有个项目的数据量高达五千万，但是因为报表那块数据不太准确，业务库和报表库又是跨库操作，所以并不能使用 SQL 来进行同步。当时的打算是通过 mysqldump 或者存储的方式来进行同步，但是尝试后发现这些方案都不切实际：
mysqldump：不仅备份需要时间，同步也需要时间，而且在备份的过程，可能还会有数据产出（也就是说同步等于没同步）
存储方式：这个效率太慢了，要是数据量少还好，我们使用这个方式的时候，三个小时才同步两千条数据…
常见数据异构的几款中间件的区别如下：
今天介绍一款不错的中间件：DataX

DataX 简介

DataX（https://github.com/alibaba/DataX） 是阿里云 DataWorks 数据集成 的开源版本，主要就是用于实现数据间的离线同步。 DataX 致力于实现包括关系型数据库（MySQL、Oracle 等）、HDFS、Hive、ODPS、HBase、FTP 等 各种异构数据源（即不同的数据库） 间稳定高效的数据同步功能。
为了 解决异构数据源同步问题，DataX 将复杂的网状同步链路变成了星型数据链路 ，DataX 作为中间传输载体负责连接各种数据源；
  • 当需要接入一个新的数据源时，只需要将此数据源对接到 DataX，便能跟已有的数据源作为无缝数据同步。

DataX3.0 框架设计

DataX 采用 Framework + Plugin 架构，将数据源读取和写入抽象称为 Reader/Writer 插件，纳入到整个同步框架中。
角色作用
Reader（采集模块）负责采集数据源的数据，将数据发送给 Framework。
Writer（写入模块）负责不断向 Framework 中取数据，并将数据写入到目的端。
Framework（中间商）负责连接 Reader 和 Writer，作为两者的数据传输通道，并处理缓冲，流控，并发，数据转换等核心技术问题。

DataX3.0 核心架构

DataX 完成单个数据同步的作业，我们称为 Job，DataX 接收到一个 Job 后，将启动一个进程来完成整个作业同步过程。关注公众号：码猿技术专栏，回复关键词：1111 获取阿里内部Java性能调优手册！DataX Job 模块是单个作业的中枢管理节点，承担了数据清理、子任务切分、TaskGroup 管理等功能。
  • DataX Job 启动后，会根据不同源端的切分策略，将 Job 切分成多个小的 Task (子任务)，以便于并发执行。
  • 接着 DataX Job 会调用 Scheduler 模块，根据配置的并发数量，将拆分成的 Task 重新组合，组装成 TaskGroup（任务组）
  • 每一个 Task 都由 TaskGroup 负责启动，Task 启动后，会固定启动 Reader --> Channel --> Writer 线程来完成任务同步工作。
  • DataX 作业运行启动后，Job 会对 TaskGroup 进行监控操作，等待所有 TaskGroup 完成后，Job 便会成功退出（异常退出时 值非 0 ）
DataX 调度过程：
  1. 首先 DataX Job 模块会根据分库分表切分成若干个 Task，然后根据用户配置并发数，来计算需要分配多少个 TaskGroup；
  2. 计算过程：Task / Channel = TaskGroup，最后由 TaskGroup 根据分配好的并发数来运行 Task（任务）

使用 DataX 实现数据同步

准备工作：
  • JDK（1.8 以上，推荐 1.8）
  • Python（2，3 版本都可以）
  • Apache Maven 3.x（Compile DataX）（手动打包使用，使用 tar 包方式不需要安装）
主机名操作系统IP 地址软件包
MySQL-1CentOS 7.4192.168.1.1jdk-8u181-linux-x64.tar.gzdatax.tar.gz
MySQL-2CentOS 7.4192.168.1.2
安装 JDK：
下载地址：https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html（需要创建 Oracle 账号）
[root@MySQL-1 ~]
# ls
anaconda-ks.cfg  jdk-8u181-linux-x64.tar.gz

[root@MySQL-1 ~]
# tar zxf jdk-8u181-linux-x64.tar.gz 
[root@DataX ~]
# ls
anaconda-ks.cfg  jdk1.8.0_181  jdk-8u181-linux-x64.tar.gz

[root@MySQL-1 ~]
# mv jdk1.8.0_181 /usr/local/java
[root@MySQL-1 ~]
# cat <<END >> /etc/profile
export
 JAVA_HOME=/usr/
local
/java

export
 PATH=
$PATH
:
"$JAVA_HOME/bin"
END

[root@MySQL-1 ~]
# source /etc/profile
[root@MySQL-1 ~]
# java -version
  • 因为 CentOS 7 上自带 Python 2.7 的软件包，所以不需要进行安装。

Linux 上安装 DataX 软件

[root@MySQL-1 ~]
# wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
[root@MySQL-1 ~]
# tar zxf datax.tar.gz -C /usr/local/
[root@MySQL-1 ~]
# rm -rf /usr/local/datax/plugin/*/._*      # 需要删除隐藏文件 (重要)
  • 当未删除时，可能会输出：[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 请检查您的配置文件.
验证：
[root@MySQL-1 ~]
# cd /usr/local/datax/bin
[root@MySQL-1 ~]
# python datax.py ../job/job.json       # 用来验证是否安装成功
输出：
2021-12-13 19:26:28.828 [job-0] INFO  JobContainer - PerfTrace not 
enable
!

2021-12-13 19:26:28.829 [job-0] INFO  StandAloneJobContainerCommunicator - Total 100000 records, 2600000 bytes | Speed 253.91KB/s, 10000 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.060s |  All Task WaitReaderTime 0.068s | Percentage 100.00%

2021-12-13 19:26:28.829 [job-0] INFO  JobContainer - 

任务启动时刻                    : 2021-12-13 19:26:18

任务结束时刻                    : 2021-12-13 19:26:28

任务总计耗时                    :                 10s

任务平均流量                    :          253.91KB/s

记录写入速度                    :          10000rec/s

读出记录总数                    :              100000

读写失败总数                    :                   0

DataX 基本使用

查看 streamreader \--> streamwriter 的模板：
[root@MySQL-1 ~]
# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter
输出：
DataX (DATAX-OPENSOURCE-3.0), From Alibaba !

Copyright (C) 2010-2017, Alibaba Group. All Rights Reserved.



Please refer to the streamreader document:

     https://github.com/alibaba/DataX/blob/master/streamreader/doc/streamreader.md 


Please refer to the streamwriter document:

     https://github.com/alibaba/DataX/blob/master/streamwriter/doc/streamwriter.md 


Please save the following configuration as a json file and  use

     python {DATAX_HOME}/bin/datax.py {JSON_FILE_NAME}.json 

to run the job.


{

"job"
: {

"content"
: [

            {

"reader"
: {

"name"
: 
"streamreader"
, 

"parameter"
: {

"column"
: [], 

"sliceRecordCount"
: 
""
                    }

                }, 

"writer"
: {

"name"
: 
"streamwriter"
, 

"parameter"
: {

"encoding"
: 
""
, 

"print"
: 
true
                    }

                }

            }

        ], 

"setting"
: {

"speed"
: {

"channel"
: 
""
            }

        }

    }

}

根据模板编写 json 文件
[root@MySQL-1 ~]
# cat <<END > test.json
{

"job"
: {

"content"
: [

            {

"reader"
: {

"name"
: 
"streamreader"
, 

"parameter"
: {

"column"
: [        
# 同步的列名 (* 表示所有)
       {

"type"
:
"string"
,

"value"
:
"Hello."
       },

       {

"type"
:
"string"
,

"value"
:
"河北彭于晏"
       },

   ], 

"sliceRecordCount"
: 
"3"# 打印数量
                    }

                }, 

"writer"
: {

"name"
: 
"streamwriter"
, 

"parameter"
: {

"encoding"
: 
"utf-8"
,     
# 编码
"print"
: 
true
                    }

                }

            }

        ], 

"setting"
: {

"speed"
: {

"channel"
: 
"2"# 并发 (即 sliceRecordCount * channel = 结果)
            }

        }

    }

}

输出：（要是复制我上面的话，需要把 # 带的内容去掉）

安装 MySQL 数据库

分别在两台主机上安装：
[root@MySQL-1 ~]
# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel   
[root@MySQL-1 ~]
# systemctl start mariadb            # 安装 MariaDB 数据库
[root@MySQL-1 ~]
# mysql_secure_installation            # 初始化 
NOTE: RUNNING ALL PARTS OF THIS SCRIPT IS RECOMMENDED FOR ALL MariaDB

      SERVERS IN PRODUCTION USE!  PLEASE READ EACH STEP CAREFULLY!


Enter current password 
for
 root (enter 
for
 none):       
# 直接回车
OK, successfully used password, moving on...

Set root password? [Y/n] y                            
# 配置 root 密码
New password: 

Re-enter new password: 

Password updated successfully!

Reloading privilege tables..

 ... Success!

Remove anonymous users? [Y/n] y                     
# 移除匿名用户
 ... skipping.

Disallow root login remotely? [Y/n] n                
# 允许 root 远程登录
 ... skipping.

Remove 
test
 database and access to it? [Y/n] y         
# 移除测试数据库
 ... skipping.

Reload privilege tables now? [Y/n] y                    
# 重新加载表
 ... Success!

1）准备同步数据（要同步的两台主机都要有这个表）
MariaDB [(none)]> create database `course-study`;

Query OK, 1 row affected (0.00 sec)


MariaDB [(none)]> create table `course-study`.t_member(ID int,Name varchar(20),Email varchar(30));

Query OK, 0 rows affected (0.00 sec)

因为是使用 DataX 程序进行同步的，所以需要在双方的数据库上开放权限：
grant all privileges on *.* to root@
'%'
 identified by 
'123123'
;

flush privileges;

2）创建存储过程：
DELIMITER $$

CREATE PROCEDURE 
test
()

BEGIN

declare
 A int default 1;

while
 (A < 3000000)
do
insert into `course-study`.t_member values(A,concat(
"LiSa"
,A),concat(
"LiSa"
,A,
"@163.com"
));

set
 A = A + 1;

END 
while
;

END $$

DELIMITER ;

3）调用存储过程（在数据源配置，验证同步使用)：
call 
test
();

通过 DataX 实 MySQL 数据同步

1）生成 MySQL 到 MySQL 同步的模板：
[root@MySQL-1 ~]
# python /usr/local/datax/bin/datax.py -r mysqlreader -w mysqlwriter
{

"job"
: {

"content"
: [

            {

"reader"
: {

"name"
: 
"mysqlreader"
,       
# 读取端
"parameter"
: {

"column"
: [],         
# 需要同步的列 (* 表示所有的列)
"connection"
: [

                            {

"jdbcUrl"
: [],       
# 连接信息
"table"
: []       
# 连接表
                            }

                        ], 

"password"
: 
""
,        
# 连接用户
"username"
: 
""
,        
# 连接密码
"where"
: 
""# 描述筛选条件
                    }

                }, 

"writer"
: {

"name"
: 
"mysqlwriter"
,       
# 写入端
"parameter"
: {

"column"
: [],         
# 需要同步的列
"connection"
: [

                            {

"jdbcUrl"
: 
""
,       
# 连接信息
"table"
: []       
# 连接表
                            }

                        ], 

"password"
: 
""
,        
# 连接密码
"preSql"
: [],         
# 同步前. 要做的事
"session"
: [], 

"username"
: 
""
,        
# 连接用户 
"writeMode"
: 
""# 操作类型
                    }

                }

            }

        ], 

"setting"
: {

"speed"
: {

"channel"
: 
""# 指定并发数
            }

        }

    }

}

2）编写 json 文件：
[root@MySQL-1 ~]
# vim install.json
{

"job"
: {

"content"
: [

            {

"reader"
: {

"name"
: 
"mysqlreader"
, 

"parameter"
: {

"username"
: 
"root"
,

"password"
: 
"123123"
,

"column"
: [
"*"
],

"splitPk"
: 
"ID"
,

"connection"
: [

                            {

"jdbcUrl"
: [

"jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"
                                ], 

"table"
: [
"t_member"
]

                            }

                        ]

                    }

                }, 

"writer"
: {

"name"
: 
"mysqlwriter"
, 

"parameter"
: {

"column"
: [
"*"
], 

"connection"
: [

                            {

"jdbcUrl"
: 
"jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8"
,

"table"
: [
"t_member"
]

                            }

                        ], 

"password"
: 
"123123"
,

"preSql"
: [

"truncate t_member"
                        ], 

"session"
: [

"set session sql_mode='ANSI'"
                        ], 

"username"
: 
"root"
, 

"writeMode"
: 
"insert"
                    }

                }

            }

        ], 

"setting"
: {

"speed"
: {

"channel"
: 
"5"
            }

        }

    }

}

3）验证
[root@MySQL-1 ~]
# python /usr/local/datax/bin/datax.py install.json
输出：
2021-12-15 16:45:15.120 [job-0] INFO  JobContainer - PerfTrace not 
enable
!

2021-12-15 16:45:15.120 [job-0] INFO  StandAloneJobContainerCommunicator - Total 2999999 records, 107666651 bytes | Speed 2.57MB/s, 74999 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 82.173s |  All Task WaitReaderTime 75.722s | Percentage 100.00%

2021-12-15 16:45:15.124 [job-0] INFO  JobContainer - 

任务启动时刻                    : 2021-12-15 16:44:32

任务结束时刻                    : 2021-12-15 16:45:15

任务总计耗时                    :                 42s

任务平均流量                    :            2.57MB/s

记录写入速度                    :          74999rec/s

读出记录总数                    :             2999999

读写失败总数                    :                   0

你们可以在目的数据库进行查看，是否同步完成。
  • 上面的方式相当于是完全同步，但是当数据量较大时，同步的时候被中断，是件很痛苦的事情；
  • 所以在有些情况下，增量同步还是蛮重要的。

使用 DataX 进行增量同步

使用 DataX 进行全量同步和增量同步的唯一区别就是：增量同步需要使用where进行条件筛选。 关注公众号：码猿技术专栏，回复关键词：1111 获取阿里内部Java性能调优手册！（即，同步筛选后的 SQL）
1）编写 json 文件：
[root@MySQL-1 ~]
# vim where.json
{

"job"
: {

"content"
: [

            {

"reader"
: {

"name"
: 
"mysqlreader"
, 

"parameter"
: {

"username"
: 
"root"
,

"password"
: 
"123123"
,

"column"
: [
"*"
],

"splitPk"
: 
"ID"
,

"where"
: 
"ID <= 1888"
,

"connection"
: [

                            {

"jdbcUrl"
: [

"jdbc:mysql://192.168.1.1:3306/course-study?useUnicode=true&characterEncoding=utf8"
                                ], 

"table"
: [
"t_member"
]

                            }

                        ]

                    }

                }, 

"writer"
: {

"name"
: 
"mysqlwriter"
, 

"parameter"
: {

"column"
: [
"*"
], 

"connection"
: [

                            {

"jdbcUrl"
: 
"jdbc:mysql://192.168.1.2:3306/course-study?useUnicode=true&characterEncoding=utf8"
,

"table"
: [
"t_member"
]

                            }

                        ], 

"password"
: 
"123123"
,

"preSql"
: [

"truncate t_member"
                        ], 

"session"
: [

"set session sql_mode='ANSI'"
                        ], 

"username"
: 
"root"
, 

"writeMode"
: 
"insert"
                    }

                }

            }

        ], 

"setting"
: {

"speed"
: {

"channel"
: 
"5"
            }

        }

    }

}

  • 需要注意的部分就是：where（条件筛选） 和 preSql（同步前，要做的事） 参数。
2）验证：
[root@MySQL-1 ~]
# python /usr/local/data/bin/data.py where.json
输出：
2021-12-16 17:34:38.534 [job-0] INFO  JobContainer - PerfTrace not 
enable
!

2021-12-16 17:34:38.534 [job-0] INFO  StandAloneJobContainerCommunicator - Total 1888 records, 49543 bytes | Speed 1.61KB/s, 62 records/s | Error 0 records, 0 bytes |  All Task WaitWriterTime 0.002s |  All Task WaitReaderTime 100.570s | Percentage 100.00%

2021-12-16 17:34:38.537 [job-0] INFO  JobContainer - 

任务启动时刻                    : 2021-12-16 17:34:06

任务结束时刻                    : 2021-12-16 17:34:38

任务总计耗时                    :                 32s

任务平均流量                    :            1.61KB/s

记录写入速度                    :             62rec/s

读出记录总数                    :                1888

读写失败总数                    :                   0

目标数据库上查看：
3)基于上面数据，再次进行增量同步：
主要是 
where
 配置：
"where"
: 
"ID > 1888 AND ID <= 2888"# 通过条件筛选来进行增量同步
同时需要将我上面的 preSql 删除(因为我上面做的操作时 truncate 表)

来源：blog.csdn.net/weixin_46902396/article/details/121904705.
--完--

ChatGPT 4.0 账号不用特殊网络了 ！！！
OpenAI已经宣布恢复了ChatGPT的互联网访问功能，这意味着现在可以通过互联网浏览并提供最新的、权威的信息，并且能够直接提供相关原始链接。它不再受限于2021年9月之前的数据。
不过，这个功能目前只有升级Plus会员，才能使用 。
大家也都知道，官方开通的Plus会员，一个月20美元，相当于人民币180元每月，而且经常有被封号的风险 。
所以，这边一次性买了50多个Plus会员放在一个系统的池子里，共享给大家使用 。每月只需要90元，就可以直接使用 GPT 4.0 ，而且国内网络就可以直接登录 ，不需要额外的上网工具 。
复制购买链接到浏览器打开：https://qeosq.xetlk.com/s/408XZG
购买这个账号，一直有售后，不用担心中途封号或者用不了
或者直接微信付款后，加我微信：itcodexy，备注：90元购买plus账号
我会立马通过微信好友请求 。
扫码可以直接购买
继续阅读
阅读原文