08 DataX 安装

DataX 简介

DataX 概述

DataX 是阿里巴巴开源的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。

DataX 与 Sqoop 对比

功能	DataX	Sqoop
运行模式	单进程多线程	MR
分布式	不支持，可以通过调度系统规避	支持
流控	有流控功能	需要定制
统计信息	已有一些统计，上报需定制	没有，分布式的数据收集不方便
数据校验	在core部分有校验功能	没有，分布式的数据收集不方便
监控	需要定制	需要定制

DataX 支持的数据源

请参考官网： https://github.com/alibaba/DataX

DataX 架构

设计理念和架构

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。

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。

DataX 运行流程

DataX 部署

1. 下载安装包到 software 目录 wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
2. 解压datax.tar.gz到/opt/module[logan@hadoop101 software]$ tar -zxvf datax.tar.gz -C /opt/module/
3. 自检，执行如下命令，如果没有报错则成功

[logan@hadoop101 ~]$ python /opt/module/datax/bin/datax.py /opt/module/datax/job/job.json

解决问题

出现问题

[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:[Common-00], Describe:[您提供的配置文件存在错误信息，请检查您的作业配置 .] - 配置信息错误，您提供的配置文件[/opt/module/datax/plugin/reader/._hdfsreader/plugin.json]不存在. 请检查您的配置文件.

解决办法

由于配置文件缓存导致，删除即可，执行如下 2 条命令。

find /opt/module/datax/plugin/reader/ -type f -name "._*er" | xargs rm -rf
find /opt/module/datax/plugin/writer/ -type f -name "._*er" | xargs rm -rf