![](https://news.xinpengboligang.com/upload/keji/cf65fe41737a0c47188f185d76d0db69.jpeg)
有個項目的數據量高達五千萬,但是因為報表那塊數據不太準確,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。當時的打算是通過 mysqldump 或者存儲的方式來進行同步,但是嘗試後發現這些方案都不切實際:
mysqldump:不僅備份需要時間,同步也需要時間,而且在備份的過程,可能還會有數據產出(也就是說同步等於沒同步)
存儲方式:這個效率太慢了,要是數據量少還好,我們使用這個方式的時候,三個小時才同步兩千條數據…
常見數據異構的幾款中間件的區別如下:
![](https://news.xinpengboligang.com/upload/keji/971dc71fc0f2e60c6c8a665db6480fc8.jpeg)
今天介紹一款不錯的中間件:DataX
DataX 簡介
DataX(https://github.com/alibaba/DataX) 是阿裡雲 DataWorks 數據集成 的開源版本,主要就是用於實現數據間的離線同步。 DataX 致力於實現包括關系型數據庫(MySQL、Oracle 等)、HDFS、Hive、ODPS、HBase、FTP 等 各種異構數據源(即不同的數據庫) 間穩定高效的數據同步功能。
![](https://news.xinpengboligang.com/upload/keji/f5795c9e45713ead4a9ee92bcaaa9f7f.jpeg)
為了 解決異構數據源同步問題,DataX 將復雜的網狀同步鏈路變成了星型數據鏈路 ,DataX 作為中間傳輸載體負責連接各種數據源;
- 當需要接入一個新的數據源時,隻需要將此數據源對接到 DataX,便能跟已有的數據源作為無縫數據同步。
DataX3.0 框架設計
DataX 采用 Framework Plugin 架構,將數據源讀取和寫入抽象稱為 Reader/Writer 插件,納入到整個同步框架中。
![](https://news.xinpengboligang.com/upload/keji/cdb080265f0330fface08fff1b0082a2.jpeg)
角色作用Reader(采集模塊)負責采集數據源的數據,將數據發送給 Framework。Writer(寫入模塊)負責不斷向 Framework 中取數據,並將數據寫入到目的端。Framework(中間商)負責連接 Reader 和 Writer,作為兩者的數據傳輸通道,並處理緩沖,流控,並發,數據轉換等核心技術問題。
DataX3.0 核心架構
DataX 完成單個數據同步的作業,我們稱為 Job,DataX 接收到一個 Job 後,將啟動一個進程來完成整個作業同步過程。關註公眾號:碼猿技術專欄,回復關鍵詞:1111 獲取阿裡內部Java性能調優手冊!DataX Job 模塊是單個作業的中樞管理節點,承擔了數據清理、子任務切分、TaskGroup 管理等功能。
![](https://news.xinpengboligang.com/upload/keji/8910f8ba8c2e1d3915b0b339450358a5.jpeg)
- 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),以便於並發執行。
- 接著 DataX Job 會調用 Scheduler 模塊,根據配置的並發數量,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 線程來完成任務同步工作。
- DataX 作業運行啟動後,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 調度過程:
- 首先 DataX Job 模塊會根據分庫分表切分成若幹個 Task,然後根據用戶配置並發數,來計算需要分配多少個 TaskGroup;
- 計算過程:Task / Channel = TaskGroup,最後由 TaskGroup 根據分配好的並發數來運行 Task(任務)
使用 DataX 實現數據同步
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)
主機名操作系統IP 地址軟件包MySQL-1CentOS 7.4192.168.1.1jdk-8u181-linux-x64.tar.gz datax.tar.gzMySQL-2CentOS 7.4192.168.1.2
安裝 JDK:
下載地址:https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html(需要創建 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 的軟件包,所以不需要進行安裝。
Linux 上安裝 DataX 軟件
[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/*/._* # 需要刪除隱藏文件 (重要)
- 當未刪除時,可能會輸出:[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 請檢查您的配置文件.
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 : 0
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
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 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":"河北彭於晏"
},
],
"sliceRecordCount": "3" # 打印數量
}
},
"writer": {
"name": "streamwriter",
"parameter": {
"encoding": "utf-8", # 編碼
"print": true
}
}
}
],
"setting": {
"speed": {
"channel": "2" # 並發 (即 sliceRecordCount * channel = 結果)
}
}
}
}
輸出:(要是復制我上面的話,需要把 # 帶的內容去掉)
![](https://news.xinpengboligang.com/upload/keji/6de6d5d75b4c804e35a9fc061c474756.jpeg)
安裝 MySQL 數據庫
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 數據庫
[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 # 移除匿名用戶
... skipping.
Disallow root login remotely? [Y/n] n # 允許 root 遠程登錄
... skipping.
Remove test database and access to it? [Y/n] y # 移除測試數據庫
... skipping.
Reload privilege tables now? [Y/n] y # 重新加載表
... Success!
1)準備同步數據(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)
![](https://news.xinpengboligang.com/upload/keji/af97fb145c324664922a02e82ffbb1fc.jpeg)
因為是使用 DataX 程序進行同步的,所以需要在雙方的數據庫上開放權限:
grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;
2)創建存儲過程:
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 ;
![](https://news.xinpengboligang.com/upload/keji/edd5c25a6dde310dc8edc5cb47d66d47.jpeg)
3)調用存儲過程(在數據源配置,驗證同步使用):
call test();
通過 DataX 實 MySQL 數據同步
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": [], # 連接信息
"table": [] # 連接表
}
],
"password": "", # 連接用戶
"username": "", # 連接密碼
"where": "" # 描述篩選條件
}
},
"writer": {
"name": "mysqlwriter", # 寫入端
"parameter": {
"column": [], # 需要同步的列
"connection": [
{
"jdbcUrl": "", # 連接信息
"table": [] # 連接表
}
],
"password": "", # 連接密碼
"preSql": [], # 同步前. 要做的事
"session": [],
"username": "", # 連接用戶
"writeMode": "" # 操作類型
}
}
}
],
"setting": {
"speed": {
"channel": "" # 指定並發數
}
}
}
}
2)編寫 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)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
你們可以在目的數據庫進行查看,是否同步完成。
![](https://news.xinpengboligang.com/upload/keji/154b88cf4f1ca94250376bf82be262c4.jpeg)
- 上面的方式相當於是完全同步,但是當數據量較大時,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。 關註公眾號:碼猿技術專欄,回復關鍵詞:1111 獲取阿裡內部Java性能調優手冊!(即,同步篩選後的 SQL)
1)編寫 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"
}
}
}
}
- 需要註意的部分就是:where(條件篩選) 和 preSql(同步前,要做的事) 參數。
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
目標數據庫上查看:
![](https://news.xinpengboligang.com/upload/keji/a12b7d94b4f802764846a404986f1b24.jpeg)
3)基於上面數據,再次進行增量同步:
主要是 where 配置:"where": "ID > 1888 AND ID <= 2888" # 通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)
![](https://news.xinpengboligang.com/upload/keji/76bf5d9ef61d9794ba52d0e68ce34089.jpeg)