大数据学习总结:常用同步组件
学习大数据中的一些个人总结
maxwell
原理就是伪装成一个slave,订阅主库的binlog解析写入kafka、mq
canal
阿里的一个开源框架,简单方便
sqoop
hadoop生态中的一个组件,原理是将操作翻译为mapreduce程序进行执行。常用于将业务库数据全量导入到hdfs,会进行表扫描,短时间内对业务库的压力比较大,建议用从库进行数据抽取。
flume
开源的一个数据采集(同步)工具,常用在日志采集。
source->channel->sink
source:可监听ip、端口;文件、kafka等数据来源,
channel: 可以磁盘、内存、数据库、kafka作为底层数据存储方式
sink:hdfs、hive、Hbase、es、kafka、http、自定义sink等。
dataX(dataworks)
datax是阿里的一个开源框架用于离线同步、糅合了多种数据源,可以很方便的进行源与源之间的同步,个人感觉大问题没有,小问题不少,一些特性需求无法满足