DataX AdbMysqlWriter

1 快速介绍

AdbMysqlWriter 插件实现了写入数据到 ADB MySQL 目的表的功能。在底层实现上， AdbMysqlWriter 通过 JDBC 连接远程 ADB MySQL 数据库，并执行相应的 insert into ... 或者 ( replace into ... ) 的 SQL 语句将数据写入 ADB MySQL，内部会分批次提交入库。

AdbMysqlWriter 面向ETL开发工程师，他们使用 AdbMysqlWriter 从数仓导入数据到 ADB MySQL。同时 AdbMysqlWriter 亦可以作为数据迁移工具为DBA等用户提供服务。

2 实现原理

AdbMysqlWriter 通过 DataX 框架获取 Reader 生成的协议数据，AdbMysqlWriter 通过 JDBC 连接远程 ADB MySQL 数据库，并执行相应的 insert into ... 或者 ( replace into ... ) 的 SQL 语句将数据写入 ADB MySQL。

insert into...(遇到主键重复时会自动忽略当前写入数据，不做更新，作用等同于insert ignore into)

或者

replace into...(没有遇到主键/唯一性索引冲突时，与 insert into 行为一致，冲突时会用新行替换原有行所有字段) 的语句写入数据到 MySQL。出于性能考虑，采用了 PreparedStatement + Batch，并且设置了：rewriteBatchedStatements=true，将数据缓冲到线程上下文 Buffer 中，当 Buffer 累计到预定阈值时，才发起写入请求。

注意：整个任务至少需要具备 `insert/replace into...` 的权限，是否需要其他权限，取决于你任务配置中在 preSql 和 postSql 中指定的语句。

3 功能说明

3.1 配置样例

这里使用一份从内存产生到 ADB MySQL 导入的数据。

{
"job": {
    "setting": {
        "speed": {
            "channel": 1
        }
    },
    "content": [
        {
             "reader": {
                "name": "streamreader",
                "parameter": {
                    "column" : [
                        {
                            "value": "DataX",
                            "type": "string"
                        },
                        {
                            "value": 19880808,
                            "type": "long"
                        },
                        {
                            "value": "1988-08-08 08:08:08",
                            "type": "date"
                        },
                        {
                            "value": true,
                            "type": "bool"
                        },
                        {
                            "value": "test",
                            "type": "bytes"
                        }
                    ],
                    "sliceRecordCount": 1000
                }
            },
            "writer": {
                "name": "adbmysqlwriter",
                "parameter": {
                    "writeMode": "replace",
                    "username": "root",
                    "password": "root",
                    "column": [
                        "*"
                    ],
                    "preSql": [
                        "truncate table @table"
                    ],
                    "connection": [
                        {
                            "jdbcUrl": "jdbc:mysql://ip:port/database?useUnicode=true",
                            "table": [
                                "test"
                            ]
                        }
                    ]
                }
            }
        }
    ]
}
}

3.2 参数说明

jdbcUrl

描述：目的数据库的 JDBC 连接信息。作业运行时，DataX 会在你提供的 jdbcUrl 后面追加如下属性：yearIsDateType=false&zeroDateTimeBehavior=convertToNull&rewriteBatchedStatements=true

   注意：1、在一个数据库上只能配置一个 jdbcUrl
        2、一个 AdbMySQL 写入任务仅能配置一个 jdbcUrl
        3、jdbcUrl按照MySQL官方规范，并可以填写连接附加控制信息，比如想指定连接编码为 gbk ，则在 jdbcUrl 后面追加属性 useUnicode=true&characterEncoding=gbk。具体请参看 Mysql官方文档或者咨询对应 DBA。

必选：是
默认值：无

username
- 描述：目的数据库的用户名
- 必选：是
- 默认值：无
password
- 描述：目的数据库的密码
- 必选：是
- 默认值：无
table
- 描述：目的表的表名称。只能配置一个 AdbMySQL 的表名称。
```
   注意：table 和 jdbcUrl 必须包含在 connection 配置单元中
```
- 必选：是
- 默认值：无

column

描述：目的表需要写入数据的字段,字段之间用英文逗号分隔。例如: "column": ["id", "name", "age"]。如果要依次写入全部列，使用*表示, 例如: "column": ["*"]。

**column配置项必须指定，不能留空！**

   注意：1、我们强烈不推荐你这样配置，因为当你目的表字段个数、类型等有改动时，你的任务可能运行不正确或者失败
        2、 column 不能配置任何常量值

必选：是
默认值：否

session
- 描述: DataX在获取 ADB MySQL 连接时，执行session指定的SQL语句，修改当前connection session属性
- 必须: 否
- 默认值: 空
preSql
- 描述：写入数据到目的表前，会先执行这里的标准语句。如果 Sql 中有你需要操作到的表名称，请使用 @table 表示，这样在实际执行 SQL 语句时，会对变量按照实际表名称进行替换。比如希望导入数据前，先对表中数据进行删除操作，那么你可以这样配置："preSql":["truncate table @table"]，效果是：在执行到每个表写入数据前，会先执行对应的 truncate table 对应表名称
- 必选：否
- 默认值：无
postSql
- 描述：写入数据到目的表后，会执行这里的标准语句。（原理同 preSql ）
- 必选：否
- 默认值：无
writeMode
- 描述：控制写入数据到目标表采用 insert into 或者 replace into 或者 ON DUPLICATE KEY UPDATE 语句
- 必选：是
- 所有选项：insert/replace/update
- 默认值：replace
batchSize
- 描述：一次性批量提交的记录数大小，该值可以极大减少DataX与 Adb MySQL 的网络交互次数，并提升整体吞吐量。但是该值设置过大可能会造成DataX运行进程OOM情况。
- 必选：否
- 默认值：2048

3.3 类型转换

目前 AdbMysqlWriter 支持大部分 MySQL 类型，但也存在部分个别类型没有支持的情况，请注意检查你的类型。

下面列出 AdbMysqlWriter 针对 MySQL 类型转换列表:

DataX 内部类型	AdbMysql 数据类型
Long	tinyint, smallint, int, bigint
Double	float, double, decimal
String	varchar
Date	date, time, datetime, timestamp
Boolean	boolean
Bytes	binary

4 性能报告

4.1 环境准备

4.1.1 数据特征

TPC-H 数据集 lineitem 表，共 17 个字段, 随机生成总记录行数 59986052。未压缩总数据量：7.3GiB

建表语句：

CREATE TABLE `datax_adbmysqlwriter_perf_lineitem` (
    `l_orderkey` bigint NOT NULL COMMENT '',
    `l_partkey` int NOT NULL COMMENT '',
    `l_suppkey` int NOT NULL COMMENT '',
    `l_linenumber` int NOT NULL COMMENT '',
    `l_quantity` decimal(15,2) NOT NULL COMMENT '',
    `l_extendedprice` decimal(15,2) NOT NULL COMMENT '',
    `l_discount` decimal(15,2) NOT NULL COMMENT '',
    `l_tax` decimal(15,2) NOT NULL COMMENT '',
    `l_returnflag` varchar(1024) NOT NULL COMMENT '',
    `l_linestatus` varchar(1024) NOT NULL COMMENT '',
    `l_shipdate` date NOT NULL COMMENT '',
    `l_commitdate` date NOT NULL COMMENT '',
    `l_receiptdate` date NOT NULL COMMENT '',
    `l_shipinstruct` varchar(1024) NOT NULL COMMENT '',
    `l_shipmode` varchar(1024) NOT NULL COMMENT '',
    `l_comment` varchar(1024) NOT NULL COMMENT '',
    `dummy` varchar(1024),
    PRIMARY KEY (`l_orderkey`, `l_linenumber`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='datax perf test';

单行记录类似于：

        l_orderkey: 2122789
         l_partkey: 1233571
         l_suppkey: 8608
      l_linenumber: 1
        l_quantity: 35.00
   l_extendedprice: 52657.85
        l_discount: 0.02
             l_tax: 0.07
      l_returnflag: N
      l_linestatus: O
        l_shipdate: 1996-11-03
      l_commitdate: 1996-12-07
     l_receiptdate: 1996-11-16
    l_shipinstruct: COLLECT COD
        l_shipmode: FOB
         l_comment: ld, regular theodolites.
             dummy:

4.1.2 机器参数

DataX ECS: 24Core48GB
Adb MySQL 数据库
- 计算资源：16Core64GB（集群版）
- 弹性IO资源：3

4.1.3 DataX jvm 参数

-Xms1G -Xmx10G -XX:+HeapDumpOnOutOfMemoryError

4.2 测试报告

通道数	批量提交行数	DataX速度(Rec/s)	DataX流量(MB/s)	导入用时(s)
1	512	23071	2.34	2627
1	1024	26080	2.65	2346
1	2048	28162	2.86	2153
1	4096	28978	2.94	2119
4	512	56590	5.74	1105
4	1024	81062	8.22	763
4	2048	107117	10.87	605
4	4096	113181	11.48	579
8	512	81062	8.22	786
8	1024	127629	12.95	519
8	2048	187456	19.01	369
8	4096	206848	20.98	341
16	512	130404	13.23	513
16	1024	214235	21.73	335
16	2048	299930	30.42	253
16	4096	333255	33.80	227
32	512	206848	20.98	347
32	1024	315716	32.02	241
32	2048	399907	40.56	199
32	4096	461431	46.80	184
64	512	333255	33.80	231
64	1024	399907	40.56	204
64	2048	428471	43.46	199
64	4096	461431	46.80	187
128	512	333255	33.80	235
128	1024	399907	40.56	203
128	2048	425432	43.15	197
128	4096	387006	39.26	211

说明：

datax 使用 txtfilereader 读取本地文件，避免源端存在性能瓶颈。

性能测试小结

channel通道个数和batchSize对性能影响比较大
通常不建议写入数据库时，通道个数 > 32

5 约束限制

FAQ

Q: AdbMysqlWriter 执行 postSql 语句报错，那么数据导入到目标数据库了吗?

A: DataX 导入过程存在三块逻辑，pre 操作、导入操作、post 操作，其中任意一环报错，DataX 作业报错。由于 DataX 不能保证在同一个事务完成上述几个操作，因此有可能数据已经落入到目标端。

Q: 按照上述说法，那么有部分脏数据导入数据库，如果影响到线上数据库怎么办?

A: 目前有两种解法，第一种配置 pre 语句，该 sql 可以清理当天导入数据， DataX 每次导入时候可以把上次清理干净并导入完整数据。第二种，向临时表导入数据，完成后再 rename 到线上表。

Q: 上面第二种方法可以避免对线上数据造成影响，那我具体怎样操作?

A: 可以配置临时表导入

adbmysqlwriter.md 12 KB Түүх Анхны өгөгдөл