進行監控操作，等待所有 TaskGroup 完成後，Job 便會成功退出（異常退出時 值非 0 ）
DataX 排程過程：
- 首先 DataX Job 子產品會根據分庫分表切分成若幹個 Task，然後根據使用者配置并發數，來計算需要配置設定多少個 TaskGroup；
- 計算過程：Task / Channel = TaskGroup，最後由 TaskGroup 根據配置設定好的并發數來運作 Task（任務）
使用 DataX 實作資料同步
準備工作：
- JDK（1.8 以上，推薦 1.8）
- Python（2，3 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）
主機名作業系統IP 位址軟體包MySQL-1CentOS 7.4192.168.1.1jdk-8u181-linux-x64.tar.gz datax.tar.gzMySQL-2CentOS 7.4192.168.1.2
安裝 JDK：
下載下傳位址：https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html（需要建立 Oracle 賬号）
[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 的軟體包，是以不需要進行安裝。
Linux 上安裝 DataX 軟體
[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/*/._* # 需要删除隐藏檔案 (重要)
- 當未删除時，可能會輸出：[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 請檢查您的配置檔案.
驗證：
[root@MySQL-1 ~]# cd /usr/local/datax/bin
[root@MySQL-1 ~]# python datax.py ../job/job.json # 用來驗證是否安裝成功
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 -
任務啟動時刻 : 2021-12-13 19:26:18
任務結束時刻 : 2021-12-13 19:26:28
任務總計耗時 : 10s
任務平均流量 : 253.91KB/s
記錄寫入速度 : 10000rec/s
讀出記錄總數 : 100000
讀寫失敗總數 : 0
DataX 基本使用
檢視 streamreader \--> streamwriter 的模闆：
[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": ""
}
}
}
}
根據模闆編寫 json 檔案
[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" # 列印數量
}
},
"writer": {
"name": "streamwriter",
"parameter": {
"encoding": "utf-8", # 編碼
"print": true
}
}
}
],
"setting": {
"speed": {
"channel": "2" # 并發 (即 sliceRecordCount * channel = 結果)
}
}
}
}
輸出：（要是複制我上面的話，需要把 # 帶的内容去掉）
安裝 MySQL 資料庫
分别在兩台主機上安裝：
[root@MySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel
[root@MySQL-1 ~]# systemctl start mariadb # 安裝 MariaDB 資料庫
[root@MySQL-1 ~]# mysql_secure_installation # 初始化
NOTE: RUNNING ALL PARTS OF THIS SCRIPT IS RECOMMENDED FOR ALL MariaDB
SERVERS 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 # 移除匿名使用者
... skipping.
Disallow root login remotely? [Y/n] n # 允許 root 遠端登入
... skipping.
Remove test database and access to it? [Y/n] y # 移除測試資料庫
... skipping.
Reload privilege tables now? [Y/n] y # 重新加載表
... Success!
1）準備同步資料（要同步的兩台主機都要有這個表）
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)
因為是使用 DataX 程式進行同步的，是以需要在雙方的資料庫上開放權限：
grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;
2）建立存儲過程：
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 ;
3）調用存儲過程（在資料源配置，驗證同步使用)：
call test();
通過 DataX 實 MySQL 資料同步
1）生成 MySQL 到 MySQL 同步的模闆：
[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": [], # 連接配接資訊
"table": [] # 連接配接表
}
],
"password": "", # 連接配接使用者
"username": "", # 連接配接密碼
"where": "" # 描述篩選條件
}
},
"writer": {
"name": "mysqlwriter", # 寫入端
"parameter": {
"column": [], # 需要同步的列
"connection": [
{
"jdbcUrl": "", # 連接配接資訊
"table": [] # 連接配接表
}
],
"password": "", # 連接配接密碼
"preSql": [], # 同步前. 要做的事
"session": [],
"username": "", # 連接配接使用者
"writeMode": "" # 操作類型
}
}
}
],
"setting": {
"speed": {
"channel": "" # 指定并發數
}
}
}
}
2）編寫 json 檔案：
[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 -
任務啟動時刻 : 2021-12-15 16:44:32
任務結束時刻 : 2021-12-15 16:45:15
任務總計耗時 : 42s
任務平均流量 : 2.57MB/s
記錄寫入速度 : 74999rec/s
讀出記錄總數 : 2999999
讀寫失敗總數 : 0
你們可以在目的資料庫進行檢視，是否同步完成。
- 上面的方式相當于是完全同步，但是當資料量較大時，同步的時候被中斷，是件很痛苦的事情；
- 是以在有些情況下，增量同步還是蠻重要的。
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差別就是：增量同步需要使用 where 進行條件篩選。 關注公衆号：碼猿技術專欄，回複關鍵詞：1111 擷取阿裡内部Java性能調優手冊！（即，同步篩選後的 SQL）
1）編寫 json 檔案：
[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。
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 -
任務啟動時刻 : 2021-12-16 17:34:06
任務結束時刻 : 2021-12-16 17:34:38
任務總計耗時 : 32s
任務平均流量 : 1.61KB/s
記錄寫入速度 : 62rec/s
讀出記錄總數 : 1888
讀寫失敗總數 : 0
目标資料庫上檢視：
3)基于上面資料，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
同時需要将我上面的 preSql 删除(因為我上面做的操作時 truncate 表)
來源：blog.csdn.net/weixin_46902396/article/details/121904705