ElasticSearch实战（四十四）-Datax 开源数据离线同步方案

Posted 2021-10-11 张志翔ۤ

       Datax 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括 mysql、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各种异构数据源之间高效的数据同步功能。

        Datax 本身作为数据同步框架，将不同数据源的同步抽象为从源头数据源读取数据的Reader插件，以及向目标端写入数据的Writer插件，理论上DataX框架可以支持任意数据源类型的数据同步工作。同时 Datax 插件体系作为一套生态系统, 每接入一套新数据源该新加入的数据源即可实现和现有的数据源互通。

        注：Datax 和 Logstash 应用的场景差不多，简单的数据关联计算的离线同步，这两者都很好用，工作中看使用哪种方案比较顺手就用哪个就可以。

一、Datax应用场景

        Datax工具将三方数据库中的数据同步到 Elasticsearch中，DataX目前已经有了比较全面的插件体系，主流的RDBMS数据库、NOSQL、大数据计算系统都已经接入，目前支持数据如下图：

        可以看到Elasticsearch只支持写，但是不支持读的，如果支持从Elasticsearch读出来，写到mysql也是很好的，如果要支持ElasticSearch读，需要自己写相关的插件，不过已经有大牛做了这个事情了，我们只需要把插件搞到Datax中就能用了，插件地址：