DataX使用指南
1、 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,如图1-1所示。
图1-1 DataX的应用数据库范围
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,具体详情DataX的GitHub地址
2、 DataX3.0的使用
2.1 准备工作
Java版本要求:jdk1.8及以上
参考链接:Java 开发环境配置
Python版本要求:2.7.X,DataX未更新至Python3
参考链接:Python 环境搭建
DataX下载:DataX下载地址
当然你还可以去Github去下载源码进行编译,通过此种方式你可以自行选择你需要的配置进行打包,如只需要Mysql的,那么其他的相关支持你都不需要用到,也就不需要都打包,更轻量使用。与此同时,你还需要maven工具进行打包,在pom.Xml中删除你不需要的模块,再执行maven命令:mvn -U clean package assembly:assembly -Dmaven.test.skip=true,生成的文件在/target/datax/datax/下
确保上述步骤都通过后则继续往下看。
2.2 快速上手
2.2.1 构建一个测试数据表
表结构如表2-1所示。
表2-1 测试表结构
字段名 |
类型 |
备注 |
name |
varchar |
|
age |
int |
|
age_true |
int |
并向其中插入40条数据,如表2-2所示。
表2-2 测试表数据
name | age | age_true |
---|---|---|
tom | 23 | |
tom |