阿里离线数据同步工具 DataX 初试_datax redise-优快云博客

本文介绍DataX框架，一种异构数据源离线同步工具。它支持多种数据源，并通过插件体系实现数据读取、转换及写入等功能。相较于Sqoop，DataX提供更丰富的数据源支持。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DataX ：一个异构数据源离线同步框架，通过插件体系完成数据同步过程。reader插件用于读入，writer插件用于写出，中间的framework可以定义transform插件完成数据转化的需要。

Sqoop 只支持关系型数据库与HDFS/Hive 之间的数据同步， DataX 则更为丰富。

目前支持的数据源有：https://github.com/alibaba/DataX/wiki/DataX-all-data-channels

使用：

$ tar zxvf datax.tar.gz
$ sudo chmod -R 755 {YOUR_DATAX_HOME}
$ cd  {YOUR_DATAX_HOME}/bin
$ python datax.py ../job/job.json

json配置例子（Mongo > HDFS/Hive）：

mongotest.json

{
    "job": {
        "setting": {
            "speed": {
                "channel": "2"
            }
        },
        "content": [{
                "reader": {
                    "name": "mongodbreader",
                    "parameter": {
                        "address": [""],
                        "userName": "",
                        "userPassword": "",
                        "dbName": "",
                        "collectionName": "",
                        "column": [{ "name": "cityid", "type": "string" }, { "name": "searchstr", "type": "string" }, { "name": "pv", "type": "string" } ] }
                },
                "writer": {
                    "name": "hdfswriter",
                    "parameter": {
                        "column": [{ "name": "cityid", "type": "string" }, { "name": "searchstr", "type": "int" }, { "name": "pv", "type": "int" } ],
                        "defaultFS": "hdfs://*",
                        "fieldDelimiter": "\t",
                        "fileName": "mongotest",
                        "fileType": "text",
                        "path": "/user/hive/warehouse/temp.db/mongotest",
                        "writeMode": "append" }
                }
            }
        ]
    }
}