如何上手DataX

介绍

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。

最好的学习和使用的文档地址 https://github.com/alibaba/DataX

已支持功能

类型	数据源	Reader(读)	Writer(写)	文档
RDBMS 关系型数据库	MySQL	√	√	读 、写
	Oracle	√	√	读 、写
	SQLServer	√	√	读 、写
	PostgreSQL	√	√	读 、写
	DRDS	√	√	读 、写
	通用RDBMS(支持所有关系型数据库)	√	√	读 、写
阿里云数仓数据存储	ODPS	√	√	读 、写
	ADS		√	写
	OSS	√	√	读 、写
	OCS	√	√	读 、写
NoSQL数据存储	OTS	√	√	读 、写
	Hbase0.94	√	√	读 、写
	Hbase1.1	√	√	读 、写
	Phoenix4.x	√	√	读 、写
	Phoenix5.x	√	√	读 、写
	MongoDB	√	√	读 、写
	Hive	√	√	读 、写
	Cassandra	√	√	读 、写
无结构化数据存储	TxtFile	√	√	读 、写
	FTP	√	√	读 、写
	HDFS	√	√	读 、写
	Elasticsearch		√	写
时间序列数据库	OpenTSDB	√		读
	TSDB	√	√	读 、写

环境准备

• 熟悉常见的maven命令和具备maven环境(此步骤是在官网安装包没有我们所需插件的前提下)
• 具备python2环境(如果你是python3，将bin目录下的这三个脚本替换掉)

具体操作

• 首先到官网进行下载安装包

• 检测安装包中的plugin中的writer和reader是否有我们需要的

  • 如果有，那么可以进入到job目录直接修改配置文件了
  • 如果没有，那么需要到官网将源码下载下来，然后找到pom.xml中的writer和reader注释位置，保留你需要的writer和reader的module，讲其他的writer和reader中对应的module注释掉即可
    • 注释完成后，在pom.xml的同级目录下使用mvn package命令进行编译打包
    • 编译打包完成后，进入到target目录下的datax目录下，在看plugin中的writer和reader已经出现了我们需要的writer和reader

当然你也可以不修改pom.xml中的module，将下载下来的源码直接进行编译打包，那么最终会包含datax所有的writer和reader(此包比较大)

如何配置

• 修改datax解压目录下的job中的配置文件

• 至于配置这里不再详述，上述表格中的 读 和 写 对应的链接中的demo配置选项已经写得非常详细了

如何运行

• 进入到datax的bin目录下执行命令python datax.py {YOUR_JOB.json}

例如：csv导入到MySQL配置文件

{
    "setting": {},
    "job": {
        "setting": {
            "speed": {
                "channel": 5
            },
            "errorLimit": {
                "record": 0,
                "percentage": 0.02
            }
        },
        "content": [
            {
                "reader": {
                    "name": "txtfilereader",
                    "parameter": {
                        "path": ["E:\test.csv"],
                        "encoding": "UTF-8",
                        "fieldDelimiter": ",",
						            "skipHeader": "true",
                        "nullFormat": "",
                        "column": [
                            {
                                "index": 0,
                                "type": "string"
                            },
                            {
                                "index": 1,
                                "type": "string"
                            },
                            {
                                "index": 2,
                                "type": "string"
                            },
                            {
                                "index": 3,
                                "type": "long"
                            },
                            {
                                "index": 4,
                                "type": "string"
                            },
                            {
                                "index": 5,
                                "type": "date"
                            },
                            {
                                "index": 6,
                                "type": "date"
                            },
                            {
                                "index": 7,
                                "type": "string"
                            },
                            {
                                "index": 8,
                                "type": "string"
                            },
                            {
                                "index": 9,
                                "type": "string"
                            },
                            {
                                "index": 10,
                                "type": "date"
                            },
                            {
                                "index": 11,
                                "type": "string"
                            },
                            {
                                "index": 12,
                                "type": "date"
                            },
                            {
                                "index": 13,
                                "type": "string"
                            },
                            {
                                "index": 14,
                                "type": "date"
                            }
                        ]
                    }
                },
                "writer": {
                    "name": "mysqlwriter",
                    "parameter": {
                        "writeMode": "insert",
                        "username": "root",
                        "password": "123456",
                        "print": "False",
                        "column": [
                            "XH",
                            "YF",
                            "JYJLS",
                            "DATA_UNID",
                            "DATA_UUID",
                            "DATA_CDATE",
                            "DATA_UDATE",
                            "BASEID",
                            "DATA_BAT",
                            "DATA_STATE",
                            "IMPTIME",
                            "COMRESULT",
                            "COMTIME",
                            "CLERESULT",
                            "CLETIME"
                        ],
                        "connection": [
                            {
                                "jdbcUrl": "jdbc:mysql://localhost:3306/datax?useUnicode=true&characterEncoding=utf-8",
                                "table": [
                                    "JTJ_WYCYDDQK"
                                ]
                            }
                        ],
                    }
                }
            }
        ]
    }
}