大家好，我是不才陈某~
有个我的项目的数据量高达五千万，然而因为报表那块数据不太精确，业务库和报表库又是跨库操作，所以并不能应用 SQL 来进行同步。过后的打算是通过 mysqldump 或者存储的形式来进行同步，然而尝试后发现这些计划都不切实际：
举荐 Java 工程师技术指南：https://github.com/chenjiabin…
关注公众号：码猿技术专栏，回复关键词：1111 获取阿里外部 Java 性能调优手册！
mysqldump：不仅备份须要工夫，同步也须要工夫，而且在备份的过程，可能还会有数据产出（也就是说同步等于没同步）
存储形式：这个效率太慢了，要是数据量少还好，咱们应用这个形式的时候，三个小时才同步两千条数据…
常见数据异构的几款中间件的区别如下：
后面介绍过阿里的 Canal：实战！Spring Boot 整合 阿里开源中间件 Canal 实现数据增量同步！
明天介绍另外一款不错的中间件：DataX
DataX 简介
DataX 是阿里云 DataWorks 数据集成 的开源版本，次要就是用于实现数据间的离线同步。 DataX 致力于实现包含关系型数据库（MySQL、Oracle 等）、HDFS、Hive、ODPS、HBase、FTP 等 各种异构数据源（即不同的数据库） 间稳固高效的数据同步性能。
- 为了 解决异构数据源同步问题，DataX 将简单的网状同步链路变成了星型数据链路，DataX 作为两头传输载体负责连贯各种数据源；
- 当须要接入一个新的数据源时，只须要将此数据源对接到 DataX，便能跟已有的数据源作为无缝数据同步。
DataX3.0 框架设计
DataX 采纳 Framework + Plugin 架构，将数据源读取和写入形象称为 Reader/Writer 插件，纳入到整个同步框架中。
| 角色 | 作用 |
|---|---|
| Reader（采集模块） | 负责采集数据源的数据，将数据发送给 Framework。 |
| Writer（写入模块） | 负责一直向 Framework 中取数据，并将数据写入到目标端。 |
| Framework（中间商） | 负责连贯 Reader 和 Writer，作为两者的数据传输通道，并解决缓冲，流控，并发，数据转换等核心技术问题。 |
DataX3.0 外围架构
DataX 实现单个数据同步的作业，咱们称为 Job，DataX 接管到一个 Job 后，将启动一个过程来实现整个作业同步过程。DataX Job 模块是单个作业的中枢治理节点，承当了数据清理、子工作切分、TaskGroup 治理等性能。
- DataX Job 启动后，会依据不同源端的切分策略，将 Job 切分成多个小的 Task (子工作)，以便于并发执行。
- 接着 DataX Job 会调用 Scheduler 模块，依据配置的并发数量，将拆分成的 Task 重新组合，组装成 TaskGroup（工作组）
- 每一个 Task 都由 TaskGroup 负责启动，Task 启动后，会固定启动 Reader
-->Channel-->Writer 线程来实现工作同步工作。 - DataX 作业运行启动后，Job 会对 TaskGroup 进行监控操作，期待所有 TaskGroup 实现后，Job 便会胜利退出（异样退出时 值非 0）
DataX 调度过程：
- 首先 DataX Job 模块会依据分库分表切分成若干个 Task，而后依据用户配置并发数，来计算须要调配多少个 TaskGroup；
- 计算过程：
Task / Channel = TaskGroup，最初由 TaskGroup 依据调配好的并发数来运行 Task（工作）
应用 DataX 实现数据同步
筹备工作：
- JDK（1.8 以上，举荐 1.8）
- Python（2，3 版本都能够）
- Apache Maven 3.x（Compile DataX）（手动打包应用，应用
tar包形式不须要装置）
| 主机名 | 操作系统 | IP 地址 | 软件包 |
|---|---|---|---|
| MySQL-1 | CentOS 7.4 | 192.168.1.1 | jdk-8u181-linux-x64.tar.gz datax.tar.gz |
| MySQL-2 | CentOS 7.4 | 192.168.1.2 |
装置 JDK：
下载地址：https://www.oracle.com/java/t…（须要创立 Oracle 账号）
[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- 因为
CentOS 7上自带Python 2.7的软件包，所以不须要进行装置。
Linux 上装置 DataX 软件
[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/*/._* # 须要删除暗藏文件 (重要)- 当未删除时，可能会输入：
[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 请查看您的配置文件.
验证：
[root@MySQL-1 ~]# cd /usr/local/datax/bin
[root@MySQL-1 ~]# python datax.py ../job/job.json # 用来验证是否装置胜利输入：
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 -
工作启动时刻 : 2021-12-13 19:26:18
工作完结时刻 : 2021-12-13 19:26:28
工作总计耗时 : 10s
工作均匀流量 : 253.91KB/s
记录写入速度 : 10000rec/s
读出记录总数 : 100000
读写失败总数 : 0DataX 根本应用
查看 streamreader \--> streamwriter 的模板：
[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter输入：
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": ""}
}
}
}依据模板编写 json 文件
[root@MySQL-1 ~]# cat <<END > test.json
{
"job": {
"content": [
{
"reader": {
"name": "streamreader",
"parameter": {"column": [ # 同步的列名 (* 示意所有)
{
"type":"string",
"value":"Hello."
},
{
"type":"string",
"value":"河北彭于晏"
},
],
"sliceRecordCount": "3" # 打印数量
}
},
"writer": {
"name": "streamwriter",
"parameter": {
"encoding": "utf-8", # 编码
"print": true
}
}
}
],
"setting": {
"speed": {"channel": "2" # 并发 (即 sliceRecordCount * channel = 后果)
}
}
}
}输入：（要是复制我下面的话，须要把 # 带的内容去掉）
装置 MySQL 数据库
别离在两台主机上安装：
[root@MySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel
[root@MySQL-1 ~]# systemctl start mariadb # 装置 MariaDB 数据库
[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): # 间接回车
OK, successfully used password, moving on...
Set root password? [Y/n] y # 配置 root 明码
New password:
Re-enter new password:
Password updated successfully!
Reloading privilege tables..
... Success!
Remove anonymous users? [Y/n] y # 移除匿名用户
... skipping.
Disallow root login remotely? [Y/n] n # 容许 root 近程登录
... skipping.
Remove test database and access to it? [Y/n] y # 移除测试数据库
... skipping.
Reload privilege tables now? [Y/n] y # 从新加载表
... Success!1）筹备同步数据（要同步的两台主机都要有这个表）
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)因为是应用 DataX 程序进行同步的，所以须要在单方的数据库上凋谢权限：
grant all privileges on *.* to root@'%' identified by '123123';
flush privileges;2）创立存储过程：
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 ;3）调用存储过程（在数据源配置，验证同步应用)：
call test();通过 DataX 实 MySQL 数据同步
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", # 读取端
"parameter": {"column": [], # 须要同步的列 (* 示意所有的列)
"connection": [
{"jdbcUrl": [], # 连贯信息
"table": [] # 连贯表}
],
"password": "", # 连贯用户"username":"", # 连贯明码
"where": "" # 形容筛选条件
}
},
"writer": {
"name": "mysqlwriter", # 写入端
"parameter": {"column": [], # 须要同步的列
"connection": [
{"jdbcUrl": "", # 连贯信息"table": [] # 连贯表
}
],
"password": "", # 连贯明码"preSql": [], # 同步前. 要做的事"session": [],"username":"", # 连贯用户
"writeMode": "" # 操作类型
}
}
}
],
"setting": {
"speed": {"channel": "" # 指定并发数}
}
}
}2）编写 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）验证
[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py install.json输入：
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 -
工作启动时刻 : 2021-12-15 16:44:32
工作完结时刻 : 2021-12-15 16:45:15
工作总计耗时 : 42s
工作均匀流量 : 2.57MB/s
记录写入速度 : 74999rec/s
读出记录总数 : 2999999
读写失败总数 : 0你们能够在目标数据库进行查看，是否同步实现。
- 下面的形式相当于是齐全同步，然而当数据量较大时，同步的时候被中断，是件很苦楚的事件；
- 所以在有些状况下，增量同步还是蛮重要的。
应用 DataX 进行增量同步
应用 DataX 进行全量同步和增量同步的惟一区别就是：增量同步须要应用 where 进行条件筛选。（即，同步筛选后的 SQL）
1）编写 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"}
}
}
}- 须要留神的局部就是：
where（条件筛选）和preSql（同步前，要做的事）参数。
2）验证：
[root@MySQL-1 ~]# python /usr/local/data/bin/data.py where.json输入：
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 -
工作启动时刻 : 2021-12-16 17:34:06
工作完结时刻 : 2021-12-16 17:34:38
工作总计耗时 : 32s
工作均匀流量 : 1.61KB/s
记录写入速度 : 62rec/s
读出记录总数 : 1888
读写失败总数 : 0指标数据库上查看：
3)基于下面数据，再次进行增量同步：
次要是 where 配置："where": "ID > 1888 AND ID <= 2888" # 通过条件筛选来进行增量同步
同时须要将我下面的 preSql 删除(因为我下面做的操作时 truncate 表)