selectdbwriter.md 11 KB
SelectdbWriter 插件文档
1 快速介绍
SelectdbWriter支持将大批量数据写入SELECTDB中。
2 实现原理
SelectdbWriter 通过调用selectdb api （/copy/upload），返回一个重定向的S3地址，使用Http向S3地址发送字节流，设置参数达到要求时执行copy into
3 编译
运行 init-env.sh
编译 selectdbwriter：
i. 单独编译 selectdbwriter 插件:
mvn clean install -pl plugin-rdbms-util,selectdbwriter -DskipTests
ii.编译整个 DataX 项目:
mvn package assembly:assembly -Dmaven.test.skip=true
产出在 target/datax/datax/. hdfsreader, hdfswriter and oscarwriter 这三个插件需要额外的jar包。如果你并不需要这些插件，可以在 DataX/pom.xml 中删除这些插件的模块。
iii.编译错误
如遇到如下编译错误：
Could not find artifact com.alibaba.datax:datax-all:pom:0.0.1-SNAPSHOT
可尝试以下方式解决：
a.下载 alibaba-datax-maven-m2-20210928.tar.gz
b.解压后，将得到的 alibaba/datax/ 目录，拷贝到所使用的 maven 对应的 .m2/repository/com/alibaba/ 下。
c.再次尝试编译。
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selectdb的配置文件。
{
"job":{
"content":[
{
"reader":{
"name":"streamreader",
"parameter":{
"column":[
{
"type":"string",
"random":"0,31"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"long",
"random":"0,5"
},
{
"type":"string",
"random":"0,10"
},
{
"type":"string",
"random":"0,5"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"string",
"random":"0,21"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"long",
"random":"0,10"
},
{
"type":"long",
"random":"0,20"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"long",
"random":"0,10"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"string",
"random":"0,10"
},
{
"type":"long",
"random":"0,10"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"long",
"random":"0,10"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"long",
"random":"0,10"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"long",
"random":"0,10"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"string",
"random":"0,100"
},
{
"type":"string",
"random":"0,1"
},
{
"type":"long",
"random":"0,1"
},
{
"type":"string",
"random":"0,64"
},
{
"type":"string",
"random":"0,20"
},
{
"type":"string",
"random":"0,31"
},
{
"type":"long",
"random":"0,3"
},
{
"type":"long",
"random":"0,3"
},
{
"type":"long",
"random":"0,19"
},
{
"type":"date",
"random":"2022-01-01 12:00:00,2023-01-01 12:00:00"
},
{
"type":"string",
"random":"0,1"
}
],
"sliceRecordCount":10
}
},
"writer":{
"name":"selectdbwriter",
"parameter":{
"loadUrl":[
"xxx:47150"
],
"loadProps":{
"file.type":"json",
"file.strip_outer_array":"true"
},
"column":[
"id",
"table_id",
"table_no",
"table_name",
"table_status",
"no_disturb",
"dinner_type",
"member_id",
"reserve_bill_no",
"pre_order_no",
"queue_num",
"person_num",
"open_time",
"open_time_format",
"order_time",
"order_time_format",
"table_bill_id",
"offer_time",
"offer_time_format",
"confirm_bill_time",
"confirm_bill_time_format",
"bill_time",
"bill_time_format",
"clear_time",
"clear_time_format",
"table_message",
"bill_close",
"table_type",
"pad_mac",
"company_id",
"shop_id",
"is_sync",
"table_split_no",
"ts",
"ts_format",
"dr"
],
"username":"admin",
"password":"SelectDB2022",
"postSql":[
],
"preSql":[
],
"connection":[
{
"jdbcUrl":"jdbc:mysql://xxx:34142/cl_test",
"table":[
"ods_pos_pro_table_dynamic_delta_v4"
],
"selectedDatabase":"cl_test"
}
],
"maxBatchRows":1000000,
"maxBatchByteSize":536870912000
}
}
}
],
"setting":{
"errorLimit":{
"percentage":0.02,
"record":0
},
"speed":{
"channel":5
}
}
}
}
3.2 参数说明
**jdbcUrl**
- 描述：selectdb 的 JDBC 连接串，用户执行 preSql 或 postSQL。
- 必选：是
- 默认值：无
* **loadUrl**
- 描述：作为 selecdb 的连接目标。格式为 "ip:port"。其中 IP 是 selectdb的private-link，port 是selectdb 集群的 http_port
- 必选：是
- 默认值：无
* **username**
- 描述：访问selectdb数据库的用户名
- 必选：是
- 默认值：无
* **password**
- 描述：访问selectdb数据库的密码
- 必选：否
- 默认值：空
* **connection.selectedDatabase**
- 描述：需要写入的selectdb数据库名称。
- 必选：是
- 默认值：无
* **connection.table**
- 描述：需要写入的selectdb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：90M
* **maxRetries**
- 描述：每批次导入数据失败后的重试次数。
- 必选：否
- 默认值：3
* **labelPrefix**
- 描述：每批次上传文件的 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_selectdb_writer_`
* **loadProps**
- 描述：COPY INOT 的请求参数
这里包括导入的数据格式：file.type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
- 必选：否
- 默认值：无
* **clusterName**
- 描述：selectdb could 集群名称
- 必选：否
- 默认值：无
* **flushQueueLength**
- 描述：队列长度
- 必选：否
- 默认值：1
* **flushInterval**
- 描述：数据写入批次的时间间隔，如果maxBatchRows 和 batchSize 参数设置的有很大，那么很可能达不到你这设置的数据量大小，会执行导入。
- 必选：否
- 默认值：30000ms
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Selectdb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": {
"file.column_separator": "\\x01",
"file.line_delimiter": "\\x02"
}
如需更改导入格式为json， 则正确配置 loadProps 即可：
"loadProps": {
"file.type": "json",
"file.strip_outer_array": true
}