大家好，我是不才陳某~
有個專案的資料量高達五千萬，但是因為報表那塊資料不太準確，業務庫和報表庫又是跨庫操作，所以並不能使用 SQL 來進行同步。當時的打算是透過 mysqldump 或者儲存的方式來進行同步，但是嘗試後發現這些方案都不切實際：
推薦Java工程師技術指南：https://github.com/chenjiabin...
關注公眾號：碼猿技術專欄，回覆關鍵詞：1111 獲取阿里內部Java效能調優手冊！
mysqldump：不僅備份需要時間，同步也需要時間，而且在備份的過程，可能還會有資料產出（也就是說同步等於沒同步）
儲存方式：這個效率太慢了，要是資料量少還好，我們使用這個方式的時候，三個小時才同步兩千條資料…
常見資料異構的幾款中介軟體的區別如下：
前面介紹過阿里的Canal：實戰！Spring Boot 整合 阿里開源中介軟體 Canal 實現資料增量同步！
今天介紹另外一款不錯的中介軟體：DataX
DataX 簡介
DataX 是阿里雲 DataWorks 資料整合 的開源版本，主要就是用於實現資料間的離線同步。 DataX 致力於實現包括關係型資料庫（MySQL、Oracle 等）、HDFS、Hive、ODPS、HBase、FTP 等 各種異構資料來源（即不同的資料庫） 間穩定高效的資料同步功能。
- 為了 解決異構資料來源同步問題，DataX 將複雜的網狀同步鏈路變成了星型資料鏈路 ，DataX 作為中間傳輸載體負責連線各種資料來源；
- 當需要接入一個新的資料來源時，只需要將此資料來源對接到 DataX，便能跟已有的資料來源作為無縫資料同步。
DataX3.0 框架設計
DataX 採用 Framework + Plugin 架構，將資料來源讀取和寫入抽象稱為 Reader/Writer 外掛，納入到整個同步框架中。
| 角色 | 作用 |
|---|---|
| Reader（採集模組） | 負責採集資料來源的資料，將資料傳送給 Framework。 |
| Writer（寫入模組） | 負責不斷向 Framework 中取資料，並將資料寫入到目的端。 |
| Framework（中間商） | 負責連線 Reader 和 Writer，作為兩者的資料傳輸通道，並處理緩衝，流控，併發，資料轉換等核心技術問題。 |
DataX3.0 核心架構
DataX 完成單個資料同步的作業，我們稱為 Job，DataX 接收到一個 Job 後，將啟動一個程式來完成整個作業同步過程。DataX Job 模組是單個作業的中樞管理節點，承擔了資料清理、子任務切分、TaskGroup 管理等功能。
- DataX Job 啟動後，會根據不同源端的切分策略，將 Job 切分成多個小的 Task (子任務)，以便於併發執行。
- 接著 DataX Job 會呼叫 Scheduler 模組，根據配置的併發數量，將拆分成的 Task 重新組合，組裝成 TaskGroup（任務組）
- 每一個 Task 都由 TaskGroup 負責啟動，Task 啟動後，會固定啟動 Reader
-->Channel-->Writer 執行緒來完成任務同步工作。 - DataX 作業執行啟動後，Job 會對 TaskGroup 進行監控操作，等待所有 TaskGroup 完成後，Job 便會成功退出（異常退出時 值非 0 ）
DataX 排程過程：
- 首先 DataX Job 模組會根據分庫分表切分成若干個 Task，然後根據使用者配置併發數，來計算需要分配多少個 TaskGroup；
- 計算過程：
Task / Channel = TaskGroup，最後由 TaskGroup 根據分配好的併發數來執行 Task（任務）
使用 DataX 實現資料同步
準備工作：
- JDK（1.8 以上，推薦 1.8）
- Python（2，3 版本都可以）
- Apache Maven 3.x（Compile DataX）（手動打包使用，使用
tar包方式不需要安裝）
| 主機名 | 作業系統 | IP 地址 | 軟體包 |
|---|---|---|---|
| MySQL-1 | CentOS 7.4 | 192.168.1.1 | jdk-8u181-linux-x64.tar.gz datax.tar.gz |
| MySQL-2 | CentOS 7.4 | 192.168.1.2 |
安裝 JDK：
下載地址：https://www.oracle.com/java/t...（需要建立 Oracle 賬號）
[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- 因為
CentOS 7上自帶Python 2.7的軟體包，所以不需要進行安裝。
Linux 上安裝 DataX 軟體
[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/*/._* # 需要刪除隱藏檔案 (重要)- 當未刪除時，可能會輸出：
[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 請檢查您的配置檔案.
驗證：
[root@MySQL-1 ~]# cd /usr/local/datax/bin
[root@MySQL-1 ~]# python datax.py ../job/job.json # 用來驗證是否安裝成功輸出：
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 -
任務啟動時刻 : 2021-12-13 19:26:18
任務結束時刻 : 2021-12-13 19:26:28
任務總計耗時 : 10s
任務平均流量 : 253.91KB/s
記錄寫入速度 : 10000rec/s
讀出記錄總數 : 100000
讀寫失敗總數 : 0DataX 基本使用
檢視 streamreader \--> streamwriter 的模板：
[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter輸出：
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": ""
}
}
}
}根據模板編寫 json 檔案
[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" # 列印數量
}
},
"writer": {
"name": "streamwriter",
"parameter": {
"encoding": "utf-8", # 編碼
"print": true
}
}
}
],
"setting": {
"speed": {
"channel": "2" # 併發 (即 sliceRecordCount * channel = 結果)
}
}
}
}輸出：（要是複製我上面的話，需要把 # 帶的內容去掉）
安裝 MySQL 資料庫
分別在兩臺主機上安裝：
[root@MySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel
[root@MySQL-1 ~]# systemctl start mariadb # 安裝 MariaDB 資料庫
[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): # 直接回車
OK, successfully used password, moving on...
Set root password? [Y/n] y # 配置 root 密碼
New password:
Re-enter new password:
Password updated successfully!
Reloading privilege tables..
... Success!
Remove anonymous users? [Y/n] y # 移除匿名使用者
... skipping.
Disallow root login remotely? [Y/n] n # 允許 root 遠端登入
... skipping.
Remove test database and access to it? [Y/n] y # 移除測試資料庫
... skipping.
Reload privilege tables now? [Y/n] y # 重新載入表
... Success!1）準備同步資料（要同步的兩臺主機都要有這個表）
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)
因為是使用 DataX 程式進行同步的，所以需要在雙方的資料庫上開放許可權：
grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;2）建立儲存過程：
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 ;
3）呼叫儲存過程（在資料來源配置，驗證同步使用)：
call test();透過 DataX 實 MySQL 資料同步
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", # 讀取端
"parameter": {
"column": [], # 需要同步的列 (* 表示所有的列)
"connection": [
{
"jdbcUrl": [], # 連線資訊
"table": [] # 連線表
}
],
"password": "", # 連線使用者
"username": "", # 連線密碼
"where": "" # 描述篩選條件
}
},
"writer": {
"name": "mysqlwriter", # 寫入端
"parameter": {
"column": [], # 需要同步的列
"connection": [
{
"jdbcUrl": "", # 連線資訊
"table": [] # 連線表
}
],
"password": "", # 連線密碼
"preSql": [], # 同步前. 要做的事
"session": [],
"username": "", # 連線使用者
"writeMode": "" # 操作型別
}
}
}
],
"setting": {
"speed": {
"channel": "" # 指定併發數
}
}
}
}2）編寫 json 檔案：
[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）驗證
[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py install.json輸出：
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 -
任務啟動時刻 : 2021-12-15 16:44:32
任務結束時刻 : 2021-12-15 16:45:15
任務總計耗時 : 42s
任務平均流量 : 2.57MB/s
記錄寫入速度 : 74999rec/s
讀出記錄總數 : 2999999
讀寫失敗總數 : 0你們可以在目的資料庫進行檢視，是否同步完成。
- 上面的方式相當於是完全同步，但是當資料量較大時，同步的時候被中斷，是件很痛苦的事情；
- 所以在有些情況下，增量同步還是蠻重要的。
使用 DataX 進行增量同步
使用 DataX 進行全量同步和增量同步的唯一區別就是：增量同步需要使用 where 進行條件篩選。 （即，同步篩選後的 SQL）
1）編寫 json 檔案：
[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（條件篩選） 和preSql（同步前，要做的事） 引數。
2）驗證：
[root@MySQL-1 ~]# python /usr/local/data/bin/data.py where.json輸出：
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 -
任務啟動時刻 : 2021-12-16 17:34:06
任務結束時刻 : 2021-12-16 17:34:38
任務總計耗時 : 32s
任務平均流量 : 1.61KB/s
記錄寫入速度 : 62rec/s
讀出記錄總數 : 1888
讀寫失敗總數 : 0目標資料庫上檢視：
3)基於上面資料，再次進行增量同步：
主要是 where 配置："where": "ID > 1888 AND ID <= 2888" # 透過條件篩選來進行增量同步
同時需要將我上面的 preSql 刪除(因為我上面做的操作時 truncate 表)