DataX 3.0离线同步课件.pdf
25墨值下载
1.datax概述
【繁星课堂】
项目地址
https://github.com/alibaba/DataX
简介
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、ODPS、
HBase、FTP等各种异构数据源之间稳定高效的数据同步功能。
设计理念
为了解决异构数据源同步问题，DataX将复杂的网状的同步链路
变成了星型数据链路，DataX作为中间传输载体负责连接各种数
据源。当需要接入一个新的数据源的时候，只需要将此数据源
对接到DataX，便能跟已有的数据源做到无缝数据同步。
当前使用现状
DataX在阿里巴巴集团内被广泛使用，承担了所有大数据的离线
同步业务，并已持续稳定运行了6年之久。目前每天完成同步8w
多道作业，每日传输数据量超过300TB。
DataX3.0框架设计
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。
DataX3.0核心架构
DataX 3.0 开源版本支持单机多线程模式完成同步作业运行，本
小节按一个DataX作业生命周期的时序图，从整体架构设计非常
简要说明DataX各个模块相互关系。
核心模块介绍：
1. DataX完成单个数据同步的作业，我们称之为Job，DataX接
受到一个Job之后，将启动一个进程来完成整个作业同步过
程。DataX Job模块是单个作业的中枢管理节点，承担了数
of 32
25墨值下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论