# DataX 引擎

# 一、DataX 简介

DataX 是阿里巴巴发布的开源项目（详情请访问DataX 的 Github 主页 (opens new window)），是一个高效的离线数据同步工具，常用于异构数据源之间的数据同步。

DataX 采用的是 Framework + plugin 架构，数据源读取和写入分别对应 Reader 与 Writer 插件，每一种数据源会有对应的 Reader 或者 Writer，DataX 默认地提供了丰富的 Reader 与 Writer 支持，用于适配多种主流数据源。Framework 用于连接 Reader 和 Writer，并负责同步任务中的数据处理、扭转等核心过程。

DataX 的数据同步任务，主要通过一个配置文件进行控制，其中最主要的配置是 Reader 与 Writer 的配置，这两者分别代表如何从数据源抽取数据，以及如何将抽取的数据写入数据源。通过在配置文件中使用对应数据源的 Reader 与 Writer，即可完成异构数据源的同步。

在 ta-tool 中，我们集成了 DataX 引擎，并且编写了 TE 集群的插件（即 TE 集群的 Reader 与 Writer），借由 TE 集群插件，可以将 TE 集群的作为 DataX 的数据源。

通过 ta-tool 中的 DataX 引擎，您可以完成以下数据同步：

将其他数据库中的数据，导入到 TE 集群，需要使用 DataX 的已有 Reader 插件与 TE Writer
将 TE 集群的数据，导出到其他数据库中，需要使用 TE Reader 与 DataX 的已有 Writer 插件

# 二、DataX 引擎的使用方式

如果需要使用 ta-tool 中的 DataX 引擎进行多数据源同步任务，那么首先需要在 TE 集群中编写 DataX 任务的 Config 文件，其次是执行二次开发组件中的 DataX 命令，读取 Config 文件执行数据同步任务。

# 2.1 配置文件样例

DataX 的任务 Config 文件需要是一个 json 文件，json 配置的模板如下：

{
  "job": {
    "content": [
      {
        "reader": {
          "name": "streamreader",
          "parameter": {
            "sliceRecordCount": 10,
            "column": [
              {
                "type": "long",
                "value": "10"
              },
              {
                "type": "string",
                "value": "hello，你好，世界-DataX"
              }
            ]
          }
        },
        "writer": {
          "name": "streamwriter",
          "parameter": {
            "encoding": "UTF-8",
            "print": true
          }
        }
      }
    ],
    "setting": {
      "speed": {
        "channel": 5
      }
    }
  }
}

整个配置文件是一个 JSON，最外层"job"元素，其中包含两个元素，分别为"content"和"setting"，"content"内的元素中包含 reader 和 writer 的信息，可以在本文后续部分查看 TE 集群的 Reader 和 Writer。"setting"中的"speed"内的"channel"是同时执行的任务数。

配置文件中主要需要配置的部分为"content"中的"reader"和"writer"元素，分别配置读取数据的 Reader 插件以及写入数据的 Writer 插件。DataX 预置的 Reader 和 Writer 插件的配置方法，请访问 DataX 的Support Data Channels (opens new window)部分。

# 2.2 执行 DataX 命令

完成配置文件的编写后，可以执行以下命令读取配置文件，并开始数据同步任务。

ta-tool datax_engine -conf <configPath> [--date <date>]

传入的参数为配置文件所在路径。

# 三、TE 集群的 DataX 插件说明

# 3.1 集群内使用的插件

类型	数据源	Reader(读)	Writer(写)	文档
TE 系统	TE	√	√	读、写
自定义表	TE		√	写
json 文本	TE		√	写

# 3.2 集群外使用的插件

类型	数据源	Reader(读)	Writer(写)	文档
TE 系统	TE		√	写

# 3.3 DataX 原生插件

类型	数据源	Reader(读)	Writer(写)	文档
RDBMS 关系型数据库	MySQL	√	√	读、写
	Oracle	√	√	读、写
	SQLServer	√	√	读、写
	PostgreSQL	√	√	读、写
	DRDS	√	√	读、写
	通用RDBMS (支持所有关系型数据库)	√	√	读、写
阿里云数仓数据存储	ODPS	√	√	读、写
	ADS		√	写
	OSS	√	√	读、写
	OCS	√	√	读、写
NoSQL数据存储	OTS	√	√	读、写
	Hbase0.94	√	√	读、写
	Hbase1.1	√	√	读、写
	Phoenix4.x	√	√	读、写
	Phoenix5.x	√	√	读、写
	MongoDB	√	√	读、写
	Hive	√	√	读、写
	Cassandra	√	√	读、写
无结构化数据存储	TxtFile	√	√	读、写
	FTP	√	√	读、写
	HDFS	√	√	读、写
	Elasticsearch	√	√	读、写
时间序列数据库	OpenTSDB	√		读
时间序列数据库	TSDB	√	√	读、写