前文回顾：
《DataX 及 DataX-Web 安装使用详解》
除了前文介绍的我们可以直接安装使用外，还可以下载源码打包，并且对源码进行适当修改，比如我这里在同步数据到 oracle 时，由于 datax 只能做 oracle 的 insert，如果主键重复的数据就冲突了。
源码地址：https://github.com/alibaba/DataX
1、源码分析
找到 core 这个包下的datax.py
ENGINE_COMMAND = "java -server ${jvm} %s -classpath %s ${params} com.alibaba.datax.core.Engine -mode ${mode} -jobid ${jobid} -job ${job}" % (DEFAULT_PROPERTY_CONF, CLASS_PATH)
可以看到程序入口是com.alibaba.datax.core.Engine，进入这个类，main方法如下
public static void main(String[] args) throws Exception {
int exitCode = 0;
try {
Engine.entry(args);
} catch (Throwable e) {
exitCode = 1;
LOG.error("\n\n经DataX智能分析,该任务最可能的错误原因是:\n" + ExceptionTracker.trace(e));
if (e instanceof DataXException) {
DataXException tempException = (DataXException) e;
ErrorCode errorCode = tempException.getErrorCode();
if (errorCode instanceof FrameworkErrorCode) {
FrameworkErrorCode tempErrorCode = (FrameworkErrorCode) errorCode;
exitCode = tempErrorCode.toExitValue();
}
}
System.exit(exitCode);
}
System.exit(exitCode);
}
然后就，就自己顺着看吧。
2、打包
打包的时候测试失败导致打包失败，所以跳过测试打包，idea控制台输入如下命令。
mvn -U clean package assembly:assembly '-Dmaven.test.skip=true'
打包成功后的 datax 包位于 {DataX_source_code_home}/target/datax/datax/，结构如下
扫描二维码关注公众号，回复：
16061546 查看本文章
最后执行下自检脚本
python datax.py ../job/job.json
我这里执行任务时，提示了如下错误
[job-0] 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:[Framework-03], Description:[DataX引擎配置错误，该问题通常是由于DataX安装错误引起，请联系您的运维解决 .]. - 在有总bps限速条件下，单个channel的bps值不能为空，也不能为非正数
at com.alibaba.datax.common.exception.DataXException.asDataXException(DataXException.java:30)
at com.alibaba.datax.core.job.JobContainer.adjustChannelNumber(JobContainer.java:430)
at com.alibaba.datax.core.job.JobContainer.split(JobContainer.java:387)
at com.alibaba.datax.core.job.JobContainer.start(JobContainer.java:117)
at com.alibaba.datax.core.Engine.start(Engine.java:93)
at com.alibaba.datax.core.Engine.entry(Engine.java:175)
at com.alibaba.datax.core.Engine.main(Engine.java:208)
原因：DataX的配置有问题，单个 channel 的 bps 值不能为空，也不能为非正数。所以查看 datax 源码，core\src\main\conf下的 core.json 文件，内容如下。
注：如果是安装的 datax，则位置在 datax/conf/core.json。
{
"entry": {
"jvm": "-Xms1G -Xmx1G",
"environment": {
}
},
"common": {
"column": {
"datetimeFormat": "yyyy-MM-dd HH:mm:ss",
"timeFormat": "HH:mm:ss",
"dateFormat": "yyyy-MM-dd",
"extraFormats":["yyyyMMdd"],
"timeZone": "GMT+8",
"encoding": "utf-8"
}
},
"core": {
"dataXServer": {
"address": "http://localhost:7001/api",
"timeout": 10000,
"reportDataxLog": false,
"reportPerfLog": false
},
"transport": {
"channel": {
"class": "com.alibaba.datax.core.transport.channel.memory.MemoryChannel",
"speed": {
"byte": -1,
"record": -1
},
"flowControlInterval": 20,
"capacity": 512,
"byteCapacity": 67108864
},
"exchanger": {
"class": "com.alibaba.datax.core.plugin.BufferedRecordExchanger",
"bufferSize": 32
}
},
"container": {
"job": {
"reportInterval": 10000
},
"taskGroup": {
"channel": 5
},
"trace": {
"enable": "false"
}
},
"statistics": {
"collector": {
"plugin": {
"taskClass": "com.alibaba.datax.core.statistics.plugin.task.StdoutPluginCollector",
"maxDirtyNumber": 10
}
}
}
}
}
可以看到core -> transport -> channel -> speed -> byte的默认值为：-1
解决办法：
修改内容：将byte值设置为: 1048576，代表单个channel容纳的最多字节数，可以适当调大，不oom就行。
"speed": {
"byte": 1048576,
"record": -1
},
3、任务测试
创建一个job，json文件内容如下
{
"job": {
"setting": {
"speed": {
"channel": 3,
"byte": 1048576
},
"errorLimit": {
"record": 0,
"percentage": 0.02
}
},
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"username": "root",
"password": "chaodev123",
"column": [
"`id`",
"`user_id`",
"`message`",
"`send_date`",
"`channel`",
"`sendUser`",
"`receiver`",
"`contentType`",
"`pictureUrl`",
"`longitude`",
"`latitude`",
"`coordinateType`",
"`isRead`",
"`msgType`",
"`readTime`",
"`create_time`",
"`state`",
"`fileName`",
"`fileDownloadUrl`"
],
"splitPk": "",
"connection": [
{
"table": [
"message"
],
"jdbcUrl": [
"jdbc:mysql://192.168.152.40:3306/im"
]
}
]
}
},
"writer": {
"name": "mysqlwriter",
"parameter": {
"username": "root",
"password": "123456",
"column": [
"`id`",
"`user_id`",
"`message`",
"`send_date`",
"`channel`",
"`sendUser`",
"`receiver`",
"`contentType`",
"`pictureUrl`",
"`longitude`",
"`latitude`",
"`coordinateType`",
"`isRead`",
"`msgType`",
"`readTime`",
"`create_time`",
"`state`",
"`fileName`",
"`fileDownloadUrl`"
],
"preSql": [
"truncate table message"
],
"connection": [
{
"table": [
"message"
],
"jdbcUrl": "jdbc:mysql://127.0.0.1:3306/im"
}
]
}
}
}
]
}
}
执行任务，如下
python datax.py ../job/im_message.json
可以看到，任务执行成功。
4、job配置详解
Reader（读插件）
name：与要读取的数据库一致（字符串）jdbcUrl：数据库链接（数组）username：数据库用户名（字符串）password：数据库密码（字符串）table：要同步的表名（数组），需保证表结构一致column：要同步的列名（数组）where：选取的条件（字符串）querySql：自定义查询语句， 会自动忽略上述的同步条件
Writer（写插件）
name：与要读取的数据库一致（字符串）jdbcUrl：数据库链接（字符串）username：数据库用户名（ 字符串）password： 数据库密码 （字符串）table：要同步的表名（数组），需保证表结构一致column：列名可以不对应，但是类型和总的个数要一致（ 数组），需保证表结构一致preSql： 写入前执行的语句（数组），比如清空表等，如TRUNCATE TABLE @table（或指定表名）postSql： 写入后执行的语句 （数组）writeMode：写入模式，默认insert ，可选（insert/replace/update）。
insert 模式就是直接插入，如果主键冲突就无法插入；replace 模式如果存在记录则先删除该条记录再插入；update 模式则是有重复进行更新。需要注意的是oracle只支持insert配置项。session：DataX在获取Mysql连接时，执行session指定的SQL语句，修改当前connection session属性。batchSize：默认值1024，一次性批量提交的记录数大小，该值可以极大减少DataX与数据库交互次数，但是该值设置过大可能会造成OOM。
通用配置
job.setting.speed（流量控制）：channel的值控制同步时的并发数，byte的值控制单个channel容纳的最多字节数。job.setting.errorLimit（脏数据控制）：对脏数据的自定义监控和告警，包括对脏数据最大记录数阈值（record值）或者脏数据占比阈值（percentage值），当Job传输过程出现的脏数据大于指定的数量/百分比，DataX Job报错退出。
后续继续更新datax-web源码打包、二次开发支持Oracle更新数据等，如果觉得有帮助就给大佬超点个关注点个赞吧。
更多技术干货，请持续关注程序员大佬超。
原创不易，转载请注明出处。