备注：我本地目录规划，统一放到文件夹：
- D:\java\Projects\sync-data\datax
- D:\java\Projects\sync-data\datax-web
一、安装DataX
(1) 安装python3（配置环境变量），但从github上下载的版本只支持python2.x版本，而现在python3.x正流行，这给我们带来不少麻烦。
datax 支持Python3需要修改替换datax/bin下面的三个python文件，替换文件地址：https://github.com/WeiYe-Jing/datax-web/tree/master/doc/datax-web/datax-python3
(2) 安装jdk8（配置环境变量）
(3) 安装 maven 3.x（配置环境变量）
(4) datax.tar.gz包下载并解压：http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
(5) datax源码下载：https://github.com/alibaba/DataX。(下载源码主要是因为某些源码需要自己修改，然后重新打包覆盖导datax，如下述的mysql版本不一致例子)
- ps1：自动下载依赖，如果
hitsdb-client报错，则将hitsdb-client依赖版本改为0.3.7即可 - ps2：因为我的项目用的是mysql8，所以需要将
mysqlReader、mysqlWriter服务的mysql的依赖改为8.0.17，默认是5.x - ps3：
datax-all服务执行clean-install - ps4：将
mysqlReader、mysqlWriter生成的target–>datax–>plugins复制到datax的bin同级的目录下，覆盖即可 - ps5：将“
datax\plugin\reader\mysqlreader\libs”、“datax\plugin\writer\mysqlwriter\libs”目录下的mysql5的包删除
二、使用DataX
(1) 打开cmd界面
(2) 进入datax的bin目录下
(3) 输入CHCP 65001 防止中文乱码
(4) 查看模板命令行：python datax.py -r streamreader -w streamwriter
(5) 执行脚本：python datax.py E:\datax\datax\datax\job\job.json
ps1：报错：提供的配置文件[D:\java\Projects\sync-data\datax\plugin\reader._cassandrareader\plugin.json]不存在. 请检查您的配置文件.
—>解决：删除datax\plugin\writer、datax\plugin\reader底下"._"开头文件
(6) 编写脚本，将脚本存放到datax\datax\job目录底下，然后执行后python datax.py datax\job\你的脚本.json运行
ps1：脚本格式信息可以去https://github.com/alibaba/DataX/查看
ps2：脚本基础参数说明（mysql、oracle）
{
"job": {
"setting": {
"speed": {
"channel": 并发数
}
},
"content": [
{
"reader": {
"name": "固定的名字",
"parameter": {
"username": "账号",
"password": "密码",
"column": [
"字段1",
"字段2",
"字段3"
ps:[*]表示所有列，但是不建议使用
],
"splitPk": "分片字段，丢给task，所以必须是整形。一般用主键即可（非必须）",
"connection": [
{
"table": [ "表"],
"jdbcUrl": [ "数据库连接地址"],
"querySql":["这里可以写查询数据的sql语句，但是如果这里写了，则不允许再配置table，否则会报错（非必须，table和querySql只能存在一个）"]
}
],
"where":"过滤条件"
}
},
"writer": {
"name": "固定的名字",
"parameter": {
"writeMode": "写入策略",
"username": "账户",
"password": "密码",
"column": [
"字段1",
"字段2",
"字段3"
],
"session": [
"DataX在获取Mysql连接时，执行session指定的SQL语句，修改当前connection session属性（非必须）"
],
"preSql": [
"写入数据到目的表前，会先执行这里的标准语句（非必须）"
],
"connection": [
{
"jdbcUrl": "数据库连接地址",
"table": [
"表"
]
}
]
}
}
}
]
}
}
ps3：将mysql的datax数据过滤后迁移到oracle实例
{
"job": {
"setting": {
"speed": {
"channel": 1
}
},
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"username": "root",
"password": "tiger",
"column": [
"id",
"name",
"time"
],
"splitPk": "id",
"connection": [
{
"table": [
"datax"
],
"jdbcUrl": [
"jdbc:mysql://127.0.0.1:3306/datax?useUnicode=true&characterEncoding=utf-8&allowMultiQueries=true&useSSL=false&serverTimezone=GMT%2b8"
]
}
],
"where":"id < 10"
}
},
"writer": {
"name": "oraclewriter",
"parameter": {
"username": "HYDROPOWER_JIANGXI",
"password": "ffcsict123",
"column": [
"id",
"name",
"time"
],
"preSql": [
"delete from datax"
],
"connection": [
{
"jdbcUrl": "jdbc:oracle:thin:@192.168.35.9:1521:orcl",
"table": [
"datax"
]
}
]
}
}
}
]
}
}
(7) 达梦数据库：因为数据库介绍没有dm数据库，所以只能使用“通用RDBMS(支持所有关系型数据库)”这种模式进行传输。
{
"job": {
"setting": {
"speed": {
"channel": 1
}
},
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"username": "root",
"password": "tiger",
"column": [
"id",
"name",
"time"
],
"splitPk": "id",
"connection": [
{
"table": [
"datax"
],
"jdbcUrl": [
"jdbc:mysql://127.0.0.1:3306/datax?useUnicode=true&characterEncoding=utf-8&allowMultiQueries=true&useSSL=false&serverTimezone=GMT%2b8"
]
}
],
"where":"id < 10"
}
},
"writer": {
"name": "rdbmswriter",
"parameter": {
"username": "AES",
"password": "ffcsict123",
"column": [
"id",
"name",
"time"
],
"preSql": [
"delete from datax"
],
"connection": [
{
"jdbcUrl": "jdbc:dm://127.0.0.1:5236/AES?zeroDateTimeBehavior=converToNull&useUnicode=true&characterEncoding=utf-8",
"table": [
"datax"
]
}
]
}
}
}
]
}
}
(8) 文件流：只能读取规则的二维表结构文件，并且只能读取本地文件及远程服务器的文件，只能调用api接口获取流
{
"setting": {},
"job": {
"setting": {
"speed": {
"channel": 2
}
},
"content": [
{
"reader": {
"name": "ftpreader",
"parameter": {
"protocol": "sftp",
"host": "192.168.248.11",
"port": 22,
"username": "root",
"password": "ffcsict123",
"path": [
"/root/datax/datax.txt","/root/datax/datax.csv"
],
"column": [
{
"index": 0,
"type": "string"
},
{
"index": 1,
"type": "string"
},
{
"index": 2,
"type": "string",
}
],
"encoding": "GBK",
"fieldDelimiter": ",",
"skipHeader": "true"
}
},
"writer": {
"name": "mysqlwriter",
"parameter": {
"writeMode": "insert",
"username": "root",
"password": "tiger",
"column": [
"id",
"name",
"time"
],
"session": [
"set session sql_mode='ANSI'"
],
"preSql": [
"delete from datax1"
],
"connection": [
{
"jdbcUrl": "jdbc:mysql://127.0.0.1:3306/datax?useUnicode=true&characterEncoding=utf-8&allowMultiQueries=true&useSSL=false&serverTimezone=GMT%2b8",
"table": [
"datax1"
]
}
]
}
}
}
]
}
}
三、安装datax-web
3.1 下载 data-web源码：https://github.com/WeiYe-Jing/datax-web
3.2 创建数据库：脚本文件路径–>datax-web\bin\db
3.3 修改datax-admin下配置文件resources/application.yml
修改数据源配置，目前仅支持mysql
#数据源
datasource:
username: root
password: root
url: jdbc:mysql://localhost:3306/datax_web?serverTimezone=Asia/Shanghai&useLegacyDatetimeCode=false&useSSL=false&nullNamePatternMatchesAll=true&useUnicode=true&characterEncoding=UTF-8
driver-class-name: com.mysql.jdbc.Driver
修改日志路径path
# 配置mybatis-plus打印slq日志
logging:
level:
com.wugui.datax.admin.mapper: error
path: ./data/applogs/admin
修改邮件发送配置(不需要可以不修改)
# datax-web email
mail:
host: smtp.qq.com
port: 25
username: xxx@qq.com
password: xxx
properties:
mail:
smtp:
auth: true
starttls:
enable: true
required: true
socketFactory:
class: javax.net.ssl.SSLSocketFactory
3.4 修改datax-executor下配置文件resources/application.yml
修改日志路径path
# log config logging: config: classpath:logback.xml path: ./data/applogs/executor/jobhandler
修改datax.job配置
datax:
job:
admin:
### datax-web admin address
addresses: http://127.0.0.1:8080
executor:
appname: datax-executor
ip:
port: 9999
### job log path
logpath: ./data/applogs/executor/jobhandler
### job log retention days
logretentiondays: 30
executor:
jsonpath: D:\java\Projects\sync-data\json
pypath: D:\java\Projects\sync-data\datax\bin\datax.py
- admin.addresses datax_admin部署地址，如调度中心集群部署存在多个地址则用逗号分隔，执行器将会使用该地址进行"执行器心跳注册"和"任务结果回调"；
- executor.appname 执行器AppName，每个执行器机器集群的唯一标示,执行器心跳注册分组依据；
- executor.ip 默认为空表示自动获取IP，多网卡时可手动设置指定IP，该IP不会绑定Host仅作为通讯实用；地址信息用于 "执行器注册" 和 "调度中心请求并触发任务"；
- executor.port 执行器Server端口号，默认端口为9999，单机部署多个执行器时，注意要配置不同执行器端口；
- executor.logpath 执行器运行日志文件存储磁盘路径,需要对该路径拥有读写权限;
- executor.logretentiondays 执行器日志文件保存天数,过期日志自动清理, 限制值大于等于3时生效; 否则, 如-1, 关闭自动清理功能；
- executor.jsonpath datax json临时文件保存路径
- pypath DataX启动脚本地址，例如：xxx/datax/bin/datax.py
如果系统配置DataX环境变量（DATAX_HOME）logpath、jsonpath、pypath可不配，log文件和临时json存放在环境变量路径下。
四、启动项目
(1) 本地idea开发环境
- 运行datax-admin下 DataXAdminApplication
- 运行datax-executor下 DataXExecutorApplication
admin启动成功后日志会输出三个地址，两个接口文档地址，一个前端页面地址
(2) Linux环境部署
- 1.本地安装好maven环境，安装此处细节忽略
- 2.执行mvn package -Dmaven.test.skip=true
- 3.打包成功后分别将datax-admin、datax-executor模块target下datax-admin-2.1.1.jar、datax-executor-2.1.1.jar放到指定目录
- 4.分别启动datax-admin-1.0.0.jar、datax-executor-1.0.0.jar
- 5.启动命令demo：
nohup java -Xmx1024M -Xms1024M -Xmn448M -XX:MaxMetaspaceSize=192M -XX:MetaspaceSize=192M -jar datax-admin-2.1.1.jar& nohup java -Xmx1024M -Xms1024M -Xmn448M -XX:MaxMetaspaceSize=192M -XX:MetaspaceSize=192M -jar datax-executor-2.1.1.jar&
五、启动成功
启动成功后打开页面（默认管理员用户名：admin 密码：123456），http://localhost:8080/index.html#/dashboard
六、集群部署
调度中心、执行器支持集群部署，提升调度系统容灾和可用性。
- 1.调度中心集群：
DB配置保持一致；
集群机器时钟保持一致（单机集群忽视）； - 2.执行器集群:
执行器回调地址(admin.addresses）需要保持一致；执行器根据该配置进行执行器自动注册等操作。
同一个执行器集群内AppName（executor.appname）需要保持一致；调度中心根据该配置动态发现不同集群的在线执行器列表。
参考：