DataX的使用

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