DataX Web介绍及安装（DataX可视化界面）

下载地址

datax GitHub地址：https://github.com/alibaba/DataX.git

datax web Git地址：https://github.com/WeiYe-Jing/datax-web

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

datax web界面预览

datax web架构图

DataX Web用户手册

一、github下载master分支或者release版本到本地

DataX Web下载地址

二、安装DataX

• 方法一、直接下载DataX工具包：DataX下载地址

  下载后解压至本地某个目录，进入bin目录，即可运行同步作业：

  $ 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：DataX源码

  (1)、下载DataX源码：

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

  (2)、通过maven打包：

  $ cd  {DataX_source_code_home}$ mvn -U clean package assembly:assembly -Dmaven.test.skip=true

  打包成功，日志显示如下：

  [INFO] BUILD SUCCESS[INFO] -----------------------------------------------------------------[INFO] Total time: 08:12 min[INFO] Finished at: 2015-12-13T16:26:48+08:00[INFO] Final Memory: 133M/960M[INFO] -----------------------------------------------------------------

  打包成功后的DataX包位于 {DataX_source_code_home}/target/datax/datax/ ，结构如下：

  $ cd  {DataX_source_code_home}$ ls ./target/datax/datax/binconfjoblibloglog_perfpluginscripttmp

• 配置示例：从stream读取数据并打印到控制台

  • 第一步、创建创业的配置文件（json格式）

    可以通过命令查看配置模板： python datax.py -r {YOUR_READER} -w {YOUR_WRITER}

    $ cd  {YOUR_DATAX_HOME}/bin$  python datax.py -r streamreader -w streamwriterDataX (UNKNOWN_DATAX_VERSION), From Alibaba !Copyright (C) 2010-2015, Alibaba Group. All Rights Reserved.Please refer to the streamreader document:    https://github.com/alibaba/DataX/blob/master/streamreader/doc/streamreader.md Please refer to the streamwriter document:     https://github.com/alibaba/DataX/blob/master/streamwriter/doc/streamwriter.md  Please save the following configuration as a json file and  use     python {DATAX_HOME}/bin/datax.py {JSON_FILE_NAME}.json to run the job.{    "job": {        "content": [            {                "reader": {                    "name": "streamreader",                     "parameter": {                        "column": [],                         "sliceRecordCount": ""                    }                },                 "writer": {                    "name": "streamwriter",                     "parameter": {                        "encoding": "",                         "print": true                    }                }            }        ],         "setting": {            "speed": {                "channel": ""            }        }    }}

    根据模板配置json如下：

    #stream2stream.json{  "job": {    "content": [      {        "reader": {          "name": "streamreader",          "parameter": {            "sliceRecordCount": 10,            "column": [              {                "type": "long",                "value": "10"              },              {                "type": "string",                "value": "hello，你好，世界-DataX"              }            ]          }        },        "writer": {          "name": "streamwriter",          "parameter": {            "encoding": "UTF-8",            "print": true          }        }      }    ],    "setting": {      "speed": {        "channel": 5       }    }  }}

  • 第二步：启动DataX

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

    同步结束，显示日志如下：

    ...2015-12-17 11:20:25.263 [job-0] INFO  JobContainer - 任务启动时刻                    : 2015-12-17 11:20:15任务结束时刻                    : 2015-12-17 11:20:25任务总计耗时                    :                 10s任务平均流量                    :              205B/s记录写入速度                    :              5rec/s读出记录总数                    :                  50读写失败总数                    :                   0

    三、Web部署

    1.linux环境部署

    linux环境部署

    2.开发环境部署（或参考文档 Debug）

    2.1 创建数据库

    执行bin/db下面的datax_web.sql文件(注意老版本更新语句有指定库名)

    2.2 修改项目配置

    1.修改datax_admin下resources/application.yml文件

    #数据源  datasource:    username: root    password: root    url: jdbc:mysql://localhost:3306/datax_web?serverTimezone=Asia/Shanghai&useLegacyDatetimeCode=false&useSSL=false&nullNamePatternMatchesAll=true&useUnicode=true&characterEncoding=UTF-8    driver-class-name: com.mysql.jdbc.Driver

    修改数据源配置，目前仅支持mysql

    # 配置mybatis-plus打印sql日志logging:  level:    com.wugui.datax.admin.mapper: error  path: ./data/applogs/admin

    修改日志路径path

      # datax-web email  mail:    host: smtp.qq.com    port: 25    username: xxx@qq.com    password: xxx    properties:      mail:        smtp:          auth: true          starttls:            enable: true            required: true        socketFactory:          class: javax.net.ssl.SSLSocketFactory

    修改邮件发送配置(不需要可以不修改)

    2.修改datax_executor下resources/application.yml文件

    # log configlogging:  config: classpath:logback.xml  path: ./data/applogs/executor/jobhandler

    修改日志路径path

    datax:  job:    admin:      ### datax-web admin address      addresses: http://127.0.0.1:8080    executor:      appname: datax-executor      ip:      port: 9999      ### job log path      logpath: ./data/applogs/executor/jobhandler      ### job log retention days      logretentiondays: 30  executor:    jsonpath: /Users/mac/data/applogs  pypath: /Users/mac/tools/datax/bin/datax.py

    修改datax.job配置

    • admin.addresses datax_admin部署地址，如调度中心集群部署存在多个地址则用逗号分隔，执行器将会使用该地址进行"执行器心跳注册"和"任务结果回调"；
    • executor.appname 执行器AppName，每个执行器机器集群的唯一标示,执行器心跳注册分组依据；
    • executor.ip 默认为空表示自动获取IP，多网卡时可手动设置指定IP，该IP不会绑定Host仅作为通讯实用；地址信息用于 “执行器注册” 和 “调度中心请求并触发任务”；
    • executor.port 执行器Server端口号，默认端口为9999，单机部署多个执行器时，注意要配置不同执行器端口；
    • executor.logpath 执行器运行日志文件存储磁盘路径,需要对该路径拥有读写权限;
    • executor.logretentiondays 执行器日志文件保存天数,过期日志自动清理, 限制值大于等于3时生效; 否则, 如-1, 关闭自动清理功能；
    • executor.jsonpath datax json临时文件保存路径
    • pypath DataX启动脚本地址，例如：xxx/datax/bin/datax.py

      如果系统配置DataX环境变量（DATAX_HOME），logpath、jsonpath、pypath可不配，log文件和临时json存放在环境变量路径下。

      四、启动项目

      1.本地idea开发环境

      • 1.运行datax_admin下 DataXAdminApplication
      • 2.运行datax_executor下 DataXExecutorApplication

        admin启动成功后日志会输出三个地址，两个接口文档地址，一个前端页面地址

        五、启动成功

        启动成功后打开页面（默认管理员用户名：admin 密码：123456）

        http://localhost:8080/index.html#/dashboard

        六、集群部署

        • 调度中心、执行器支持集群部署，提升调度系统容灾和可用性。

          • 1.调度中心集群：

            DB配置保持一致；
            

            集群机器时钟保持一致（单机集群忽视）；
            

          • 2.执行器集群:

            执行器回调地址(admin.addresses）需要保持一致；执行器根据该配置进行执行器自动注册等操作。

            同一个执行器集群内AppName（executor.appname）需要保持一致；调度中心根据该配置动态发现不同集群的在线执行器列表。

            常见问题

            部署过程中遇到的常见问题，其解决方式可参考如下这篇博文：

            https://blog.csdn.net/axq19910228/article/details/127730889