千万级数据迁移工具DataX实践和geom类型扩展

DataX快速入门参考

官方https://github.com/alibaba/DataX/blob/master/userGuid.md

环境要求

Linux
JDK(1.8以上，推荐1.8)
Python(推荐Python2.6.X)
Apache Maven 3.x (Compile DataX)

打包

mvn -U clean package assembly:assembly -Dmaven.test.skip=true

本地idea调用

D:\pm\DataX\datax-core\src\main\job为测试脚本文件夹
1、job.json 为通过streamreader生成模拟数据，streamwriter用于输出
2、job_mysql_read_to_print.json 通过查询mysql数据，streamwriter用于输出
3、job_postgresql_to_mysql_read_write.json 通过查询postgresql数据，写入mysql
4、job_postgresql_to_postgresql_read_write.json 通过查询postgresql数据，写入postgresql
5、job_postgresql_to_postgresql_read_write_geom.json 通过查询postgresql数据，包含地理空间geometry类型数据，写入postgresql

数据包含geometry迁移

DataX本身不满足迁移地理空间geometry类型数据迁移

geometry类型数据迁移请移步 geometry
在idea的Teminal执行以下脚本

D:\pm\DataX\datax-core\target\datax\bin>python datax.py ../job/job.json -m standalone

cd D:\pm\DataX\
python D:\pm\DataX\datax-core\target\datax\bin\datax.py D:\pm\DataX\datax-core\target\datax\job\job_pg_to_pg_xianzhuangjianzhu_geom_read_write.json -m standalone

linux环境python 安装

下载

wget https://www.python.org/ftp/python/3.8.0/Python-3.8.0.tgz

安装依赖

yum install gcc patch libffi-devel python-devel zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel -y

解压

tar -zxvf  Python-3.8.0.tgz

切换目录

cd Python-3.8.0

编译安装

1.释放编译文件makefile，这makefile就是用来编译且安装的
 ./configure --prefix=/usr/local/soft/python380/          注释:--prefix  指定软件的安装路径
2.开始编译  
　make
3.编译且安装
 make install

配置环境变量

1.vi /etc/profile   
2.写在最后      
PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/root/bin:/usr/local/soft/python380/bin     
保存退出  :wq!
3.生效
source /etc/profile

如有必要更新pip

pip3 install --upgrade pip

window环境python 安装

python以及idea插件安装请自行百度

JDK1.8安装

  yum install java-1.8.0-openjdk\* -y

DataX 使用

方法一

下载 http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz

cd {YOUR_DATAX_HOME}/bin
python datax.py {YOUR_JOB.json}

自检脚本：
python {YOUR_DATAX_HOME}/bin/datax.py {YOUR_DATAX_HOME}/job/job.json

方法二

下载DataX源码，自己编译

(1)、下载DataX源码：

git clone git@github.com:alibaba/DataX.git

通过maven打包：

$cd {DataX_source_code_home}$ 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/

第二步：启动DataX

$cd {YOUR_DATAX_DIR_BIN}$ python datax.py ./stream2stream.json

问题

字段类型问题

postgresql "geom" "public"."geometry"
因为DataX 不支持数据库读取这种字段类型. 字段名:[geom], 字段名称:[1111], 字段Java类型:[java.lang.Object]. 请尝试使用数据库函数将其转换datax支持的类型或者不同步该字段
因为DataX 不支持数据库写入这种字段类型. 字段名:[geom], 字段类型:[1111], 字段Java类型:[geometry]. 请修改表中该字段的类型或者不同步该字段

您的配置文件中的列配置信息有误. 因为DataX 不支持数据库读取这种字段类型. 字段名:[%s], 字段名称:[%s], 字段Java类型:[%s]. 请尝试使用数据库函数将其转换datax支持的类型或者不同步该字段 .

geometry类型数据迁移请移步 geometry

效果对比

通过DataX本地运行，迁移postgresql 包含geometry空间类型数据1088270条，用时1111s

通道数量 : 8
任务启动时刻 : 2019-12-09 12:52:02
任务结束时刻 : 2019-12-09 13:10:34
任务总计耗时 : 1111s
任务平均流量 : 517.35KB/s
记录写入速度 : 980rec/s
读出记录总数 : 1088270
读写失败总数 : 0

通过Navacat复制数据表，迁移postgresql 包含geometry空间类型数据1088270条，用时1917.623s

geometry类型数据迁移

geometry类型数据迁移请移步 geometry

本文由作者pm1280415703:JAVA实验手册发布,交流群：583284584！