DataX 同步mysql到clickhouse

Posted 2021-08-09 福州-司马懿

上一篇文章介绍了如何编译DataX，这一篇介绍如何通过DataX同步数据。以 mysql 和 clickhouse 为例

DataX 可以用来做全量的数据迁移；如果要用 DataX 做增量同步，则需要额外带一个时间戳字段

进入可执行目录

首先进入到 target/datax/datax/bin 目录下，可以看到3个python文件

• datax.py
• dxprof.py
• perftrace.py

制作job配置文件

DataX完成单个数据同步的作业，我们称之为Job，DataX接受到一个Job之后，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(将单一作业计算转化为多个子Task)、TaskGroup管理等功能。

生成模板

执行 python datax.py -r {YOUR_READER} -w {YOUR_WRITER}，然后将控制台生成的模板，保存到 datax的job目录下，存为一个json文件。也可以执行 python datax.py -r {YOUR_READER} -w {YOUR_WRITER} > ../job/test.json 直接将输出重定至到文件中
模板如下

{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader", 
                    "parameter": {
                        "column": [], 
                        "connection": [
                            {
                                "jdbcUrl": [], 
                                "table": []
                            }
                        ], 
                        "password": "", 
                        "username": "", 
                        "where": ""
                    }
                }, 
                "writer": {
                    "name": "clickhousewriter", 
                    "parameter": {
                        "batchByteSize": 134217728, 
                        "batchSize": 65536, 
                        "column": [
                            "col1", 
                            "col2", 
                            "col3"
                        ], 
                        "connection": [
                            {
                                "jdbcUrl": "jdbc:clickhouse://<host>:<port>[/<database>]", 
                                "table": [
                                    "table1", 
                                    "table2"
                                ]
                            }
                        ], 
                        "dryRun": false, 
                        "password": "password", 
                        "postSql": [], 
                        "preSql": [], 
                        "username": "username", 
                        "writeMode": "insert"
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": ""
            }
        }
    }
}

根据实际数据库修改模板

修改好的模板如下（使用 cat ../job/mysql2clickhouse.json | xsel -i -b 可以将文件的内容复制到剪贴板）

{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader", 
                    "parameter": {
                        "column": [
				"id",
				"testTime",
				"dbtype",
				"tbname",
				"nrows",
				"ncols",
				"abbr",
				"cmd",
				"cost",
				"memG"
			], 
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:mysql://***.***.***.***:13306/dbtest?useUnicode=true&characterEncoding=utf-8&useSSL=false"], 
                                "table": [
					"exec"
				]
                            }
                        ], 
                        "password": "******", 
                        "username": "root", 
                        "where": ""
                    }
                }, 
                "writer": {
                    "name": "clickhousewriter", 
                    "parameter": {
                        "batchByteSize": 134217728, 
                        "batchSize": 65536, 
                        "column": [
                            "id",
                            "testTime",
                            "dbtype",
                            "tbname",
                            "nrows",
                            "ncols",
                            "abbr",
                            "cmd",
                            "cost",
                            "memG"
                        ], 
                        "connection": [
                            {
                                "jdbcUrl": "jdbc:clickhouse://***.***.***.***:8123/test2", 
                                "table": [
                                    "exec"
                                ]
                            }
                        ], 
                        "dryRun": false, 
                        "password": "******", 
                        "postSql": [], 
                        "preSql": [], 
                        "username": "root", 
                        "writeMode": "insert"
                    }
                }
            }
        ], 
        "setting": {
            "speed": {
                "channel": "5"
            }
        }
    }
}

运行job

运行 job 的命令如下（二选一）

• python datax.py ../job/mysql2clickhouse.json
• python datax.py --jvm="-Xms3G -Xmx3G" ../job/test.json

用户名和密码都是必填项

由于目标数据库可以使用默认用户名密码登录，因此配置文件中username和password就直接留空了。结果报了如下错误，说明DataX一定要你填个用户名密码，不然无法正常执行。

JDBC的额外配置参数

不建议在没有服务器身份验证的情况下建立SSL连接。根据MySQL 5.5.45+、5.6.26+和5.7.6+的要求，如果不设置显式选项，则必须建立默认的SSL连接。您需要通过设置useSSL=false显式地禁用SSL，或者设置useSSL=true并为服务器证书验证提供信任存储

jdbc:mysql://127.0.0.1:3306/databaseName?useUnicode=true&characterEncoding=utf-8&useSSL=false

必须预先建表

直接执行job后，报如下错误。提示是因为目标数据库中没有这个表。因此在使用DataX进行数据同步时，必须在目标数据库预先建立对应的表结构。

column个数必须相同

配置的时候把源表的column全列出来了，由于仅需要抽取部分字段，因此目标column只配了部分。执行job，报如下错误。

说明 —— 在json配置文件中，源column的个数，必须与目标column的个数相同。

同步成功