首页 > 编程语言 >异构数据源同步之数据同步 → datax 再改造,开始触及源码

异构数据源同步之数据同步 → datax 再改造,开始触及源码

时间:2024-05-27 09:00:50浏览次数:30  
标签:core 同步 数据源 qsl json 源码 DataX datax

开心一刻

其实追女生,没那么复杂

只要你花心思,花时间,陪她聊天,带她吃好吃的,耍好玩的,买好看的

慢慢你就会发现什么叫做 打水漂

不说了,我要去陪她看电影了

打水漂

前情回顾

异构数据源同步之数据同步 → datax 改造,有点意思

主要讲到了2点

  • Python,直接在命令行用 java 命令来启动
  • 通过 java 代码拉起 DataX 进程来启动

虽说很简单,但也涉及一些细节,推荐你们去看看

说是改造 DataX ,其实算不上,顶多算是在新手村蹦跶,对 DataX 来说无关痛痒

班门弄斧

我们总不能一直待在新手村吧,觉醒姐 都说了

女性现在是已经清醒觉醒,独立的在走向成长的道路上

希望广大男同胞,能够自信起来,睁眼看世界

然后要好好的努力,不要破防了之后就骂骂咧咧、哭哭啼啼的

我就断章取义下,就是说猿友们要好好努力,走出新手村,去改造 DataX 源码!

基础准备

既然是改源码,那么我们肯定得先获取源码,对不对?

不然我们改个毛呀

如何获取源码,我再教你们一遍

  1. 找到 DataX 官网

    https://github.com/alibaba/DataX

  2. 源码下载

    源码下载

    下载方式有很多,概括为 2 种

    1. git clone
    2. 源码压缩包

    推荐用 git clone ,存在版本管理,修改错了能够回滚,对我们改造源码好处多多

但是,没梯子的化,有堵墙会阻碍我们下载源码

此时不要慌,我们可以从 Gitee 下载

https://gitee.com/mirrors/DataX

下载方式与上面讲的一致,不再赘述

下载下来后,你们会发现 plugin 模块太多

datax plugin

这么长,就问你们怕不怕?

我反正挺害怕的,根本不想改,要不算了,散了吧

散了吧

等等,先别散,还有得救,不就是 plugin 太多吗

那就都删了,只留一对不就好了

这里不推荐真的直接去删,因为要删的太多了

我们可以将必要的复制出来,进行简化,就像这样

简化后结构

因为模块名调整了,所以每个模块的 pom.xml 需要微调下,而不能完全复制

至于 pom.xml 怎么个微调法,我相信你们都懂得

assembly 也需要微调,你们别漏了

其他的,例如 srcdoc ,完全复制即可

qsl-datax-debug 就是 DataX 中的模块 datax-example

qsl-datax-debug

只是我做了一个合并处理,作用是一样的

qsl-datax 源码地址

https://gitee.com/youzhibing/qsl-datax

执行 com.qsl.executor.DebugTest#mysql2Mysql ,结果如下

初次同步

出现上图,说明我们的简化抽取是没有问题的

至此,基础准备算是完成了,是不是很简单?

不是试试

后续的操作都是基于 qsl-datax ,请尽情的开始你们的改造吧

修复组件安全漏洞

不知道你们公司是怎么看待组件安全漏洞的,反正我司是非常重视的

就我个人而言,我是比较反感组件安全漏洞修复的

因为升级组件版本是有前提的,不是说升到安全版本就升到安全版本的

必须保证业务功能不受影响,如何保证了?

这可不是小孩子过家家,来不了一点虚的,必须将组件涉及到的业务功能都测一遍,就问你慌不慌?

有时候某个小组件的升级, 不亚于一次系统的改造

反正我是经历过血的教训的

都说了能不动就别动,非要去调整,出生产事故了吧

不到万不得已,千万不要去手贱

手贱

有点扯远了,我们继续看组件安全漏洞修复

虽说我对安全漏洞可以忍,但是代码 标黄警告 我是真的不能忍

安全

反手就是一个 Ignore,眼不见心不烦!

还有谁

但是非常不推荐这样做,指标不治本,躲得过初一躲不过十五,还是推荐升级到安全版本

尤其是项目初期,反正要进行全业务功能测试的,所以随便升

根据提示,升级到安全版本还是非常容易的,但是组件升级了还不算完

爽完了你得给钱,不然交易不算完成,是有隐患的!

不好意思,说漏嘴了,组件升级了一定要进行业务流程验证

程序还能不能跑起来,业务流程是否正常,等等

我就不一一演示每个组件的升级了,我全量改了之后提交,你们直接去看源码

最后要给你们打个预防针

当下安全的版本在未来不一定安全,所以组件安全漏洞修复是一项长期的工作!!!

好难

core.json 配置化

面对此命题,你们是不是有疑问

core.json 在 conf 目录下已经存在了

core_json

难道这不算配置化?

这肯定算配置化,但是我觉得不够灵活

假设针对不同的 job,我们需要配置不同的 core.json,你们想如何应对

你们肯定会说

每启动一个 job,就修改一次 core.json,so easy

可行是可行,但你们不觉得有很大的局限吗

面对一个两个 job,可以这样手动去改

但如果是十个八个,甚至上百个 job 了,你们又该如何应对

所以,我说的配置化是指

core.json 作为 Datax 的启动参数之一

如果没有指定,则用默认的 conf 目录下的 core.json

如果参数指定,则用指定的 core.json

需求是不是清楚了

但是问题又来了,该怎么改了?

但凡看过我上篇文章

异构数据源同步之数据同步 → datax 改造,有点意思

你们都应该知道从哪里切入

DataX 的启动类嘛

corejson修改切入点

然后再找到它的 main 方法

main

是不是没得选了,只能进 entry 方法了

entry

很幸运,我们已经找到我们想要的了;分两点说明下

  1. 获取 DataX 参数

    java -server -Xms1g -Xmx1g -XX:+HeapDumpOnOutOfMemoryError -Ddatax.home=/datax -classpath /datax/lib/* com.alibaba.datax.core.Engine -mode standalone -jobid -1 -job job.json

    哪些是 jvm 参数,哪些是 DataX 参数,你们能区分出来吗

  2. 解析 job 配置

    core.json 的解析包含在 job.json 解析中

很明显这两处我们都得改

  1. 新增 core 参数

    core_参数支持

    照葫芦画瓢嘛,应该没问题吧

  2. core.json 解析调整

    core 解析

    ConfigParser.parseJobConfig(jobPath) 跟进去后有个细节

    job解析_从core读取参数

    这里仅仅只是用到了 core.json 中的一个配置值

    所以我们可以将这个参数值作为 getJobContent 方法的参数

    serverTimeout

    上游调用的地方也要记得改

    job parse

core.json 配置化就改完了,此处是不是应该有点什么?

640 (4)

集成 DataX

如果只是偶尔的数据同步,那么手动操作 DataX 就够了,又不是不能用

又不是不能用

但是如果是定时同步,并且有非常多的同步,你们还手动操作吗

所有要加个模块

https://gitee.com/youzhibing/qsl-datax/tree/master/qsl-datax-hook

由这个模块去拉起 DataX 进程的同时去对接调度平台

调度平台有很多,例如 XXL-JOBDolphinScheduler Elastic-Job 等等

qsl-datax-hook 目前只实现了 DataX 进程的拉起

datax集成

至于调度平台的对接,需要你们去对接(楼主又不知道你们用的哪个调度平台!)

接下来做什么?

是不是调试 qsl-datax-hookDataX 的对接

  1. 打包我们改造的 DataX

    打包改造的datax

    不出意外的话,在 qsl-datax/target/datax/datax/ 目录下出现了我们熟悉的目录结构

    改造datax后的目录结构

    所以请大声的告诉我,DataXhome 目录 是什么?

    G:\qsl-datax\target\datax\datax

  2. 执行 com.qsl.hook.DataXManagerTest#exec

    这个代码就比较简单了,相信你们都能看懂

    exec

    顺利的话,同步成功日志如下

    exec_log

至此,集成算是基本完成

但是我还要补充一点,就是日志问题

DataX 有自己的日志

datax日志目录

qsl-datax-hook 的日志正好包含了 DataX 的日志,所以呢?

是不是重复了,是不是可以取消一个?

因为后续主要是跟 qsl-datax-hook 打交道,所以推荐做法是

保留 DataX 的日志控制台输出,但不写入文件

qsl-datax-hook 既要控制台输出,还要写入文件

yes-我全都要
  1. DataX 日志调整

    datax 日志调整
  2. qsl-data-hook 日志调整

    qsl-datax-hook日志调整

具体怎么保留日志,是否需要都保留,你们根据自己项目的实际情况进行调整

切勿生搬硬套!!!

总结

  1. 组件安全漏洞修复,虽说不情愿,但还是要修滴

  2. 关于对 DataX 的改造,除非必要,不推荐大家去改

    如果对 DataX 掌握的不够,很容易改出问题

    能不动就不要动,改好没绩效,改出问题要背锅,吃力不讨好,又不是不能跑

  3. DataX + datax-web 基本满足大部分需求,直接拿来用,不推荐重复造轮子

标签:core,同步,数据源,qsl,json,源码,DataX,datax
From: https://www.cnblogs.com/youzhibing/p/18212569

相关文章

  • 源码编译安装LAMP
    1、LAMPLAMP架构是目前成熟的企业网站应用模式之一,指的是协同工作的一整套系统和相关软件,能够提供动态Web站点服务及其应用开发环境。LAMP是一个缩写词,具体包括Linux操作系统、Apache网站服务器、MySQL数据库服务器、PHP(或Perl、Python)网页编程语言。各组件的作用(平台)Li......
  • FPGA复位:(33)同步复位优势?
    1.1同步复位优势?1.1.1本节目录1)本节目录;2)本节引言;3)FPGA简介;4)同步复位优势?5)结束语。1.1.2本节引言“不积跬步,无以至千里;不积小流,无以成江海。就是说:不积累一步半步的行程,就没有办法达到千里之远;不积累细小的流水,就没有办法汇成江河大海。1.1.3FPGA简介FPGA(FieldP......
  • Dubbo阅读源码记录
    1.Protocal:默认dubbo协议,默认端口208802.zk作为注册中心,创建接口下的consumer/provider/configurator/router节点是持久话节点。此四个节点下的节点是临时节点,会话心跳检测不到节点信息,就会自动删除3.@enabledubbo:扫描@service和@reference注解4.dubbo重试次数可以通过xm......
  • kubelet gc 源码分析
    代码kubernetes1.26.15问题混部机子批量节点NotReady(十几个,丫的重大故障),报错为:意思就是rpc超了,节点下有太多PodSandBox,crictlps-a一看有1400多个。。。大量exited的容器没有被删掉,累积起来超过了rpc限制。PodSandBox泄漏,crictlpods可以看到大量同名但是podid不......
  • 基于ssm+jsp家政服务网站系统,家政管理系统,附源码+数据库+论文+PPT,包安装调试
    1、项目介绍随着社会的发展,社会的各行各业都在利用信息化时代的优势。计算机的优势和普及使得各种信息系统的开发成为必需。家政服务网站,主要的模块包括查看管理员;个人中心、用户管理、服务类型管理、家政类型管理、家政评价管理、家政资讯管理、家政服务管理、家政预约管理......
  • Springboot计算机毕业设计学生报到小程序【附源码】开题+论文+mysql+程序+部署
    本系统(程序+源码)带文档lw万字以上 文末可获取一份本项目的java源码和数据库参考。系统程序文件列表开题报告内容研究背景随着教育信息化的不断推进,学生报到流程也逐渐向数字化、智能化方向转变。传统的报到方式通常涉及大量的纸质材料和现场排队等待,不仅效率低下,而且容易......
  • Springboot计算机毕业设计行程日记卡小程序【附源码】开题+论文+mysql+程序+部署
    本系统(程序+源码)带文档lw万字以上 文末可获取一份本项目的java源码和数据库参考。系统程序文件列表开题报告内容研究背景在数字化和移动互联网时代,人们对于旅行方式的需求正发生深刻变化。行程规划、景点打卡、美食推荐等旅行需求日益个性化、多元化。然而,传统的旅行规划......
  • Java项目:基于SSM框架实现的社区服务管理系统分前后台(ssm+B/S架构+源码+数据库+毕业论
    一、项目简介本项目是一套基于SSM框架实现的社区服务管理系统包含:项目源码、数据库脚本等,该项目附带全部源码可作为毕设使用。项目都经过严格调试,eclipse或者idea确保可以运行!该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值二、技术......
  • 045springboot电器家电物品维修系统小程序(源码+文档+运行视频+讲解视频)
    项目技术:springboot+Maven+Vue等等组成,B/S模式+Maven管理等等。环境需要1.运行环境:最好是javajdk1.8,我们在这个平台上运行的。其他版本理论上也可以。2.IDE环境:IDEA,Eclipse,Myeclipse都可以。推荐IDEA;3.tomcat环境:Tomcat7.x,8.x,9.x版本均可4.硬件环境:windows......
  • 042springboot大学生党务学习平台系统小程序(源码+文档+运行视频+讲解视频)
    项目技术:springboot+Maven+Vue等等组成,B/S模式+Maven管理等等。环境需要1.运行环境:最好是javajdk1.8,我们在这个平台上运行的。其他版本理论上也可以。2.IDE环境:IDEA,Eclipse,Myeclipse都可以。推荐IDEA;3.tomcat环境:Tomcat7.x,8.x,9.x版本均可4.硬件环境:windows......