小编给大家分享一下DataX工具有什么用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

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。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。

絮叨一句：异构数据源指，为了处理不同种类的业务，使用不同的数据库系统存储数据。

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和Writer插件，纳入到整个同步框架中。

Reader

Reader为数据采集模块，负责读取采集数据源的数据，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。

Framework

Framework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。

Job

DataX完成单个数据同步的作业，称为Job，DataX接受到一个Job之后，将启动一个进程来完成整个作业同步过程。Job模块是单个作业的中枢管理节点，承担了数据清理、子任务切分(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。

Split

DataXJob启动后，会根据不同的源端切分策略，将Job切分成多个小的Task(子任务)，以便于并发执行。Task便是DataX作业的最小单元，每一个Task都会负责一部分数据的同步工作。

Scheduler

切分多个Task之后，Job会调用Scheduler模块，根据配置的并发数据量，将拆分成的Task重新组合，组装成TaskGroup(任务组)。

TaskGroup

每一个TaskGroup负责以一定的并发运行完毕分配好的所有Task，默认单个任务组的并发数量为5。每一个Task都由TaskGroup负责启动，Task启动后，会固定启动Reader—>Channel—>Writer的线程来完成任务同步工作。DataX作业运行起来之后，Job监控并等待多个TaskGroup模块任务完成，等待所有TaskGroup任务完成后Job成功退出。否则，异常退出，进程退出值非0。

推荐Python2.6+，Jdk1.8+(脑补安装流程)。

#yum-yinstallwget#wgethttps://www.python.org/ftp/python/2.7.15/Python-2.7.15.tgz#tar-zxvfPython-2.7.15.tgz2、安装Python

#yuminstallgccopenssl-develbzip2-devel[root@ctvm01Python-2.7.15]#./configure--enable-optimizations#makealtinstall#python-V3、DataX安装

#pwd/opt/module#lldatax#cd/opt/module/datax/bin--测试环境是否正确#pythondatax.py/opt/module/datax/job/job.json三、同步任务1、同步表创建

--PostgreSQLCREATETABLEsync_user(idINTNOTNULL,user_nameVARCHAR(32)NOTNULL,user_ageint4NOTNULL,CONSTRAINT"sync_user_pkey"PRIMARYKEY("id"));CREATETABLEdata_user(idINTNOTNULL,user_nameVARCHAR(32)NOTNULL,user_ageint4NOTNULL,CONSTRAINT"sync_user_pkey"PRIMARYKEY("id"));2、编写任务脚本

[root@ctvm01job]#pwd/opt/module/datax/job[root@ctvm01job]#vimpostgresql_job.json3、脚本内容

{"job":{"setting":{"speed":{"channel":"3"}},"content":[{"reader":{"name":"postgresqlreader","parameter":{"username":"root01","password":"123456","column":["id","user_name","user_age"],"connection":[{"jdbcUrl":["jdbc:postgresql://192.168.72.131:5432/db_01"],"table":["data_user"]}]}},"writer":{"name":"postgresqlwriter","parameter":{"username":"root01","password":"123456","column":["id","user_name","user_age"],"connection":[{"jdbcUrl":"jdbc:postgresql://192.168.72.131:5432/db_01","table":["sync_user"]}],"postSql":[],"preSql":[]}}}]}}4、执行脚本

#/opt/module/datax/bin/datax.py/opt/module/datax/job/postgresql_job.json5、执行日志

2020-04-2318:25:33.404[job-0]INFOJobContainer-任务启动时刻:2020-04-2318:25:22任务结束时刻:2020-04-2318:25:33任务总计耗时:10s任务平均流量:1B/s记录写入速度:0rec/s读出记录总数:2读写失败总数:0四、源码流程分析

注意：这里源码只贴出核心流程，如果要看完整源码，可以自行从Git上下载。

核心入口：PostgresqlReader

启动读任务

publicstaticclassTaskextendsReader.Task{@OverridepublicvoidstartRead(RecordSenderrecordSender){intfetchSize=this.readerSliceConfig.getInt(com.alibaba.datax.plugin.rdbms.reader.Constant.FETCH_SIZE);this.commonRdbmsReaderSlave.startRead(this.readerSliceConfig,recordSender,super.getTaskPluginCollector(),fetchSize);}}

读取任务启动之后，执行读取数据操作。

核心类：CommonRdbmsReader

publicvoidstartRead(ConfigurationreaderSliceConfig,RecordSenderrecordSender,TaskPluginCollectortaskPluginCollector,intfetchSize){ResultSetrs=null;try{//数据读取rs=DBUtil.query(conn,querySql,fetchSize);queryPerfRecord.end();ResultSetMetaDatametaData=rs.getMetaData();columnNumber=metaData.getColumnCount();PerfRecordallResultPerfRecord=newPerfRecord(taskGroupId,taskId,PerfRecord.PHASE.RESULT_NEXT_ALL);allResultPerfRecord.start();longrsNextUsedTime=0;longlastTime=System.nanoTime();//数据传输至交换区while(rs.next()){rsNextUsedTime+=(System.nanoTime()-lastTime);this.transportOneRecord(recordSender,rs,metaData,columnNumber,mandatoryEncoding,taskPluginCollector);lastTime=System.nanoTime();}allResultPerfRecord.end(rsNextUsedTime);}catch(Exceptione){throwRdbmsException.asQueryException(this.dataBaseType,e,querySql,table,username);}finally{DBUtil.closeDBResources(null,conn);}}2、数据传输

核心接口：RecordSender(发送)

publicinterfaceRecordSender{publicRecordcreateRecord();publicvoidsendToWriter(Recordrecord);publicvoidflush();publicvoidterminate();publicvoidshutdown();}

核心接口：RecordReceiver(接收)

publicinterfaceRecordReceiver{publicRecordgetFromReader();publicvoidshutdown();}

核心类：BufferedRecordExchanger

classBufferedRecordExchangerimplementsRecordSender,RecordReceiver3、写入数据

核心入口：PostgresqlWriter

启动写任务

publicstaticclassTaskextendsWriter.Task{publicvoidstartWrite(RecordReceiverrecordReceiver){this.commonRdbmsWriterSlave.startWrite(recordReceiver,this.writerSliceConfig,super.getTaskPluginCollector());}}

写数据任务启动之后，执行数据写入操作。

核心类：CommonRdbmsWriter

publicvoidstartWriteWithConnection(RecordReceiverrecordReceiver,Connectionconnection){//写数据库的SQL语句calcWriteRecordSql();List<Record>writeBuffer=newArrayList<>(this.batchSize);intbufferBytes=0;try{Recordrecord;while((record=recordReceiver.getFromReader())!=null){writeBuffer.add(record);bufferBytes+=record.getMemorySize();if(writeBuffer.size()>=batchSize||bufferBytes>=batchByteSize){doBatchInsert(connection,writeBuffer);writeBuffer.clear();bufferBytes=0;}}if(!writeBuffer.isEmpty()){doBatchInsert(connection,writeBuffer);writeBuffer.clear();bufferBytes=0;}}catch(Exceptione){throwDataXException.asDataXException(DBUtilErrorCode.WRITE_DATA_ERROR,e);}finally{writeBuffer.clear();bufferBytes=0;DBUtil.closeDBResources(null,null,connection);}}

以上是“DataX工具有什么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！