datax源码下载与编译

1. 源码下载：[https://github.com/alibaba/DataX](https://github.com/alibaba/DataX)

2. 在idea中打开datax工程。可以看到工程下有很多maven module，其中大部分是datax插件，首先编译springboot工程必要的以下四个module：

   • datax-common
   • datax-core
   • datax-transformer
   • plugin-rdbms-util

   datax编译过程中会发现有些引用在maven中央仓库和阿里镜像中都没有，回头上传一份儿过来。

3. 编译插件
   根据实际需求，编译数据读取和写入需要的各种reader和writer。如，需要从mysql库中读取数据，写入hive，则分别编译mysqlreader和hdfswriter。
   编译插件必须使用命令mvn -U clean package assembly:assembly -Dmaven.test.skip=true,编译成功后，到target文件夹找到类似datax/plugin/reader/mysqlreader的目录，里面有编译好的jar包、引用库、插件描述文件和job模板示例文件，如：

   • lib/
   • mysqlreader-0.0.1-SNAPSHOT.jar
   • plugin.json
   • plugin_job_template.json

4. 在本地磁盘新建datax_home文件夹，作为程序运行的home文件夹。将datax工程目录下的core/src/main/conf文件夹复制到datax_home文件夹下。

5. 在datax_home下建立plugin/reader和plugin/writer文件夹，将先前编译成功的reader和writer插件分别放置于此目录。

datax job config

在执行datax数据传输任务前，需要完成任务配置。这部分内容网上有很多教程和示例，此处不赘述，只贴一个简单的demo。

{
	"job": {
		"settting": {
			"speed": {
				"channel": 3,
				"byte": null
			},
			"errorLimit": null
		},
		"content": [{
			"reader": {
				"name": "postgresqlreader",
				"parameter": {
					"username": "数据库用户名",
					"password": "数据库密码",
					"where": "sql的where子句过滤条件",
					"column": ["id", "name", "describe", "data_source_id", "read_sql"],
					"splitPk": null,
					"connection": [{
						"table": ["要读取的表名"],
						"jdbcUrl": ["数据库连接串"],
						"querySql": null
					}]
				}
			},
			"writer": {
				"name": "hdfswriter",
				"parameter": {
					"defaultFS": "写入hdfs的namenode地址",
					"fileType": "hdfswriter仅支持TEXT和ORC",
					"path": "/hdfs/t_user/",
					"fileName": "t_user.TEXT",
					"column": [{
						"name": "id",
						"type": "int"
					}, {
						"name": "name",
						"type": "string"
					}, {
						"name": "age",
						"type": "int"
					}, {
						"name": "sex",
						"type": "string"
					}, {
						"name": "province",
						"type": "string"
					}],
					"writeMode": "append",
					"fieldDelimiter": ",",
					"compress": null
				}
			}
		}]
	}
}

Springboot工程

pom.xml

需要配置以下引用

	<dependency>
		<groupId>com.alibaba.datax</groupId>
	    <artifactId>datax-common</artifactId>
		<version>0.0.1-SNAPSHOT</version>
	</dependency>
	<dependency>
	    <groupId>com.alibaba.datax</groupId>
	    <artifactId>datax-core</artifactId>
	    <version>0.0.1-SNAPSHOT</version>
	</dependency>
	<dependency>
	    <groupId>com.alibaba.datax</groupId>
	    <artifactId>datax-transformer</artifactId>
	    <version>0.0.1-SNAPSHOT</version>
	</dependency>
	<dependency>
	    <groupId>com.alibaba.datax</groupId>
	    <artifactId>plugin-rdbms-util</artifactId>
	    <version>0.0.1-SNAPSHOT</version>
	</dependency>
	<dependency>
	    <groupId>com.fasterxml.jackson.core</groupId>
	    <artifactId>jackson-annotations</artifactId>
	    <version>2.10.5</version>
	</dependency>

主运行程序

public void start(String jsonPath){
		System.setProperty("datax.home", getHomePath());
        String[] datxArgs = {"-job", jsonPath,
                "-mode", "standalone",
                "-jobid", "-1"};
        try {
            Engine.entry(datxArgs);
        } catch (Throwable var6) {
            log.error("\n\n经DataX智能分析,该任务最可能的错误原因是:\n" + ExceptionTracker.trace(var6));
        }
}

代码讲解：

1. jsonPath参数传入的是job的json配置文件路径；
2. System.setProperty()方法向系统传入datax.home变量，其值是预先定义的datax_home文件夹的地址。

遇到的个掰倒霉问题

• java.lang.IllegalAccessError: class org.apache.hadoop.hdfs.web.HftpFileSystem cannot access its superinterface org.apache.hadoop.hdfs.web.TokenAspect$TokenManagementDelegator
  出现该异常的原因是作者工程的其他模块中引用了hadoop-hdfs-2.7.1.jar，出现了jar包引用冲突。解决方法是删除hdfswriter/hadoop-hdfs-*.jar。

另

这篇文章是datax集成过程中遇到的各种问题解决后的小记，后续还有很多问题需要记录。