DorisWriter 插件文档

1 快速介绍

DorisWriter支持将大批量数据写入Doris中。

2 实现原理

DorisWriter 通过Doris原生支持Stream load方式导入数据， DorisWriter会将reader读取的数据进行缓存在内存中，拼接成Json文本，然后批量导入至Doris。

3 功能说明

3.1 配置样例

这里是一份从Stream读取数据后导入至Doris的配置文件。

{
    "job": {
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "column": ["emp_no", "birth_date", "first_name","last_name","gender","hire_date"],
                        "connection": [
                            {
                                "jdbcUrl": ["jdbc:mysql://localhost:3306/demo"],
                                "table": ["employees_1"]
                            }
                        ],
                        "username": "root",
                        "password": "xxxxx",
                        "where": ""
                    }
                },
                "writer": {
                    "name": "doriswriter",
                    "parameter": {
                        "loadUrl": ["172.16.0.13:8030"],
                        "column": ["emp_no", "birth_date", "first_name","last_name","gender","hire_date"],
                        "username": "root",
                        "password": "xxxxxx",
                        "postSql": ["select count(1) from all_employees_info"],
                        "preSql": [],
                        "flushInterval":30000,
                        "connection": [
                          {
                            "jdbcUrl": "jdbc:mysql://172.16.0.13:9030/demo",
                            "selectedDatabase": "demo",
                            "table": ["all_employees_info"]
                          }
                        ],
                        "loadProps": {
                            "format": "json",
                            "strip_outer_array": true
                        }
                    }
                }
            }
        ],
        "setting": {
            "speed": {
                "channel": "1"
            }
        }
    }
}

3.2 参数说明

jdbcUrl
- 描述：Doris 的 JDBC 连接串，用户执行 preSql 或 postSQL。
- 必选：是
- 默认值：无
loadUrl
- 描述：作为 Stream Load 的连接目标。格式为 "ip:port"。其中 IP 是 FE 节点 IP，port 是 FE 节点的 http_port。可以填写多个，多个之间使用英文状态的分号隔开:;，doriswriter 将以轮询的方式访问。
- 必选：是
- 默认值：无
username
- 描述：访问Doris数据库的用户名
- 必选：是
- 默认值：无
password
- 描述：访问Doris数据库的密码
- 必选：否
- 默认值：空
connection.selectedDatabase
- 描述：需要写入的Doris数据库名称。
- 必选：是
- 默认值：无
connection.table
- 描述：需要写入的Doris表名称。
- 必选：是
- 默认值：无
column
- 描述：目的表需要写入数据的字段，这些字段将作为生成的 Json 数据的字段名。字段之间用英文逗号分隔。例如: "column": ["id","name","age"]。
- 必选：是
- 默认值：否
preSql
- 描述：写入数据到目的表前，会先执行这里的标准语句。
- 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。
- 必选：否
- 默认值：无
maxBatchRows
- 描述：每批次导入数据的最大行数。和 batchSize 共同控制每批次的导入数量。每批次数据达到两个阈值之一，即开始导入这一批次的数据。
- 必选：否
- 默认值：500000
batchSize
- 描述：每批次导入数据的最大数据量。和 maxBatchRows 共同控制每批次的导入数量。每批次数据达到两个阈值之一，即开始导入这一批次的数据。
- 必选：否
- 默认值：104857600
maxRetries
- 描述：每批次导入数据失败后的重试次数。
- 必选：否
- 默认值：0
labelPrefix
- 描述：每批次导入任务的 label 前缀。最终的 label 将有 labelPrefix + UUID 组成全局唯一的 label，确保数据不会重复导入
- 必选：否
- 默认值：datax_doris_writer_
loadProps
- 描述：StreamLoad 的请求参数，详情参照StreamLoad介绍页面。Stream load - Apache Doris
这里包括导入的数据格式：format等，导入数据格式默认我们使用csv，支持JSON，具体可以参照下面类型转换部分，也可以参照上面Stream load 官方信息
- 必选：否
- 默认值：无

类型转换

默认传入的数据均会被转为字符串，并以\t作为列分隔符，\n作为行分隔符，组成csv文件进行StreamLoad导入操作。

默认是csv格式导入，如需更改列分隔符，则正确配置 loadProps 即可：

"loadProps": {
  "column_separator": "\\x01",
  "line_delimiter": "\\x02"
}

如需更改导入格式为json，则正确配置 loadProps 即可：

"loadProps": {
  "format": "json",
  "strip_outer_array": true
}

更多信息请参照 Doris 官网：Stream load - Apache Doris

doriswriter.md 5.5 KB Постоянная ссылка История Исходник