添加链接
link管理
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接
相关文章推荐
咆哮的小蝌蚪  ·  什么是熵增定律·  4 月前    · 
神勇威武的蟠桃  ·  卫生统计学- 知乎·  2 年前    · 
气势凌人的豆芽  ·  Snap ...·  2 年前    · 

1 快速介绍

MysqlWriter 插件实现了写入数据到 Mysql 主库的目的表的功能。在底层实现上, MysqlWriter 通过 JDBC 连接远程 Mysql 数据库,并执行相应的 insert into ... 或者 ( replace into ...) 的 sql 语句将数据写入 Mysql,内部会分批次提交入库,需要数据库本身采用 innodb 引擎。

MysqlWriter 面向ETL开发工程师,他们使用 MysqlWriter 从数仓导入数据到 Mysql。同时 MysqlWriter 亦可以作为数据迁移工具为DBA等用户提供服务。

2 实现原理

MysqlWriter 通过 DataX 框架获取 Reader 生成的协议数据,根据你配置的 writeMode 生成

  • insert into... (当主键/唯一性索引冲突时会写不进去冲突的行)
  • replace into... (没有遇到主键/唯一性索引冲突时,与 insert into 行为一致,冲突时会用新行替换原有行所有字段) 的语句写入数据到 Mysql。出于性能考虑,采用了 PreparedStatement + Batch ,并且设置了: rewriteBatchedStatements=true ,将数据缓冲到线程上下文 Buffer 中,当 Buffer 累计到预定阈值时,才发起写入请求。
  • 注意:目的表所在数据库必须是主库才能写入数据;整个任务至少需要具备 insert/replace into...的权限,是否需要其他权限,取决于你任务配置中在 preSql 和 postSql 中指定的语句。
    

    3 功能说明

    3.1 配置样例

  • 这里使用一份从内存产生到 Mysql 导入的数据。
  • "job": { "setting": { "speed": { "channel": 1 "content": [ "reader": { "name": "streamreader", "parameter": { "column" : [ "value": "DataX", "type": "string" "value": 19880808, "type": "long" "value": "1988-08-08 08:08:08", "type": "date" "value": true, "type": "bool" "value": "test", "type": "bytes" "sliceRecordCount": 1000 "writer": { "name": "mysqlwriter", "parameter": { "writeMode": "insert", "username": "root", "password": "root", "column": [ "id", "name" "session": [ "set session sql_mode='ANSI'" "preSql": [ "delete from test" "connection": [ "jdbcUrl": "jdbc:mysql://127.0.0.1:3306/datax?useUnicode=true&characterEncoding=gbk", "table": [ "test"

    3.2 参数说明

    jdbcUrl

    描述:目的数据库的 JDBC 连接信息。作业运行时,DataX 会在你提供的 jdbcUrl 后面追加如下属性:yearIsDateType=false&zeroDateTimeBehavior=convertToNull&rewriteBatchedStatements=true

         注意:1、在一个数据库上只能配置一个 jdbcUrl 值。这与 MysqlReader 支持多个备库探测不同,因为此处不支持同一个数据库存在多个主库的情况(双主导入数据情况)
              2、jdbcUrl按照Mysql官方规范,并可以填写连接附加控制信息,比如想指定连接编码为 gbk ,则在 jdbcUrl 后面追加属性 useUnicode=true&characterEncoding=gbk。具体请参看 Mysql官方文档或者咨询对应 DBA。
    

    默认值:无

    描述:目的表需要写入数据的字段,字段之间用英文逗号分隔。例如: "column": ["id","name","age"]。如果要依次写入全部列,使用*表示, 例如: "column": ["*"]

      **column配置项必须指定,不能留空!**
         注意:1、我们强烈不推荐你这样配置,因为当你目的表字段个数、类型等有改动时,你的任务可能运行不正确或者失败
              2、 column 不能配置任何常量值
    

    默认值:否

    描述:写入数据到目的表前,会先执行这里的标准语句。如果 Sql 中有你需要操作到的表名称,请使用 @table 表示,这样在实际执行 Sql 语句时,会对变量按照实际表名称进行替换。比如你的任务是要写入到目的端的100个同构分表(表名称为:datax_00,datax01, ... datax_98,datax_99),并且你希望导入数据前,先对表中数据进行删除操作,那么你可以这样配置:"preSql":["delete from 表名"],效果是:在执行到每个表写入数据前,会先执行对应的 delete from 对应表名称

    默认值:无

    建表语句:

    CREATE TABLE `datax_mysqlwriter_perf_00` (
    `biz_order_id` bigint(20) NOT NULL AUTO_INCREMENT  COMMENT 'id',
    `key_value` varchar(4000) NOT NULL COMMENT 'Key-value的内容',
    `gmt_create` datetime NOT NULL COMMENT '创建时间',
    `gmt_modified` datetime NOT NULL COMMENT '修改时间',
    `attribute_cc` int(11) DEFAULT NULL COMMENT '防止并发修改的标志',
    `value_type` int(11) NOT NULL DEFAULT '0' COMMENT '类型',
    `buyer_id` bigint(20) DEFAULT NULL COMMENT 'buyerid',
    `seller_id` bigint(20) DEFAULT NULL COMMENT 'seller_id',
    PRIMARY KEY (`biz_order_id`,`value_type`),
    KEY `idx_biz_vertical_gmtmodified` (`gmt_modified`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='datax perf test'
    

    单行记录类似于:

       key_value: ;orderIds:20148888888,2014888888813800;
      gmt_create: 2011-09-24 11:07:20
    gmt_modified: 2011-10-24 17:56:34
    attribute_cc: 1
      value_type: 3
    	buyer_id: 8888888
       seller_id: 1
    

    4.1.2 机器参数

    执行DataX的机器参数为:

  • cpu: 24核 Intel(R) Xeon(R) CPU E5-2630 0 @ 2.30GHz
  • mem: 48GB
  • net: 千兆双网卡
  • disc: DataX 数据不落磁盘,不统计此项
  • Mysql数据库机器参数为:

  • cpu: 32核 Intel(R) Xeon(R) CPU E5-2650 v2 @ 2.60GHz
  • mem: 256GB
  • net: 千兆双网卡
  • disc: BTWL419303E2800RGN INTEL SSDSC2BB800G4 D2010370
  • 4.1.3 DataX jvm 参数

    -Xms1024m -Xmx1024m -XX:+HeapDumpOnOutOfMemoryError
    

    4.2 测试报告

    4.2.1 单表测试报告

    批量提交行数 DataX速度(Rec/s) DataX流量(MB/s) DataX机器网卡流出流量(MB/s) DataX机器运行负载 DB网卡进入流量(MB/s) DB运行负载 DB TPS
  • 批量提交行数(batchSize)对性能影响很大,当 batchSize>=512 之后,单线程写入速度能达到每秒写入一万行
  • batchSize>=512 的基础上,随着通道数的增加(通道数<32),速度呈线性比增加。
  • 通常不建议写入数据库时,通道个数 >32
  • 5 约束限制

    Q: MysqlWriter 执行 postSql 语句报错,那么数据导入到目标数据库了吗?

    A: DataX 导入过程存在三块逻辑,pre 操作、导入操作、post 操作,其中任意一环报错,DataX 作业报错。由于 DataX 不能保证在同一个事务完成上述几个操作,因此有可能数据已经落入到目标端。

    Q: 按照上述说法,那么有部分脏数据导入数据库,如果影响到线上数据库怎么办?

    A: 目前有两种解法,第一种配置 pre 语句,该 sql 可以清理当天导入数据, DataX 每次导入时候可以把上次清理干净并导入完整数据。第二种,向临时表导入数据,完成后再 rename 到线上表。

    Q: 上面第二种方法可以避免对线上数据造成影响,那我具体怎样操作?

    A: 可以配置临时表导入