阿里巴巴开源离线同步工具 DataX3.0 介绍

凝小紫
 凝小紫
发布于 2016年08月24日
收藏 299

一. DataX3.0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。

此前已经开源DataX1.0版本,此次介绍为阿里巴巴开源全新版本DataX3.0,有了更多更强大的功能和更好的使用体验。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。

Reader:Reader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。

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。

三. DataX3.0插件体系

经过几年积累,DataX目前已经有了比较全面的插件体系,主流的RDBMS数据库、NOSQL、大数据计算系统都已经接入。DataX目前支持数据如下:

DataX Framework提供了简单的接口与插件交互,提供简单的插件接入机制,只需要任意加上一种插件,就能无缝对接其他数据源。详情请看:DataX数据源指南

四、DataX3.0核心架构

DataX 3.0 开源版本支持单机多线程模式完成同步作业运行,本小节按一个DataX作业生命周期的时序图,从整体架构设计非常简要说明DataX各个模块相互关系。

核心模块介绍:

DataX完成单个数据同步的作业,我们称之为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。DataX 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。

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。

切分多个Task之后,DataX 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)。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

出处:云栖社区

本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。
转载请注明:文章转载自 开源中国社区 [http://www.oschina.net]
本文标题:阿里巴巴开源离线同步工具 DataX3.0 介绍
加载中

最新评论(24

高耀阳
高耀阳
at com.alibaba.datax.common.exception.DataXException.asDataXException(Da
taXException.java:26)
at com.alibaba.datax.core.util.ConfigParser.parsePluginConfig(ConfigPars
er.java:142)
at com.alibaba.datax.core.util.ConfigParser.parse(ConfigParser.java:63)
at com.alibaba.datax.core.Engine.entry(Engine.java:137)
at com.alibaba.datax.core.Engine.main(Engine.java:204)

.java:63)
at com.alibaba.datax.core.Engine.entry(Engine.java:137)
at com.alibaba.datax.core.Engine.main(Engine.java:204)

亲,这个问题遇到过吗?
高耀阳
高耀阳
2016-09-09 22:21:40.267 [main] WARN ConfigParser - 插件[ftpReader,odpswriter]加载失败
,1s后重试... Exception:Code:[Framework-12], Description:[DataX插件初始化错误, 该问题通常是由于Data
X安装错误引起,请联系您的运维解决 .]. - 插件加载失败,未完成指定插件加载:[ftpReader, odpswriter]
�,请联系您的运维解决 .]. - 插件加载失败,未完成指定插件加载:[ftpReader, odpswriter]
�完成指定插件加载:[ftpReader, odpswriter]
, odpswriter]
2016-09-09 22:21:41.344 [main] ERROR Engine -

经DataX智能分析,该任务最可能的错误原因是:
com.alibaba.datax.common.exception.DataXException: Code:[Framework-12], Descript
ion:[DataX插件初始化错误, 该问题通常是由于DataX安装错误引起,请联系您的运维解决 .]. - 插件加载失败,未完成指定插件加载:[ftpRea
der, odpswriter]
高耀阳
高耀阳
亲,按照网址我下载了datax3.0然后测试了里面的各种数据源,在我测试ftp时,遇到了问题,大家帮忙看一下。
问题如下:
测试ftpreader时,执行命令 直接报
D:\datax\bin>python datax.py ftpreader.json
2016-09-09 22:21:40.267 [main] WARN ConfigParser - 插件[ftpReader,odpswriter]加载失败


D:\datax\bin>python datax.py ftpreader.json

DataX (DATAX-OPENSOURCE-1.0), From Alibaba !
Copyright (C) 2010-2015, Alibaba Group. All Rights Reserved.
whitelover
whitelover
表格错位了,只有ADS不能写,其它都能读、写。看框架图让我想起了flume 的 source- channel- sink。
5
51iwowo
会支持断点续传吗?
droom
droom

引用来自“首席打酱油”的评论

和kettle有啥子区别?
效率问题
shelltea
shelltea
看起来和Spring Batch差不多
kalman03
kalman03
巴真在吗
waylau
waylau
Server 端 啥时候开源?
f
frankboy_cpu
一分钟200G,请问到底用了什么神奇的技术或者硬件
返回顶部
顶部