阿里又开源一款数据同步工具 DataX，稳定又高效，好用到爆！

于 2024-09-20 14:08:49 发布
阅读量584 收藏 1
点赞数
文章标签： 开源
原文链接：https://mp.weixin.qq.com/s?__biz=MzU4MDUyMDQyNQ==&mid=2247546836&idx=1&sn=3380d6102b2f9f719c381b22b4e7a551&chksm=fc9bf89e6272bf69152b821134edcb821699267bd3d26cd209e79110a0d6b50b1c834dc699e8&scene=126&sessionid=0
版权

ffad329f58639c793c95c9eef1878c7f.jpeg来源：blog.csdn.net/weixin_46902396/article/details/121904705

👉 欢迎加入小哈的星球，你将获得: 专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17..., 点击查看项目介绍；

  • 《从零手撸：前后端分离博客项目（全栈开发）》 2期已完结,演示链接：http://116.62.199.48/;

截止目前，累计输出 58w+ 字，讲解图 2330+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，Spring Cloud Alibaba 等等，戳我加入学习，解锁全部项目，已有2100+小伙伴加入

4c119903e964538a3b09969d9621ac79.gif

  • 前言

  • 一、DataX 简介

    • 1.DataX3.0 框架设计

    • 2.DataX3.0 核心架构

  • 二、使用 DataX 实现数据同步

    • 1.Linux 上安装 DataX 软件

    • 2.DataX 基本使用

    • 3.安装 MySQL 数据库

    • 4.通过 DataX 实 MySQL 数据同步

    • 5.使用 DataX 进行增量同步

前言

我们公司有个项目的数据量高达五千万，但是因为报表那块数据不太准确，业务库和报表库又是跨库操作，所以并不能使用 SQL 来进行同步。当时的打算是通过 mysqldump 或者存储的方式来进行同步，但是尝试后发现这些方案都不切实际：

mysqldump：不仅备份需要时间，同步也需要时间，而且在备份的过程，可能还会有数据产出（也就是说同步等于没同步）

存储方式：这个效率太慢了，要是数据量少还好，我们使用这个方式的时候，三个小时才同步两千条数据…

后面在网上查看后，发现 DataX 这个工具用来同步不仅速度快，而且同步的数据量基本上也相差无几。

一、DataX 简介

DataX 是阿里云 DataWorks 数据集成 的开源版本，主要就是用于实现数据间的离线同步。 DataX 致力于实现包括关系型数据库（MySQL、Oracle 等）、HDFS、Hive、ODPS、HBase、FTP 等 各种异构数据源（即不同的数据库） 间稳定高效的数据同步功能。2549d235ec7f52d7190d6535f7d667bb.png

  • 为了 解决异构数据源同步问题，DataX 将复杂的网状同步链路变成了星型数据链路 ，DataX 作为中间传输载体负责连接各种数据源；

  • 当需要接入一个新的数据源时，只需要将此数据源对接到 DataX，便能跟已有的数据源作为无缝数据同步。

1.DataX3.0 框架设计

DataX 采用 Framework + Plugin 架构，将数据源读取和写入抽象称为 Reader/Writer 插件，纳入到整个同步框架中。9d6cd900d72f821167c5fbfada0f8c55.png

角色作用
Reader（采集模块）负责采集数据源的数据，将数据发送给 Framework。
Writer（写入模块）负责不断向 Framework 中取数据，并将数据写入到目的端。
Framework（中间商）负责连接 Reader 和 Writer，作为两者的数据传输通道，并处理缓冲，流控，并发，数据转换等核心技术问题。

2.DataX3.0 核心架构

DataX 完成单个数据同步的作业，我们称为 Job，DataX 接收到一个 Job 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、TaskGroup 管理等功能。13c9548912b8caceacb45c05d734d849.png

  • DataX Job 启动后，会根据不同源端的切分策略，将 Job 切分成多个小的 Task (子任务)，以便于并发执行。

  • 接着 DataX Job 会调用 Scheduler 模块，根据配置的并发数量，将拆分成的 Task 重新组合，组装成 TaskGroup（任务组）

  • 每一个 Task 都由 TaskGroup 负责启动，Task 启动后，会固定启动 Reader --> Channel --> Writer 线程来完成任务同步工作。

  • DataX 作业运行启动后，Job 会对 TaskGroup 进行监控操作，等待所有 TaskGroup 完成后，Job 便会成功退出（异常退出时 值非 0 ）

DataX 调度过程：

  1. 首先 DataX Job 模块会根据分库分表切分成若干个 Task，然后根据用户配置并发数，来计算需要分配多少个 TaskGroup；

  2. 计算过程：Task / Channel = TaskGroup，最后由 TaskGroup 根据分配好的并发数来运行 Task（任务）

二、使用 DataX 实现数据同步

准备工作：

  • JDK（1.8 以上，推荐 1.8）

  • Python（2，3 版本都可以）

  • Apache Maven 3.x（Compile DataX）（手动打包使用，使用 tar 包方式不需要安装）

主机名操作系统IP 地址软件包
MySQL-1CentOS 7.4192.168.1.1jdk-8u181-linux-x64.tar.gz datax.tar.gz
MySQL-2CentOS 7.4192.168.1.2

安装 JDK：

下载地址：https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html（需要创建 Oracle 账号）

[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

  • 因为 CentOS 7 上自带 Python 2.7 的软件包，所以不需要进行安装。

1.Linux 上安装 DataX 软件

[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/*/._*      # 需要删除隐藏文件 (重要)

  • 当未删除时，可能会输出：[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 请检查您的配置文件.

验证：

[root@MySQL-1 ~]# cd /usr/local/datax/bin
[root@MySQL-1 ~]# python datax.py ../job/job.json       # 用来验证是否安装成功

输出：

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 - 
任务启动时刻                    : 2021-12-13 19:26:18
任务结束时刻                    : 2021-12-13 19:26:28
任务总计耗时                    :                 10s
任务平均流量                    :          253.91KB/s
记录写入速度                    :          10000rec/s
读出记录总数                    :              100000
读写失败总数                    :                   0

2.DataX 基本使用

查看 streamreader \--> streamwriter 的模板：

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter

输出：

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": ""
            }
        }
    }
}

根据模板编写 json 文件

[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"     # 打印数量
                    }
                }, 
                "writer": {
                    "name": "streamwriter", 
                    "parameter": {
                        "encoding": "utf-8",     # 编码
                        "print": true
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": "2"         # 并发 (即 sliceRecordCount * channel = 结果)
            }
        }
    }
}

输出：（要是复制我上面的话，需要把 # 带的内容去掉）f15e0da66693b40ec5c64d54a6cd4ccd.png

3.安装 MySQL 数据库

分别在两台主机上安装：

[root@MySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel   
[root@MySQL-1 ~]# systemctl start mariadb            # 安装 MariaDB 数据库
[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):       # 直接回车
OK, successfully used password, moving on...
Set root password? [Y/n] y                            # 配置 root 密码
New password: 
Re-enter new password: 
Password updated successfully!
Reloading privilege tables..
 ... Success!
Remove anonymous users? [Y/n] y                     # 移除匿名用户
 ... skipping.
Disallow root login remotely? [Y/n] n                # 允许 root 远程登录
 ... skipping.
Remove test database and access to it? [Y/n] y         # 移除测试数据库
 ... skipping.
Reload privilege tables now? [Y/n] y                    # 重新加载表
 ... Success!

1）准备同步数据（要同步的两台主机都要有这个表）

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)

d66ef1b1596d59903316626ac689f0cf.png因为是使用 DataX 程序进行同步的，所以需要在双方的数据库上开放权限：

grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;

2）创建存储过程：

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 ;

3a4172da1aae33e4d3bf89944166a4fb.png3）调用存储过程（在数据源配置，验证同步使用）：

call test();

4.通过 DataX 实 MySQL 数据同步

1）生成 MySQL 到 MySQL 同步的模板：

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r mysqlreader -w mysqlwriter
{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",       # 读取端
                    "parameter": {
                        "column": [],         # 需要同步的列 (* 表示所有的列)
                        "connection": [
                            {
                                "jdbcUrl": [],       # 连接信息
                                "table": []       # 连接表
                            }
                        ], 
                        "password": "",        # 连接用户
                        "username": "",        # 连接密码
                        "where": ""         # 描述筛选条件
                    }
                }, 
                "writer": {
                    "name": "mysqlwriter",       # 写入端
                    "parameter": {
                        "column": [],         # 需要同步的列
                        "connection": [
                            {
                                "jdbcUrl": "",       # 连接信息
                                "table": []       # 连接表
                            }
                        ], 
                        "password": "",        # 连接密码
                        "preSql": [],         # 同步前. 要做的事
                        "session": [], 
                        "username": "",        # 连接用户 
                        "writeMode": ""        # 操作类型
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": ""          # 指定并发数
            }
        }
    }
}

2）编写 json 文件：

[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）验证

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py install.json

输出：

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 - 
任务启动时刻                    : 2021-12-15 16:44:32
任务结束时刻                    : 2021-12-15 16:45:15
任务总计耗时                    :                 42s
任务平均流量                    :            2.57MB/s
记录写入速度                    :          74999rec/s
读出记录总数                    :             2999999
读写失败总数                    :                   0

你们可以在目的数据库进行查看，是否同步完成。fae919137e9a109287097871a894732d.png

  • 上面的方式相当于是完全同步，但是当数据量较大时，同步的时候被中断，是件很痛苦的事情；

  • 所以在有些情况下，增量同步还是蛮重要的。

5.使用 DataX 进行增量同步

使用 DataX 进行全量同步和增量同步的唯一区别就是：增量同步需要使用 where 进行条件筛选。 （即，同步筛选后的 SQL）

1）编写 json 文件：

[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（条件筛选） 和 preSql（同步前，要做的事） 参数。

2）验证：

[root@MySQL-1 ~]# python /usr/local/data/bin/data.py where.json

输出：

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 - 
任务启动时刻                    : 2021-12-16 17:34:06
任务结束时刻                    : 2021-12-16 17:34:38
任务总计耗时                    :                 32s
任务平均流量                    :            1.61KB/s
记录写入速度                    :             62rec/s
读出记录总数                    :                1888
读写失败总数                    :                   0

目标数据库上查看：fbbd966b78ea0a322ad28c27bc8595a8.png3）基于上面数据，再次进行增量同步：

主要是 where 配置："where": "ID > 1888 AND ID <= 2888"      # 通过条件筛选来进行增量同步
同时需要将我上面的 preSql 删除(因为我上面做的操作时 truncate 表)

61646df4051b44e47dc53e5bf5c5566d.png

图片

好书推荐




0f2b1c43bb7011f8db448a692f658833.png

  • 内容权威：谷歌面试官和OPPO高级研究总监联手打造。作者基于亲身经验，有的放矢地解析数据结构、算法和系统设计3大核心技能面，筛选硅谷及国内科技巨头面试真题

  • 质量可靠：西北工业大学教授、美国乔治亚大学教授、华为专家、谷歌专家推荐。本书不仅透彻讲解常见的Python技术核心，还强调了重要而易被忽视的系统设计类题目， 用丰富实例打造硅谷科技企业的Python面试秘籍。

  • 收获切实：通过阅读本书，你将：1）了解硅谷高科技公司以及国内科技大厂面试的流程；2）利用真题训练来巩固面试所需的基本技能；3）更好地准备科技大厂的面试，从而争取更高的待遇条件。


👉 欢迎加入小哈的星球，你将获得: 专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17..., 点击查看项目介绍；

  • 《从零手撸：前后端分离博客项目（全栈开发）》 2期已完结,演示链接：http://116.62.199.48/;

截止目前，累计输出 58w+ 字，讲解图 2330+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，Spring Cloud Alibaba 等等，戳我加入学习，解锁全部项目，已有2100+小伙伴加入

c2a8b4276e9e94bdab90b7cc3e5aab28.gif

7abea40dff559bbc884bcdec5c3b9d83.jpeg

 
 
a9b5d8cc6a0e80f11526eecbc6b08b37.gif
 
 
 
 
 
 
1. 我的私密学习小圈子~
2. MapStruct 超神进阶用法，让你的代码效率提升十倍！
3. 对领域的认知比会写代码更重要
4. 利用 Redis 实现每周热评，简直无敌
 
 
 
 
最近面试BAT，整理一份面试资料《Java面试BATJ通关手册》，覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。
获取方式：点“在看”，关注公众号并回复 Java 领取，更多内容陆续奉上。
 
 
PS：因公众号平台更改了推送规则，如果不想错过内容，记得读完点一下“在看”，加个“星标”，这样每次新文章推送才会第一时间出现在你的订阅列表里。
点“在看”支持小哈呀，谢谢啦
 


                

        

    

  



    

      

        

            

              
                
                  犬小哈
                
              
            

            

                关注
              
            

        

        

          
      

      










                



	

		

			

				
					
数据同步工具datax-web可视化工具

				
			

			

				

					05-09
				

			

		

		

			
				
数据同步工具datax-web可视化工具，可实现跨数据库数据同步，项目实际使用实践请大家放心下载。

			
		

	



                

            
              



	

		

			

				
					
开源数据库对象同步工具

				
			

			

				

					05-27
				

			

		

		

			
				
分别为开源免费数据库同步工具OpenDBDiff 和 开源免费数据库同步工具SQL-DBDiff_V0.4 ，不记得之前是否有上传OpenDBDiff，但SQL-DBDiff跟其有兄弟之嫌。当然这里的同步仅仅针对数据库对象而非数据。
关于如何将数据库从高版本降至低版本，参考文http://blog.csdn.net/claro

			
		

	



              


  
              

                


	

		

			

				
					
开源数据同步中间件（Dbsyncer）简单玩一下 mysql to mysql 的增量，全量配置

					
最新发布

				
			

			

				

					KasarJ的博客
				

				

					09-13
					
					6615
					
				

			

		

		

			
				
Dbsyncer是一款开源的数据同步中间件，提供MySQL、Oracle、SqlServer、PostgreSQL、Elasticsearch(ES)、Kafka、File、SQL等同步场景，支持上传插件自定义同步转换业务，提供监控全量和增量数据统计图、应用性能预警等。

			
		

	





	

		

			

				
					
DATAX源码初探

				
			

			

				

					jibin6693923的博客
				

				

					09-14
					
					813
					
				

			

		

		

			
				
​DataX 是阿里开源的一个离线数据同步工具，目前在阿里巴巴集团内以及国内许多大厂都被广泛使用。DataX 实现了包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、HBase、TableStore(OTS)、MaxCompute(ODPS)、Hologres、DRDS 等各种异构数据源之间高效的数据同步功能。

			
		

	



		

			
		



	

		

			

				
					
开源数据库同步工具DBSyncer

				
			

			

				

					yinchoushi8780的博客
				

				

					05-28
					
					1810
					
				

			

		

		

			
				
postgresql同步数据到postgresql，增量定时同步设置的问题记录：使用以上sql语句查询是可以成功的。但是在配置页面配置 报错：OFFSET?错误: 语法错误 在 "1" 或附近的位置：118语法错误 在 “1” 或附近的，猜测可能是对于单引号无法进行正确的识别，目前还没有解决这个问题。想到了其他的替代办法，可以使用创建函数的方法，将这个计算定义为一个函数，不是很优雅，只能凑合使用了。在源数据库中创建一个函数，名为yesterday()。BEGINEND;问题解决！

			
		

	





	

		

			

				
					
开源数据同步工具DataX

				
			

			

				

					xuxingzhuang的博客
				

				

					01-17
					
					3965
					
				

			

		

		

			
				
1. DataX
1.1. 产品特性
DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各种异构数据源之间高效的数据同步功能。
官方提供的datax框架图：

最终把不同数据源和目标源组成的网状结构，变成了星型结构：

1.2. 支持场景
DataX目前已经有了比较全面的插件体系，主流的RDBMS数据库、N

			
		

	





	

		

			

				
					
推荐开源项目：SyncY - 数据同步利器

				
			

			

				

					gitblog_00031的博客
				

				

					03-28
					
					507
					
				

			

		

		

			
				
推荐开源项目：SyncY - 数据同步利器
去发现同类优质开源项目:https://gitcode.com/
项目简介
是一个轻量级的数据同步工具，它旨在帮助开发者和普通用户轻松实现本地与远程数据的一致性。无论是在开发环境中用于代码版本控制，还是在日常生活中管理云存储文件， SyncY 都能提供高效、可靠的解决方案。
技术分析
SyncY 基于 Python 开发，利用了 Git 的强大版本控制功...

			
		

	





	

		

			

				
					
各种开源数据库同步工具汇总

				
			

			

				

					花花世界芸芸众生的博客
				

				

					11-09
					
					2550
					
				

			

		

		

			
				
各种开源数据库同步工具汇总

			
		

	





	

		

			

				
					
DataX：阿里开源的高效数据同步工具

				
			

			

				

					
				

			

		

		

			
				
"DataX是一个由阿里巴巴开源的异构数据源离线同步工具，它支持多种数据源之间的数据迁移，如关系型数据库、HDFS、Hive、ODPS、HBase和FTP等。DataX采用Framework+plugin架构，将数据读取（Reader）和数据写入...

			
		

	





	

		

			

				
					
异构数据同步，阿里开源datax

				
			

			

				

					09-02
				

			

		

		

			
				
阿里开源的DataX正是这样一款强大的工具，它专注于解决异构数据源之间的数据同步问题，支持包括Oracle、PostgreSQL和MySQL在内的多种主流数据库。本文将详细介绍DataX的核心功能、工作原理以及如何配置和使用。  一...

			
		

	





	

		

			

				
					
开源免费数据库同步工具SQL-DBDiff_V0.4

				
			

			

				

					09-20
				

			

		

		

			
				
开源免费数据库同步工具SQL-DBDiff_V0.4
可用于两个数据库之间的比较，也可以做同步迁移用
全英文界面，配置选项比较多，适合英文还可以的朋友使用

			
		

	





	

		

			

				
					
DataX 是阿里云 DataWorks数据集成 的开源版本，在阿里巴巴集团内被广泛使用的离线数据同步工具/平台

				
			

			

				

					05-07
				

			

		

		

			
				
DataX 是阿里云 DataWorks数据集成 的开源版本，在阿里巴巴集团内被广泛使用的离线数据同步工具/平台。DataX 实现了包括 MySQL、Oracle、OceanBase、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、...

			
		

	





	

		

			

				
					
阿里开源ETL工具DATAX

				
			

			

				

					05-29
				

			

		

		

			
				
阿里开源的DATAX是一款强大的数据同步工具，主要应用于ETL（Extract-Transform-Load）过程，旨在解决大数据环境中的数据迁移问题。它以其高效、稳定和易用的特点，被广泛应用于阿里巴巴集团内部以及众多外部企业。  ...

			
		

	





	

		

			

				
					
国产开源流批统一的数据同步工具Chunjun入门实战

				
			

			

				

					itxiaoshen博客
				

				

					07-04
					
					2491
					
				

			

		

		

			
				
前面我们学习过SeaTunnel这个优秀数据集成平台，今天再来研究一个与之相似开源产品ChunJun，原名为FlinkX其比SeaTunnel开源更早，本篇从了解其概况和特性；然后通过源码编译的方式部署，暂时先通过简单的Local和Standalone两种提交任务方式，通过几个示例一步步演示如何通过Json和SQL两种配置方式实现批流模式，如从MySQL数据源Sink写入HDFS、从Kafka数据源并通过关联ClickHouse表数据转换并最后Sink写入MySQL的使用。

			
		

	





	

		

			

				
					
阿里开源数据同步工具--DataX

				
			

			

				

					yangbosos的博客
				

				

					04-11
					
					6322
					
				

			

		

		

			
				
下载 地址：QuickStart
DataX是异构数据源离线同步工具。能够将MySQL sqlServer Oracle Hive HBase FTP 之间进行稳定高效的数据同步。

设计思路：

网状连接-》 星型连接





目前支持哪些数据同步？：



核心架构：

推荐使用python 2.6 7 不要使用python 3,0

使用方法和案例：

1. 准备一个job....

			
		

	





	

		

			

				
					
推荐一个开源数据同步神器，支持多种数据源和预警功能！

				
			

			

				

					程序猿DD
				

				

					06-06
					
					1981
					
				

			

		

		

			
				
DBSyncer是一款开源的数据同步中间件，提供MySQL、Oracle、SqlServer、PostgreSQL、Elasticsearch(ES)、Kafka、File、SQL等同步场景。支持上传插件自定义同步转换业务，提供监控全量和增量数据统计图、应用性能预警等。特点：组合驱动，自定义库同步到库组合，关系型数据库与非关系型之间组合，任意搭配表同步映射关系实时监控，驱动全量或增量实时同步运行状...

			
		

	





	

		

			

				
					
开源免费跨平台数据同步工具-Syncthing

				
			

			

				

					蓝色的鱼的专栏
				

				

					11-29
					
					1639
					
				

			

		

		

			
				
Syncthing是一款开源免费跨平台的文件同步工具，是基于P2P技术实现设备间的文件同步，所以它的同步是去中心化的，即你并不需要一个服务器，故不需要担心这个中心的服务器给你带来的种种限制，而且类似于torrent协议，参与同步的设备越多，同步的速度越快。对于处于不同局域网之中的设备之间的文件同步，Syncthing也提供了支持。填写相关的【文件夹路径】、【文件夹ID】等，是否共享及版本控制。增加同步文件夹内容或者修改已同步的文件内容，测试是否同步。设备ID在导航栏中的【操作】中【显示ID】中。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值