DATAX的架构和运行原理

一.概念

  DATAX呢就是把各个不同构的数据库进行同步的过程，具体有hdfs hive Oracle 等等吧。

二.架构

1.设计原理

显而易见从强连通图到星形图，大大的简化了工作量。

2.框架设计，变成了FrameWork和plugin的形式，以读者写者的方式（reader writer）进行数据的同步吧。

DataX在设计之初就将同步理念抽象成框架+插件的形式.框架负责内部的序列化传输，缓冲，并发，转换等而核心技术问题，数据的采集(Reader)和落地(Writer)完全交给插件执行。

• Read 数据采集模块，负责采集数据源的数据，将数据发送至FrameWork。
• Writer 数据写入模块，负责不断的向FrameWork取数据，并将数据写入目的端。
• FrameWork 用于连接reader和write，作为两者的数据传输通道，处理缓冲，流控，并发，转换等核心技术问题。

4.运行原理

• Job 完成单个数据同步的作业称之为job。DataX接受到一个Job之后，将启动一个进程来完成整个作业同步过程。负责数据清理，子任务划分，TaskGroup监控管理。
• Task 由Job切分而来，是DataX作业的最小单元，每个Task负责一部分数据的同步工作。
• Schedule 将Task组成TaskGroup，默认单个任务组的并发数量为5。
• TaskGroup 负责启动Task。
• DataX完成单个数据同步的作业，我们称之为Job，DataX接受到一个Job之后，将启动一个进程来完成整个作业同步过程。DataX Job模块是单个作业的中枢管理节点，承担了数据清理、子任务切分(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。DataXJob启动后，会根据不同的源端切分策略，将Job切分成多个小的Task(子任务)，以便于并发执行。Task便是DataX作业的最小单元，每一个Task都会负责一部分数据的同步工作。切分多个Task之后，DataX Job会调用Scheduler模块，根据配置的并发数据量，将拆分成的Task重新组合，组装成TaskGroup(任务组)。每一个TaskGroup负责以一定的并发运行完毕分配好的所有Task，默认单个任务组的并发数量为5。每一个Task都由TaskGroup负责启动，Task启动后，会固定启动Reader—>Channel—>Writer的线程来完成任务.

DataX调度流程
举例来说，用户提交了一个DataX作业，并且配置了20个并发，目的是将一个100张分表的mysql数据同步到odps里面。 DataX的调度决策思路是：

• 1 DataXJob根据分库分表切分成了100个Task。

• 2 根据20个并发，默认单个任务组的并发数量为5，DataX计算共需要分配4个TaskGroup。

• 3 这里4个TaskGroup平分切分好的100个Task，每一个TaskGroup负责以5个并发共计运行25个Task。