有些项目的数据量高达五千万，但是因为报表那块数据不太准确，业务库和报表库又是跨库操作，所以并不能使用 SQL 来进行同步。当时的打算是通过 mysqldump 或者存储的方式来进行同步，但是尝试后发现这些方案都不切实际：

mysqldump：不仅备份需要时间，同步也需要时间，而且在备份的过程，可能还会有数据产出（也就是说同步等于没同步）

存储方式：这个效率太慢了，要是数据量少还好，我们使用这个方式的时候，三个小时才同步两千条数据…

常见数据异构的几款中间件的区别如下：

今天介绍一款不错的中间件：DataX

DataX 简介

DataX 是阿里云 DataWorks 数据集成 的开源版本，主要就是用于实现数据间的离线同步。 DataX 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（即不同的数据库） 间稳定高效的数据同步功能。

为了 解决异构数据源同步问题，DataX 将复杂的网状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时，只需要将此数据源对接到 DataX，便能跟已有的数据源作为无缝数据同步。

DataX3.0 框架设计

DataX 采用 Framework + Plugin 架构，将数据源读取和写入抽象称为 Reader/Writer 插件，纳入到整个同步框架中。

角色 作用
Reader（采集模块） 负责采集数据源的数据，将数据发送给 Framework。
Writer（写入模块） 负责不断向 Framework 中取数据，并将数据写入到目的端。
Framework（中间商） 负责连接 Reader 和 Writer，作为两者的数据传输通道，并处理缓冲，流控，并发，数据转换等核心技术问题。
DataX3.0 核心架构

DataX 完成单个数据同步的作业，我们称为 Job，DataX 接收到一个 Job 后，将启动一个进程来完成整个作业同步过程。DataX Job 模块是单个作业的中枢管理节点，承担了数据清理、子任务切分、TaskGroup 管理等功能。

  • DataX Job 启动后，会根据不同源端的切分策略，将 Job 切分成多个小的 Task (子任务)，以便于并发执行。

  • 接着 DataX Job 会调用 Scheduler 模块，根据配置的并发数量，将拆分成的 Task 重新组合，组装成 TaskGroup（任务组）

  • 每一个 Task 都由 TaskGroup 负责启动，Task 启动后，会固定启动 Reader --> Channel --> Writer 线程来完成任务同步工作。

  • DataX 作业运行启动后，Job 会对 TaskGroup 进行监控操作，等待所有 TaskGroup 完成后，Job 便会成功退出（异常退出时 值非 0 ）

DataX 调度过程：

  1. 首先 DataX Job 模块会根据分库分表切分成若干个 Task，然后根据用户配置并发数，来计算需要分配多少个 TaskGroup；

  2. 计算过程：Task / Channel = TaskGroup，最后由 TaskGroup 根据分配好的并发数来运行 Task（任务）

使用 DataX 实现数据同步

准备工作：

  • JDK（1.8 以上，推荐 1.8）

  • Python（2，3 版本都可以）

  • Apache Maven 3.x（Compile DataX）（手动打包使用，使用 tar 包方式不需要安装）

主机名 操作系统 IP 地址 软件包
MySQL-1 CentOS 7.4 192.168.1.1 jdk-8u181-linux-x64.tar.gz datax.tar.gz
MySQL-2 CentOS 7.4 192.168.1.2

安装 JDK：

下载地址：https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html（需要创建 Oracle 账号）

  1. [root@MySQL-1 ~]# ls

  2. anaconda-ks.cfg  jdk-8u181-linux-x64.tar.gz

  3. [root@MySQL-1 ~]# tar zxf jdk-8u181-linux-x64.tar.gz 

  4. [root@DataX ~]# ls

  5. anaconda-ks.cfg  jdk1.8.0_181  jdk-8u181-linux-x64.tar.gz

  6. [root@MySQL-1 ~]# mv jdk1.8.0_181 /usr/local/java

  7. [root@MySQL-1 ~]# cat <<END >> /etc/profile

  8. export JAVA_HOME=/usr/local/java

  9. export PATH=$PATH:"$JAVA_HOME/bin"

  10. END

  11. [root@MySQL-1 ~]# source /etc/profile

  12. [root@MySQL-1 ~]# java -version

  • 因为 CentOS 7 上自带 Python 2.7 的软件包，所以不需要进行安装。

Linux 上安装 DataX 软件

  1. [root@MySQL-1 ~]# wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz

  2. [root@MySQL-1 ~]# tar zxf datax.tar.gz -C /usr/local/

  3. [root@MySQL-1 ~]# rm -rf /usr/local/datax/plugin/*/._*      # 需要删除隐藏文件 (重要)

  • 当未删除时，可能会输出：[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 请检查您的配置文件.

验证：

  1. [root@MySQL-1 ~]# cd /usr/local/datax/bin

  2. [root@MySQL-1 ~]# python datax.py ../job/job.json       # 用来验证是否安装成功

输出：

  1. 2021-12-13 19:26:28.828 [job-0] INFO  JobContainer - PerfTrace not enable!

  2. 2021-12-13 19:26:28.829 [job-0] INFO  StandAloneJobContainerCommunicator - Total 100000 records, 2600000 bytes | Speed 253.91KB/s, 10000 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.060s |  All Task WaitReaderTime 0.068s | Percentage 100.00%

  3. 2021-12-13 19:26:28.829 [job-0] INFO  JobContainer - 

  4. 任务启动时刻                    : 2021-12-13 19:26:18

  5. 任务结束时刻                    : 2021-12-13 19:26:28

  6. 任务总计耗时                    :                 10s

  7. 任务平均流量                    :          253.91KB/s

  8. 记录写入速度                    :          10000rec/s

  9. 读出记录总数                    :              100000

  10. 读写失败总数                    :                   0

DataX 基本使用

查看 streamreader \--> streamwriter 的模板：

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter

输出：

  1. DataX (DATAX-OPENSOURCE-3.0), From Alibaba !

  2. Copyright (C) 2010-2017, Alibaba Group. All Rights Reserved.

  5. Please refer to the streamreader document:

  6.      https://github.com/alibaba/DataX/blob/master/streamreader/doc/streamreader.md 

  8. Please refer to the streamwriter document:

  9.      https://github.com/alibaba/DataX/blob/master/streamwriter/doc/streamwriter.md 

  10.  

  11. Please save the following configuration as a json file and  use

  12.      python {DATAX_HOME}/bin/datax.py {JSON_FILE_NAME}.json 

  13. to run the job.

  15. {

  16.     "job": {

  17.         "content": [

  18.             {

  19.                 "reader": {

  20.                     "name": "streamreader", 

  21.                     "parameter": {

  22.                         "column": [], 

  23.                         "sliceRecordCount": ""

  24.                     }

  25.                 }, 

  26.                 "writer": {

  27.                     "name": "streamwriter", 

  28.                     "parameter": {

  29.                         "encoding": "", 

  30.                         "print": true

  31.                     }

  32.                 }

  33.             }

  34.         ], 

  35.         "setting": {

  36.             "speed": {

  37.                 "channel": ""

  38.             }

  39.         }

  40.     }

  41. }

根据模板编写 json 文件

  1. [root@MySQL-1 ~]# cat <<END > test.json

  2. {

  3.     "job": {

  4.         "content": [

  5.             {

  6.                 "reader": {

  7.                     "name": "streamreader", 

  8.                     "parameter": {

  9.                         "column": [        # 同步的列名 (* 表示所有)

  10.        {

  11.            "type":"string",

  12.     "value":"Hello."

  13.        },

  14.        {

  15.            "type":"string",

  16.     "value":"河北彭于晏"

  17.        },

  18.    ], 

  19.                         "sliceRecordCount": "3"     # 打印数量

  20.                     }

  21.                 }, 

  22.                 "writer": {

  23.                     "name": "streamwriter", 

  24.                     "parameter": {

  25.                         "encoding": "utf-8",     # 编码

  26.                         "print": true

  27.                     }

  28.                 }

  29.             }

  30.         ], 

  31.         "setting": {

  32.             "speed": {

  33.                 "channel": "2"         # 并发 (即 sliceRecordCount * channel = 结果)

  34.             }

  35.         }

  36.     }

  37. }

输出：（要是复制我上面的话，需要把 # 带的内容去掉）

安装 MySQL 数据库

分别在两台主机上安装：

  1. [root@MySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel   

  2. [root@MySQL-1 ~]# systemctl start mariadb            # 安装 MariaDB 数据库

  3. [root@MySQL-1 ~]# mysql_secure_installation            # 初始化 

  4. NOTE: RUNNING ALL PARTS OF THIS SCRIPT IS RECOMMENDED FOR ALL MariaDB

  5.       SERVERS IN PRODUCTION USE!  PLEASE READ EACH STEP CAREFULLY!

  7. Enter current password for root (enter for none):       # 直接回车

  8. OK, successfully used password, moving on...

  9. Set root password? [Y/n] y                            # 配置 root 密码

  10. New password: 

  11. Re-enter new password: 

  12. Password updated successfully!

  13. Reloading privilege tables..

  14.  ... Success!

  15. Remove anonymous users? [Y/n] y                     # 移除匿名用户

  16.  ... skipping.

  17. Disallow root login remotely? [Y/n] n                # 允许 root 远程登录

  18.  ... skipping.

  19. Remove test database and access to it? [Y/n] y         # 移除测试数据库

  20.  ... skipping.

  21. Reload privilege tables now? [Y/n] y                    # 重新加载表

  22.  ... Success!

1）准备同步数据（要同步的两台主机都要有这个表）

  1. MariaDB [(none)]> create database `course-study`;

  2. Query OK, 1 row affected (0.00 sec)

  4. MariaDB [(none)]> create table `course-study`.t_member(ID int,Name varchar(20),Email varchar(30));

  5. Query OK, 0 rows affected (0.00 sec)

因为是使用 DataX 程序进行同步的，所以需要在双方的数据库上开放权限：

  1. grant all privileges on *.* to root@'%' identified by '123123';

  2. flush privileges;

2）创建存储过程：

  1. DELIMITER $$

  2. CREATE PROCEDURE test()

  3. BEGIN

  4. declare A int default 1;

  5. while (A < 3000000)do

  6. insert into `course-study`.t_member values(A,concat("LiSa",A),concat("LiSa",A,"@163.com"));

  7. set A = A + 1;

  8. END while;

  9. END $$

  10. DELIMITER ;

正在上传…重新上传取消

图片

3）调用存储过程（在数据源配置，验证同步使用)：

call test();
通过 DataX 实 MySQL 数据同步

1）生成 MySQL 到 MySQL 同步的模板：

  1. [root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py -r mysqlreader -w mysqlwriter

  2. {

  3.     "job": {

  4.         "content": [

  5.             {

  6.                 "reader": {

  7.                     "name": "mysqlreader",       # 读取端

  8.                     "parameter": {

  9.                         "column": [],         # 需要同步的列 (* 表示所有的列)

  10.                         "connection": [

  11.                             {

  12.                                 "jdbcUrl": [],       # 连接信息

  13.                                 "table": []       # 连接表

  14.                             }

  15.                         ], 

  16.                         "password": "",        # 连接用户

  17.                         "username": "",        # 连接密码

  18.                         "where": ""         # 描述筛选条件

  19.                     }

  20.                 }, 

  21.                 "writer": {

  22.                     "name": "mysqlwriter",       # 写入端

  23.                     "parameter": {

  24.                         "column": [],         # 需要同步的列

  25.                         "connection": [

  26.                             {

  27.                                 "jdbcUrl": "",       # 连接信息

  28.                                 "table": []       # 连接表

  29.                             }

  30.                         ], 

  31.                         "password": "",        # 连接密码

  32.                         "preSql": [],         # 同步前. 要做的事

  33.                         "session": [], 

  34.                         "username": "",        # 连接用户 

  35.                         "writeMode": ""        # 操作类型

  36.                     }

  37.                 }

  38.             }

  39.         ], 

  40.         "setting": {

  41.             "speed": {

  42.                 "channel": ""          # 指定并发数

  43.             }

  44.         }

  45.     }

  46. }

2）编写 json 文件：

  1. [root@MySQL-1 ~]# vim install.json

  2. {

  3.     "job": {

  4.         "content": [

  5.             {

  6.                 "reader": {

  7.                     "name": "mysqlreader", 

  8.                     "parameter": {

  9.                         "username": "root",

  10.                         "password": "123123",

  11.                         "column": ["*"],

  12.                         "splitPk": "ID",

  13.                         "connection": [

  14.                             {

  15.                                 "jdbcUrl": [

  16.                                     "jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"

  17.                                 ], 

  18.                                 "table": ["t_member"]

  19.                             }

  20.                         ]

  21.                     }

  22.                 }, 

  23.                 "writer": {

  24.                     "name": "mysqlwriter", 

  25.                     "parameter": {

  26.                         "column": ["*"], 

  27.                         "connection": [

  28.                             {

  29.                                 "jdbcUrl": "jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8",

  30.                                 "table": ["t_member"]

  31.                             }

  32.                         ], 

  33.                         "password": "123123",

  34.                         "preSql": [

  35.                             "truncate t_member"

  36.                         ], 

  37.                         "session": [

  38.                             "set session sql_mode='ANSI'"

  39.                         ], 

  40.                         "username": "root", 

  41.                         "writeMode": "insert"

  42.                     }

  43.                 }

  44.             }

  45.         ], 

  46.         "setting": {

  47.             "speed": {

  48.                 "channel": "5"

  49.             }

  50.         }

  51.     }

  52. }

3）验证

[root@MySQL-1 ~]# python /usr/local/datax/bin/datax.py install.json

输出：

  1. 2021-12-15 16:45:15.120 [job-0] INFO  JobContainer - PerfTrace not enable!

  2. 2021-12-15 16:45:15.120 [job-0] INFO  StandAloneJobContainerCommunicator - Total 2999999 records, 107666651 bytes | Speed 2.57MB/s, 74999 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 82.173s |  All Task WaitReaderTime 75.722s | Percentage 100.00%

  3. 2021-12-15 16:45:15.124 [job-0] INFO  JobContainer - 

  4. 任务启动时刻                    : 2021-12-15 16:44:32

  5. 任务结束时刻                    : 2021-12-15 16:45:15

  6. 任务总计耗时                    :                 42s

  7. 任务平均流量                    :            2.57MB/s

  8. 记录写入速度                    :          74999rec/s

  9. 读出记录总数                    :             2999999

  10. 读写失败总数                    :                   0

你们可以在目的数据库进行查看，是否同步完成。

  • 上面的方式相当于是完全同步，但是当数据量较大时，同步的时候被中断，是件很痛苦的事情；

  • 所以在有些情况下，增量同步还是蛮重要的。

使用 DataX 进行增量同步

使用 DataX 进行全量同步和增量同步的唯一区别就是：增量同步需要使用 where 进行条件筛选。 （即，同步筛选后的 SQL）

1）编写 json 文件：

  1. [root@MySQL-1 ~]# vim where.json

  2. {

  3.     "job": {

  4.         "content": [

  5.             {

  6.                 "reader": {

  7.                     "name": "mysqlreader", 

  8.                     "parameter": {

  9.                         "username": "root",

  10.                         "password": "123123",

  11.                         "column": ["*"],

  12.                         "splitPk": "ID",

  13.                         "where": "ID <= 1888",

  14.                         "connection": [

  15.                             {

  16.                                 "jdbcUrl": [

  17.                                     "jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"

  18.                                 ], 

  19.                                 "table": ["t_member"]

  20.                             }

  21.                         ]

  22.                     }

  23.                 }, 

  24.                 "writer": {

  25.                     "name": "mysqlwriter", 

  26.                     "parameter": {

  27.                         "column": ["*"], 

  28.                         "connection": [

  29.                             {

  30.                                 "jdbcUrl": "jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8",

  31.                                 "table": ["t_member"]

  32.                             }

  33.                         ], 

  34.                         "password": "123123",

  35.                         "preSql": [

  36.                             "truncate t_member"

  37.                         ], 

  38.                         "session": [

  39.                             "set session sql_mode='ANSI'"

  40.                         ], 

  41.                         "username": "root", 

  42.                         "writeMode": "insert"

  43.                     }

  44.                 }

  45.             }

  46.         ], 

  47.         "setting": {

  48.             "speed": {

  49.                 "channel": "5"

  50.             }

  51.         }

  52.     }

  53. }

  • 需要注意的部分就是：where（条件筛选） 和 preSql（同步前，要做的事） 参数。

2）验证：

[root@MySQL-1 ~]# python /usr/local/data/bin/data.py where.json

输出：

  1. 2021-12-16 17:34:38.534 [job-0] INFO  JobContainer - PerfTrace not enable!

  2. 2021-12-16 17:34:38.534 [job-0] INFO  StandAloneJobContainerCommunicator - Total 1888 records, 49543 bytes | Speed 1.61KB/s, 62 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.002s |  All Task WaitReaderTime 100.570s | Percentage 100.00%

  3. 2021-12-16 17:34:38.537 [job-0] INFO  JobContainer - 

  4. 任务启动时刻                    : 2021-12-16 17:34:06

  5. 任务结束时刻                    : 2021-12-16 17:34:38

  6. 任务总计耗时                    :                 32s

  7. 任务平均流量                    :            1.61KB/s

  8. 记录写入速度                    :             62rec/s

  9. 读出记录总数                    :                1888

  10. 读写失败总数                    :                   0

目标数据库上查看：

3)基于上面数据，再次进行增量同步：

  1. 主要是 where 配置："where": "ID > 1888 AND ID <= 2888"      # 通过条件筛选来进行增量同步

  2. 同时需要将我上面的 preSql 删除(因为我上面做的操作时 truncate 表)

行动吧，在路上总比一直观望的要好，未来的你肯定会感 谢现在拼搏的自己！如果想学习提升找不到资料，没人答疑解惑时，请及时加入扣群： 320231853，里面有各种软件测试+开发资料和技术可以一起交流学习哦。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

​

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！

# 功能测试 # 程序人生 # 职场和发展
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

机器人项目方案前置评审清单：定方案前先问清 5 个问题

接口文档不要只写正常流程，至少要补充异常状态、恢复动作、责任归属和记录证据。

avatar DAMO开发者矩阵

20_项目实战六_企业文档智能检索平台_LangSmith监控_权限管控_数据看板

前面我们已经做过个人知识库问答助手、客服机器人、SQL 查询助手、代码审查 Agent 和多 Agent 日报系统。这些项目解决的是单点能力。多个部门都要上传文档。不同用户只能看自己有权限的文档。支持 PDF、Word、Markdown、网页、内部 Wiki。文档更新后要增量入库。用户提问时要返回答案和引用来源。管理员要看到 QPS、延迟、Token 消耗、用户活跃度。出问题时要能追踪每一次检索、

avatar DAMO开发者矩阵
cover

SCAN-Planner：面向路线引导长距离四足机器人导航的空间碰撞感知局部规划【文献解读】

avatar DAMO开发者矩阵