目录
此内容是否有帮助?

# TaDataxWriter 插件

# 一、介绍

TaDataxWriter 是 DataX 的写入数据插件,提供了 DataX 生态中向 TA 集群传输数据的功能,您可以在数据传输服务器上部署 DataX,同时使用 DataX 所支持的数据源读取插件以及本插件,实现多数据源与 TA 集群的数据同步。

如需了解 DataX,可以访问DataX 的 Github 主页 (opens new window)

数据发送到 TA 接收端的方式进行数据传输

# 二、功能与限制

TaDataWriter 实现了从 DataX 协议转为 TA 集群内部数据功能,TaDataWriter 如下几个方面约定:

  1. 支持且仅支持写入 TA 集群。
  2. 支持数据压缩,现有压缩格式为 gzip、lzo、lz4、snappy。
  3. 支持多线程传输。

# 三、使用说明

# 3.1 下载 datax

wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz

# 3.2 解压 datax

tar -zxvf datax.tar.gz

# 3.3 安装 ta-datax-writer 插件

wget https://download.thinkingdata.cn/tools/release/ta-datax-writer.tar.gz
  • 把 ta-datax-writer.tar.gz 拷贝到 datax/plugin/writer 目录下
cp ta-datax-writer.tar.gz datax/plugin/writer

  • 解压插件包
tar -zxvf ta-datax-writer.tar.gz
  • 删除软件包
rm -rf  ta-datax-writer.tar.gz

# 四、 功能说明

# 4.1 配置样例

{
  "job": {
    "setting": {
      "speed": {
        "channel": 1
      }
    },
    "content": [
      {
        "reader": {
          "name": "streamreader",
          "parameter": {
            "column": [
              {
                "value": "123123",
                "type": "string"
              },
              {
                "value": "testbuy",
                "type": "string"
              },
              {
                "value": "2019-08-16 08:08:08",
                "type": "date"
              },
              {
                "value": "2222",
                "type": "string"
              },
              {
                "value": "2019-08-16 08:08:08",
                "type": "date"
              },
              {
                "value": "test",
                "type": "bytes"
              },
              {
                "value": true,
                "type": "bool"
              }
            ],
            "sliceRecordCount": 10
          }
        },
        "writer": {
          "name": "ta-datax-writer",
          "parameter": {
            "thread": 3,
            "type": "track",
            "pushUrl": "http://{数据接收地址}",
            "appid": "6f9e64da5bc74792b9e9c1db4e3e3822",
            "column": [
              {
                "index": "0",
                "colTargetName": "#distinct_id"
              },
              {
                "index": "1",
                "colTargetName": "#event_name"
              },
              {
                "index": "2",
                "colTargetName": "#time",
                "type": "date",
                "dateFormat": "yyyy-MM-dd HH:mm:ss.SSS"
              },
              {
                "index": "3",
                "colTargetName": "#account_id",
                "type": "string"
              },
              {
                "index": "4",
                "colTargetName": "testDate",
                "type": "date",
                "dateFormat": "yyyy-MM-dd HH:mm:ss.SSS"
              },
              {
                "index": "5",
                "colTargetName": "os_1",
                "type": "string"
              },
              {
                "index": "6",
                "colTargetName": "testBoolean",
                "type": "boolean"
              },
              {
                "colTargetName": "add_clo",
                "value": "123123",
                "type": "string"
              }
            ]
          }
        }
      }
    ]
  }
}

# 4.2 参数说明

  • thread
    • 描述:线程数,为每个 channel 内部并发使用,与 DataX 的 channel 数量无关。
    • 必选:否
    • 默认值:3
  • pushUrl
    • 描述:接入点地址。
    • 必选:是
    • 默认值:无
  • uuid
    • 描述:在传输数据中增加 "#uuid":"uuid 值",配合数据唯一 ID功能使用 。
    • 必选:否
    • 默认值:false
  • type
    • 描述:写入的数据类型 user_set、track。
    • 必选:是
    • 默认值:无
  • compress
    • 描述:文本压缩类型,默认不填写意味着没有压缩。支持压缩类型为 zip、lzo、lzop、tgz、bzip2。
    • 必选:否
    • 默认值:无压缩
  • appid
    • 描述:对应项目的 APP ID。
    • 必选:是
    • 默认值:无
  • column
    • 描述:读取字段列表,type 指定数据的类型,index 指定当前列来对应 reader 的第几列(以 0 开始),value 指定当前类型为常量,不从 reader 读取数据,而是根据 value 值自动生成对应的列。

用户可以指定 Column 字段信息,配置如下:

[
  {
    "type": "Number",
    "colTargetName": "test_col", //生成数据对应的列名
    "index": 0 //从reader到datax传输第一列获取Number字段
  },
  {
    "type": "string",
    "value": "testvalue",
    "colTargetName": "test_col"
    //从TaDataWriter内部生成testvalue的字符串字段作为当前字段
  },
  {
    "index": 0,
    "type": "date",
    "colTargetName": "testdate",
    "dateFormat": "yyyy-MM-dd HH:mm:ss.SSS"
  }
]

4.3 Array 类型说明

  • 在使用 array 类型时,要求读取端数据是以字符串类型,\t 分隔
    • 读取端数据样例:"aaa\tbbb\tccc\tddd"
    • 转换后结果:["aaa","bbb","ccc","ddd"]

# 4.3 类型转换

类型是 TaDataWriter 定义:

DataX 内部类型 TaDataWriter 数据类型
Int
Number
Long
Number
Double
Number
String
String
Boolean
Boolean
Date
Date
Array
Array