漯河网站建设 千弘网络,wordpress教学,泉州做网站联系方式,网站论坛做斑竹相关文章
【数仓】基本概念、知识普及、核心技术【数仓】数据分层概念以及相关逻辑【数仓】Hadoop软件安装及使用#xff08;集群配置#xff09;【数仓】Hadoop集群配置常用参数说明【数仓】zookeeper软件安装及集群配置【数仓】kafka软件安装及集群配置【数仓】flume软件安…相关文章
【数仓】基本概念、知识普及、核心技术【数仓】数据分层概念以及相关逻辑【数仓】Hadoop软件安装及使用集群配置【数仓】Hadoop集群配置常用参数说明【数仓】zookeeper软件安装及集群配置【数仓】kafka软件安装及集群配置【数仓】flume软件安装及配置【数仓】flume常见配置总结以及示例【数仓】Maxwell软件安装及配置采集mysql数据【数仓】通过Flumekafka采集日志数据存储到Hadoop
一、DataX 3.0概览
DataX 是一个异构数据源离线同步工具致力于实现包括关系型数据库(MySQL、Oracle等)、HDFS、Hive、ODPS、HBase、FTP等各种异构数据源之间稳定高效的数据同步功能。 设计理念
为了解决异构数据源同步问题DataX将复杂的网状的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的时候只需要将此数据源对接到DataX便能跟已有的数据源做到无缝数据同步。
当前使用现状
DataX在阿里巴巴集团内被广泛使用承担了所有大数据的离线同步业务并已持续稳定运行了6年之久。目前每天完成同步8w多道作业每日传输数据量超过300TB。
Github主页地址https://github.com/alibaba/DataX
二、DataX3.0框架设计
DataX本身作为离线数据同步框架采用Framework plugin架构构建。将数据源读取和写入抽象成为Reader/Writer插件纳入到整个同步框架中。 ReaderReader为数据采集模块负责采集数据源的数据将数据发送给Framework。Writer Writer为数据写入模块负责不断向Framework取数据并将数据写入到目的端。FrameworkFramework用于连接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。
参考官方介绍
三、环境准备
准备1台虚拟机
Hadoop131192.168.56.131
本例系统版本 CentOS-7.8已安装jdk1.8
关闭防火墙
systemctl stop firewalld四、DataX安装配置
1、DataX下载安装
# 下载解压
wget --no-check-certificate https://datax-opensource.oss-cn-hangzhou.aliyuncs.com/202308/datax.tar.gz
tar -xzvf datax.tar.gz
mv datax /data/datax/2、执行验证脚本
# 进入安装目录
cd /data/datax# 执行验证脚本
python bin/datax.py job/job.json 执行完成后大致输出如下结果
任务启动时刻 : 2024-03-10 00:46:57
任务结束时刻 : 2024-03-10 00:47:07
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安装很简单至此安装成功
五、示例从mysql同步到hdfs
1、编写job文件
输入以下命令会生成模板文件然后再修改
python bin/datax.py -r mysqlreader -w hdfswriter创建文件 job/mysql2hdfs02.json详细内容如下 该配置文件定义了从一个 MySQL 数据库读取数据并将这些数据写入到 HDFS 的过程。 {job: {content: [{reader: {name: mysqlreader, parameter: {column: [id,name,msg,create_time,status,last_login_time], connection: [{jdbcUrl: [jdbc:mysql://192.168.56.1:3306/user?characterEncodingUTF-8useUnicodetrueuseSSLfalsetinyInt1isBitfalseallowPublicKeyRetrievaltrueserverTimezoneAsia/Shanghai], table: [t_user]}], password: password, username: test, where: id3}}, writer: {name: hdfswriter, parameter: {column: [{name:id,type:bigint},{name:name,type:string},{name:msg,type:string},{name:create_time,type:date},{name:status,type:string},{name:last_login_time,type:date}], compress: gzip, defaultFS: hdfs://hadoop131:9000, fieldDelimiter: \t, fileName: mysql2hdfs01, fileType: text, path: /mysql2hdfs, writeMode: append}}}], setting: {speed: {channel: 1}}}
}2、执行任务
python bin/datax.py job/mysql2hdfs02.json执行结果如下
任务启动时刻 : 2024-03-10 02:30:46
任务结束时刻 : 2024-03-10 02:30:57
任务总计耗时 : 11s
任务平均流量 : 12B/s
记录写入速度 : 0rec/s
读出记录总数 : 4
读写失败总数 : 03、打开Hadoop查看数据已经成功同步 参考
https://github.com/alibaba/DataX/blob/master/userGuid.md
