Datax多源数据同步工具介绍、详解及部署使用

1、datax介绍

Datax是一款支持多数据源的数据采集框架
-mysql、-oracle、-db2、-mongodb、-hdfs
异构数据源（异构数据库系统是相关的多个数据库系统的集合）离线同步工具
多种不同类型的数据库可进行数据交叉同步
Task介绍
结构-----[reader-channel-writer] channel：缓冲模块
Reader负责抽取数据，而writer写入
其中还包括transformer，可对数据进行自定义处理
taskgroup介绍
一个job分成多个task 再按并发要求数量分成多个taskgroup 每个taskgroup固定可并发数为5 并发要求数量是自定义（配置）的
假设一个job被分成100个task，并发要求数量为20，则可分为20/5 个组taskgroup 每个taskgroup 有25个task
Datax的安装
最好centos7及以上，因为centos7及以上系统自带python
将datax包解压 用python执行python文件即可

2、参数配置简单说明

job": {
        "content": [
            {
                "reader": {
                    "name": "streamreader", 
                    "parameter": {                 /*读取数据源信息参
                        "column": [],               数配置*/
                        "sliceRecordCount": ""
                    }
                }, 
                "writer": {
                    "name": "streamwriter", 
                    "parameter": {                 /*写数据源信息参
                        "encoding": "",               数配置*/
                        "print": true
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": ""，/*就是上述并发数量设置，决定taskgroup数量*/
    "byte": ""，  /*控制每秒多少字节*/          
"record": "" /*每秒多少条数*/
}                                
        }
    }
}

3、直接使用phython执行

执行方式
datax目录下 – python bin/datax.py ./job/job.json
这里的job.json可以在官网进行查询配置格式，进行自定义配置

查看参数结构
datax目录下 bin/datax.py -r xxxreader -w xxxwriter
reader和writer均在官网目录可查看 （如 mysqlreader mongodbwriter）

4、代码执行

在datax根目录进行打包
可在datax-master的pom中注掉不需要的模块，并在package.xml中注掉。然后再进行打包，在datax目录下执行以下命令：

mvn -U clean package assembly:assembly -Dmaven.test.skip=true

打包完成后，找到根目录下的target文件，在它的plugin中引入所需要用的reader和writer。这些reader和writer都在各自模块的target中，如mysqlreader：

然后在datax-core模块中的CoreConstant常量中设置datax_home为根目录下target中的datax/datax。如：

public static String DATAX_HOME = "D:\\idea\\workspace\\ff-masterf\\DataX-master\\target\\datax\\datax";

然后根据官网配置json文件，入口类在datax-core的Engine中，使用其entry(final String[] args)方法执行。参数构造如下：

public static void main(String[] args) throws Exception {
    int exitCode = 0;
    String[] testArgs = {"-job","D:\\idea\\workspace\\ff-masterf\\DataX-master\\target\\datax\\datax\\job\\job2.json","-mode","standalone","-jobid","-1"};
    try {
        Engine.entry(testArgs);
    } catch (Throwable e) {
        exitCode = 1;
        LOG.error("\n\n经DataX智能分析,该任务最可能的错误原因是:\n" + ExceptionTracker.trace(e));

        if (e instanceof DataXException) {
            DataXException tempException = (DataXException) e;
            ErrorCode errorCode = tempException.getErrorCode();
            if (errorCode instanceof FrameworkErrorCode) {
                FrameworkErrorCode tempErrorCode = (FrameworkErrorCode) errorCode;
                exitCode = tempErrorCode.toExitValue();
            }
        }

        System.exit(exitCode);
    }
    System.exit(exitCode);
}

5、源码打包与java集成

在java中执行同datax中执行是一样的，同样需要一个指定的datax_home。也需要指定相应的json文件。
首先同上，在pom.xml和package.xml中留下所需的模块。再将打包后的core和common的jar包安装到maven仓库。具体如下：

mvn install:install-file -Dfile="jar包的绝对路径" -Dpackaging=jar -DgroupId=groupid名 -DartifactId=artifactId名 -Dversion=jar版本

mvn install:install-file -Dfile=E:\ff\DataX-master\core\target\datax-core-0.0.1-SNAPSHOT.jar -Dpackaging=jar -DgroupId=com.datax -DartifactId=datax-core -Dversion=0.0.1-SNAPSHOT

mvn install:install-file -Dfile=E:\ff\DataX-master\common\target\datax-common-0.0.1-SNAPSHOT.jar -Dpackaging=jar -DgroupId=com.datax -DartifactId=datax-common -Dversion=0.0.1-SNAPSHOT

并在需要datax的maven项目中引入如下依赖：

<!--datax配置-->
<dependency>
    <groupId>com.datax</groupId>
    <artifactId>datax-core</artifactId>
    <version>0.0.1</version>
</dependency>
<dependency>
    <groupId>com.datax</groupId>
    <artifactId>datax-common</artifactId>
    <version>0.0.1</version>
</dependency>
<dependency>
    <groupId>commons-cli</groupId>
    <artifactId>commons-cli</artifactId>
    <version>1.4</version>
</dependency>
<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.13</version>
</dependency>
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-io</artifactId>
    <version>1.3.2</version>
</dependency>
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
    <version>3.12.0</version>
</dependency>
<dependency>
    <groupId>commons-lang</groupId>
    <artifactId>commons-lang</artifactId>
    <version>2.6</version>
</dependency>

接着进行如下操作：
1、将core的target下datax文件拷贝至指定的DATAX_HOME（非源码不需要）
2、需要什么类型reader/writer就将指定的reader/writer下target中的datax/plugin拷贝至core中的plugin（直接下载的datax自带不需此步骤/如果是datax源码则需要）
3、调用 com.alibaba.datax.core.Engine.entry()或自定义的入口方法 指定要执行的json文件位置

6、直接在java程序中调用phython执行json脚本

这种方式很简单，不需要引入jar包。部署好datax后，在Java中执行Linux命令，可以使用Runtime.getRuntime().exec()方法。使用这个方法执行：

python  bin/datax.py  ./job/job.json

即可开启任务