DataXWeb基于DataX,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
- 任务调度
- 运行监控
- 模板引擎
- 实时日志
- 多类型数据库支持
- 定时任务(全量|增量)
- 报警设置
- 邮件配置
- 用户管理
- 权限管理
- 使用文档说明
- 数据库sql执行
- 统计分析及报表
- 智能AI
- Http Server
- 单机多线程运行
- 单机多进程运行
- 分布式运行
- 混合模式运行(Yarn+多进程模式运行)
- 自动伸缩运行
- 负载均衡及任务锁机制
- Mysql数据库存放应用数据
- 网页端修改并持久化job配置的json到数据库
- 网页端实时查看抽取日志,类似Jenkins的日志控制台输出功能
- job运行记录展示,页面操作停止datax作业(开发中)
- 网页端各种读写插件模板生成,可以在页面组装使用
- 实现部分写插件支持自动建表功能
- 启动 gunicorn -b 0.0.0.0:5001 -D run:app
admin/ [name='index']
admin/ login/ [name='login']
admin/ logout/ [name='logout']
admin/ password_change/ [name='password_change']
admin/ password_change/done/ [name='password_change_done']
admin/ jsi18n/ [name='jsi18n']
admin/ r/<int:content_type_id>/<path:object_id>/ [name='view_on_site']
admin/ auth/group/
admin/ backend/dataxuserprofile/
admin/ backend/dataxconfig/
admin/ backend/dataxnav/
admin/ admin/logentry/
admin/ backend/dataxjobscheduler/
admin/ backend/dataxtask/
admin/ ^(?P<app_label>auth|backend|admin)/$ [name='app_list']
增量同步实现
实现增量同步需要在表中增加一个时间戳字段,如update_time,在同步配置文件中,通过where条件,根据时间戳字段筛选当前时间向前一段时间内的增量数据。
json文件中,${start_time}和${end_time}为调用datax.py时传入的参数
datax/bin/datax.py ../../mysql2mysql.json -p "-Dstart_time=1546337137 -Dend_time=1546337237"
{
"job": {
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"column": [
"doc_id","title","file_path","approval_id","page_count","version"
],
"connection": [
{
"jdbcUrl": ["jdbc:mysql://192.168.81.1:3306/bootdo?useUnicode=true&characterEncoding=utf8"],
"table": ["es_approval_doc"]
}
],
"password": "123456",
"username": "root",
"where": "version > FROM_UNIXTIME(${start_time}) and version < FROM_UNIXTIME(${end_time})",
}
},
"writer": {
"name": "mysqlwriter",
"parameter": {
"column": [
"doc_id","title","file_path","approval_id","page_count","version"
],
"writeMode":"update",
"connection": [
{
"jdbcUrl": "jdbc:mysql://192.168.81.1:3306/bootdo?useUnicode=true&characterEncoding=utf8",
"table": ["es_approval_doc_copy"]
}
],
"password": "123456",
"username": "root"
}
}
}
],
"setting": {
"speed": {
"channel": "1"
}
}
}
}
定时同步实现
定时同步可以采用操作系统的定时任务+shell脚本实现。以下为在linux系统中的方案:
1、编写shell脚本,命名为syntask.sh:
#!/bin/bash
# source /etc/profile
# 截至时间设置为当前时间戳
end_time=$(date +%s)
# 开始时间设置为120s前时间戳
start_time=$(($end_time - 120))
# datax/bin/datax.py ../../mysql2mysql.json -p "-Dstart_time=$start_time -Dend_time=$end_time"
这里通过脚本获取用于筛选条件中的开始时间start_time和结束时间end_time,将两个时间作为参数传给datax.py。
2、在crontab中,添加任务计划:
$crontab -e
* */1 * * * /syntask.sh
DataX不适合实时数据同步或太频繁的定时同步,因为同步都需要去读取源表,频率过大对源表会造成压力。
此外,最好每次增量同步的时间段比定时任务时间间隔大一些,以保证所有时间产生的数据都被覆盖到。
异常情况下的补救措施:
如果某段时间内由于服务器、操作系统、网络等原因造成某个时间段内数据没有正常同步,那么可以通过手动执行同步的方式进行补救,执行同步时,将筛选的时间段加大大覆盖异常发生的整个时间段。
多表同步实现
通常我们的业务系统存在有多个表,表之间有外键关系。为实现多表的数据同步,我们需要理清外键依赖关系,为每个表分别编写json同步配置文件,并按外键依赖关系逐个调用datax.py。
如对于主表es_approval和子表es_approval_doc,可以对应写两个json配置文件:mysql2mysql-approval.json和mysql2mysql-approval-doc.json,在syntask.sh中先调用主表配置文件,再调用子表配置文件。
#!/bin/bash
source /etc/profile
# 截至时间设置为当前时间戳
end_time=$(date +%s)
# 开始时间设置为120s前时间戳
start_time=$(($end_time - 3600))
/datax/bin/datax.py /mysql2mysql-approval.json -p "-Dstart_time=$start_time -Dend_time=$end_time"
/datax/bin/datax.py /mysql2mysql-approval-doc.json -p "-Dstart_time=$start_time -Dend_time=$end_time"
多级多路同步
要实现多级同步,可以在每两级之间搭建一个datax实例实现这两级之间的数据同步。
要实现多路同步,可以为同一个表编写多个配置文件,向多个目标库同步。