高可用数据同步方案-SqlServer迁移Mysql实战

简介

随着业务量的上升，以前的架构已经不满足业务的发展，数据作为业务中最重要的一环，需要有更好的架构作为支撑。目前我司有sql server转mysql的需求，所以结合当前业务，我挑选了阿里云开源的一个很好用的同步工具DataX

DataX介绍

DataX 是一个异构数据源离线同步工具，致力于实现包括关系型数据库(MySQL、Oracle等)、HDFS、Hive、MaxCompute(原ODPS)、HBase、FTP等各种异构数据源之间稳定高效的数据同步功能。

框架设计

datax_framework_new

DataX本身作为离线数据同步框架，采用Framework + plugin架构构建。将数据源读取和写入抽象成为Reader/Writer插件，纳入到整个同步框架中。

Reader：Reader为数据采集模块，负责采集数据源的数据，将数据发送给Framework。
Writer： Writer为数据写入模块，负责不断向Framework取数据，并将数据写入到目的端。
Framework：Framework用于连接reader和writer，作为两者的数据传输通道，并处理缓冲，流控，并发，数据转换等核心技术问题。

实战

下载安装部署

$ wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
$ tar zxvf datax.tar.gz
$ sudo chmod -R 755 {YOUR_DATAX_HOME}

也可以自己下载源码安装，不过需要安装maven

$ git clone git@github.com:alibaba/DataX.git
$ cd  {DataX_source_code_home}
$ mvn -U clean package assembly:assembly -Dmaven.test.skip=true

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/
   bin        conf        job     lib     log     log_perf    plugin

配置

你需要编写一个基本信息配置文件，文件包括原库到写入库的表字段对应关系。基本信息包括

{
"job": {
"content": [
      {
"reader": {        //读入库配置，比如说是sql server
"name": "",      //数据源名称，别瞎写
"parameter": {}  //数据库配置信息
        },
"writer": {        //写入库配置，比如说是mysql
"name": "",      //数据源名称，别瞎写
"parameter": {}  //数据库配置信息
        }
      }
    ],
"setting": {            //基本设置
"speed": {            //流量控制
"channel": 1,       //同步时候的并发数
"byte": 104857600   //同步时候的字节大小，影响速度
      },
"errorLimit": {       //脏数据控制
"record": 10,       //脏数据最大记录数阈值
"percentage": 0.05  //脏数据占比阈值
      }
    }
  }
}

下面给一个配置demo，大家根据自己的需要修改demo，然后使用

{
"job": {
"setting": {
"speed": {
"byte": 1073741824
               }
          },
"content": [
               {
"reader": {
"name": "sqlserverreader",
"parameter": {
"username": "root",  //自己根据需要修改数据库用户名
"password": "admin", //密码
"where": "",
"connection": [
                                   {
"querySql": [
"SELECT Id,MyReasonId,MyProductType,MyReason FROM dbo.MyReason  WITH ( NOLOCK )"
                                        ],//全量sql,根据自己需要写增量sql也可以
"jdbcUrl": [
"jdbc:sqlserver://192.168.1.1:1433;DatabaseName=XXXX"
                                        ]//自己根据需要修改数据库连接
                                   }
                              ]
                         }
                    },
"writer": {
"name": "mysqlwriter",
"parameter": {
"writeMode": "insert",  //写入模式，这里写插入
"username": "root",//自己根据需要修改数据库用户名
"password": "admin",//密码
"column": [
"id",       //注意与上面的列一一对应
"my_reason_id",
"my_product_type",
"my_reason" 
                                    ],
"connection": [
                                   {
"jdbcUrl": "jdbc:mysql://192.168.1.2:3306/XXX?useUnicode=true&characterEncoding=utf-8",
"table": [
"my_reason"
                                        ]
                                   }
                              ]
                         }
                    }
               }
          ]
     }
}

编辑好之后，放到新建work目录里面，然后存为mssql_to_mysql.json，下面就可以运行了

运行

$ cd  {YOUR_DATAX_HOME}/bin
$ python datax.py ../work/mssql_to_mysql.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

这样就说明成功啦

进阶

job配置

将你需要同步的增量数据放入到安装目录job下面，存为myjob.json，名称随意

linux下通过crontab命令实现

#查看crond服务是否启动，出现以下日志表示已启动
$/sbin/service crond status
 crond (pid  30742) is running...

第一步：创建作业的配置文件（json格式）参考上节内容。这里假设已配置好MySQL到ODPS的配置文件mysql2odps.json
第二步：列出列出crontab文件，命令： crontab -l
（1）若出现以下日志，表示当前用户没有定时任务，用户需要新建crontab文件，并提交crontab文件，参考第三步。
```
$crontab -l
no crontab for xxx
```

（2）若出现以下日志，表示当前用户已经有正在运行的定时任务，用户只需用命令crontab -e 来编辑crontab文件，参考第四步。 shell $ crontab -l 0,10,20,35,44,50 * * * * python /home/admin/datax3/bin/datax.py /home/admin/mysql2odps.json >>/home/hanfa.shf/log.date +\%Y\%m\%d\%H\%M\%S2>&1

第三步：若当前用户没有定时任务（之前从未创建过crontab任务)

（1）创建一个新的crontab文件，如取名crondatax

示例1：每天13点5分进行同步作业，并把运行日志输出到目录/home/hanfa.shf/下log.运行时间文件中,如定时运行是在2016-3-26 13:10:13运行的，产生的日志文件名为：log.20160326131023
```
$ vim crondatax
#输入以下内容
5  13 * * *  python /home/admin/datax3/bin/datax.py /home/admin/mysql2odps.json  >>/home/hanfa.shf/log.`date +\%Y\%m\%d\%H\%M\%S`  2>&1
#/home/admin/datax3/bin/datax.py 表示你安装的DataX datax.py所在目录（请替换为您真实的绝对路径目录）；
#/home/admin/mysql2odps.json  表示作业的配置文件目录（请替换为您真实的绝对路径目录）；
#/home/hanfa.shf/log.`date +\%Y\%m\%d\%H\%M\%S` 表示日志输出位置，并以log.当前时间 命名（请替换为您真实的绝对路径目录）
```
（2）提交你刚刚创建的crontab文件

shell $ crontab crondatax #crondatax 你创建的crontab文件名

（3）重启crontab服务

shell $ sudo /etc/init.d/crond restart Stopping crond: [ OK ] Starting crond: [ OK ]

（4）在13点5分过后，在日志目录会看到对应的日文件 shell $ ls -al /home/hanfa.shf/ -rw-r--r-- 1 hanfa.shf users 12062 Mar 26 13:05 log.20160326130501
第四步：若当前用户已有定时任务（想继续增加定时任务）
（1）编辑已有crontab文件
示例2：每10分钟运行一次同步任务,并把运行日志输出到目录/home/hanfa.shf/下log.运行时间文件中，如定时运行是在2016-3-26 13:10:13运行的，产生的日志文件名为：log.20160326131023
```
$ crontab -e
#会进入已有crontab文件编辑界面，继续增加定时任务即可，本示例增加以下内容,并保存
0,10,20,30,40,50 * * * *  python /home/admin/datax3/bin/datax.py /home/admin/mysql2odps.json  >>/home/hanfa.shf/log.`date +\%Y\%m\%d\%H\%M\%S`  2>&1
```
（2）重启crontab服务

$ sudo /etc/init.d/crond restart

（3）用crontab -l 命令检查是否添加成功

 $ crontab -l
5  13 * * *  python /home/admin/datax3/bin/datax.py /home/admin/mysql2odps.json  >>/home/hanfa.shf/log.`date +\%Y\%m\%d\%H\%M\%S`  2>&1
0,10,20,30,40,50 * * * *  python /home/admin/datax3/bin/datax.py /home/admin/mysql2odps.json  >>/h

进阶内容引自官方教程 ^_^

来源：oschina

链接：https://my.oschina.net/u/4290811/blog/3980039

标签

datax

Framework