datax 环境搭建使用

用于全量同步

一、解压文件

将包上传至服务器

输入命令： tar -zxvf datax.tar.gz -C /opt/module/ 将包 解压到 /opt/module 目录
解压完之后，不需要任何的配置，直接就可以用
我们可以测试一下，
输入命令：/opt/module/datax/bin/datax.py /opt/module/datax/job/job.json 显示这些结果就表示成功了，这里面的 datax.py 文件是已经直接有的了，我们不用管，然后我们写数据只需要 编写 json 文件就可以了。

二、配置 json 文件

配置文件，可以直接进入这个网站：https://github.com/alibaba/DataX
然后打开之后，往下面翻

有各种读写的配置

我们就是直接从 mysql 里面读，然后写到 hdfs 上面去，我们直接点 mysql 的读，然后可以查看 mysql 的文档

这里有一个，可以编辑 json 格式化的网站：https://baidufe.com/fehelper/json-format/index.html

这上面的json job有两部分，一个是mysql读的配置 mysqlreader 和 hdfswriter 这两个名字是不能随意更改的
这是 用 表的方式导入

{
"job": {
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"column": [
"id",
"name",
"region_id",
"area_code",
"iso_code",
"iso_3166_2"
],
"connection": [
{
"jdbcUrl": [
"jdbc:mysql://hadoop105:3306/edu"
 ],
"table": [
"base_province"
]
}
],
"password": "p@ssw0rd",
"splitPk": "",
"username": "root"
}
},
"writer": {
"name": "hdfswriter",
"parameter": {
"column": [
{
"name": "id",
"type": "bigint"
},
{
"name": "name",
"type": "string"
},
{
"name": "region_id",
"type": "string"
},
{
"name": "area_code",
"type": "string"
},
{
"name": "iso_code",
"type": "string"
},
{
"name": "iso_3166_2",
"type": "string"
}
],
"compress": "gzip",
"defaultFS": "hdfs://hadoop105:9000",
"fieldDelimiter": "\t",
"fileName": "base_province",
"fileType": "text",
"path": "/user/hive/warehouse",
"writeMode": "append"
}
}
}
],
"setting": {
"speed": {
"channel": 1
}
}
}
}

这个是querySql方式，用sql的方式导入，建议使用这种，比如有时候需要复杂查询，然后筛选出来的数据再导入进去，然后 文件里面的 hdfs 路径，还有 mysql 连接的配置那些需要配置好。

{
"job": {
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"column": [
"id",
"name",
"region_id",
"area_code",
"iso_code",
"iso_3166_2"
],
"connection": [
{
"jdbcUrl": [
"jdbc:mysql://hadoop105:3306/edu"
],
"querySql": [
"select id,name,region_id,area_code,iso_code,iso_3166_2 from base_province where id>=3"
]
}
],
"password": "p@ssw0rd",
"splitPk": "id",
"username": "root"
}
},
"writer": {
"name": "hdfswriter",
"parameter": {
"column": [
{
"name": "id",
"type": "bigint"
},
{
"name": "name",
"type": "string"
},
{
"name": "region_id",
"type": "string"
},
{
"name": "area_code",
"type": "string"
},
{
"name": "iso_code",
"type": "string"
},
{
"name": "iso_3166_2",
"type": "string"
}
],
"compress": "gzip",
"defaultFS": "hdfs://hadoop105:9000",
"fieldDelimiter": "\t",
"fileName": "base_province",
"fileType": "text",
"path": "${targetdir}",
"writeMode": "append"
}
}
}
],
"setting": {
"speed": {
"channel": 3
}
}
}
}

三、执行命令

我们将 json 文件写好之后，我们可以执行了
输入命令：/opt/module/datax/bin/datax.py /opt/module/datax/job/base_province.json
运行成功

然后我们在 去查看一下hdfs 查看一下文件

然后我们来读取一下，查看里面的数据
输入命令：hdfs dfs -cat /user/hive/warehouse/base_province__e27b955a_15bc_4192_b187_d60ece18be86.gz | zcat