datax datax-web 同步 mysql 数据(单机部署)

其中, /usr/lib/jdk/jdk/ 是 jdk 的安装位置

如果使用 python3, 把要使用的 python 放到 PATH 的前面(注意 PATH 里要能找到 python 命令, python3不行,尽管在datax里#! 指定了 python3)

vim modules/datax-executor/bin/datax-executor.sh

修改了环境变量需要重启服务

执行一次数据同步

python3 bin/datax.py job/stream2stream.json

查看 job 配置模板

python3 bin/datax.py -r mysqlreader -w mysqlwriter

其中, -r 参数指定使用的 reader, -w 参数指定使用的 writer. 有哪些 reader writer 可以查看 plugin 目录.

job 配置示例(json里不支持注释,这里的注释只做说明用)

随着大数据技术体系的发展，越来越多的企业应用大数据技术支撑自己的业务发展。数据采集作为大数据的起点，是企业主动获取数据的一种重要手段。数据采集的多样性、全面性直接影响数据质量。 企业获取数据的渠道分为内部和外部两个渠道。内部渠道包含自己建设的业务系统，如电商系统、门户网站、门户论坛等。外部渠道包含爬虫系统爬取的数据、三方合作平台数据、公共社交平台数据等。那么如何从这些渠道获取数据？下面简单地介绍一下常用的数据采集工具。 结构化数据采集工具。 结构化数据在分析型的原始数据占比比较大，大部分经过预处理进入数据仓库进一步多维分析和数据挖掘。常用的数据采集工具有： 1 Apache Flume 支持离线与实时数据导入，是数据集成的主要工具。 2 Apache Sqoop 主要使用JDBC等工具连接关系型数据库与Hadoop生态圈的文件系统，通过配置文件配置双向连接信息后，通过命令完成数据的导入导出。 半结构化数据采集工具 半结构化的数据多见于日志格式。对于日志采集的工具，比较常见的是 1 Logstash Logstash与ElasticSearch、Kibana并称为ELK，是采集日志的黄金搭档。 2 Apache Flume也多用于日志文本类数据采集。 非结构化数据采集工具 1 DataX DataX轻量级中间件，在关系型数据库导入导出性能比较优异。支持多种数据类型的导入导出。 流式数据采集工具 1 Kafka 性能优异超高吞吐量。 Binlog日志采集工具 1 Canal 基于MySQL数据库增量日志解析提供增量日志订阅和消费功能。 爬虫采集框架与工具 1 Java栈，Nutch2、WebMagic等。 2 Python栈，Scrapy、PySpider 3 第三方爬虫工具，八爪鱼、爬山虎、后羿等等。

---