【工具】之DataX-Web简单介绍

目录

一、概念

二、架构

三、功能

四、使用说明

1、执行器配置

2、创建项目

3、创建数据源（源库和目标库）

4、创建任务模版

5、构建JSON脚本

正常流程（单库单表）

1.构建reader

 2.构建writer

 3.字段映射

 4.构建

 批量创建任务流程（多库多表）

6、任务管理

7、日志管理 

一、概念

DataX Web是在DataX之上开发的分布式数据同步工具，提供简单易用的 操作界面，降低用户使用DataX的学习成本，缩短任务配置时间，避免配置过程中出错。用户可通过页面选择数据源即可创建数据同步任务，支持RDBMS、Hive、HBase、ClickHouse、MongoDB等数据源，RDBMS数据源可批量创建数据同步任务，支持实时查看数据同步进度及日志并提供终止同步功能，集成并二次开发xxl-job可根据时间、自增主键增量同步数据。

GitHub - WeiYe-Jing/datax-web: DataX集成可视化页面，选择数据源即可一键生成数据同步任务，支持RDBMS、Hive、HBase、ClickHouse、MongoDB等数据源，批量创建RDBMS数据同步任务，集成开源调度系统，支持分布式、增量同步数据、实时查看运行日志、监控执行器资源、KILL运行进程、数据源信息加密等。

二、架构

三、功能

• 1、通过Web构建DataX Json
• 2、DataX Json保存在数据库中，方便任务的迁移，管理
• 3、Web实时查看抽取日志，类似Jenkins的日志控制台输出功能
• 4、DataX运行记录展示，可页面操作停止DataX作业
• 5、支持DataX定时任务，支持动态修改任务状态、启动/停止任务，以及终止运行中任务，即时生效
• 6、调度采用中心式设计，支持集群部署
• 7、任务分布式执行，任务"执行器"支持集群部署
• 8、执行器会周期性自动注册任务, 调度中心将会自动发现注册的任务并触发执行
• 9、路由策略：执行器集群部署时提供丰富的路由策略，包括：第一个、最后一个、轮询、随机、一致性HASH、最不经常使用、最近最久未使用、故障转移、忙碌转移等
• 10、阻塞处理策略：调度过于密集执行器来不及处理时的处理策略，策略包括：单机串行（默认）、丢弃后续调度、覆盖之前调度
• 11、任务超时控制：支持自定义任务超时时间，任务运行超时将会主动中断任务
• 12、任务失败重试：支持自定义任务失败重试次数，当任务失败时将会按照预设的失败重试次数主动进行重试
• 13、任务失败告警；默认提供邮件方式失败告警，同时预留扩展接口，可方便的扩展短信、钉钉等告警方式
• 14、用户管理：支持在线管理系统用户，存在管理员、普通用户两种角色
• 15、任务依赖：支持配置子任务依赖，当父任务执行结束且执行成功后将会主动触发一次子任务的执行, 多个子任务用逗号分隔
• 16、运行报表：支持实时查看运行数据，以及调度报表，如调度日期分布图，调度成功分布图等
• 17、指定增量字段，配置定时任务自动获取每次的数据区间，任务失败重试，保证数据安全
• 18、页面可配置DataX启动JVM参数
• 19、数据源配置成功后添加手动测试功能
• 20、可以对常用任务进行配置模板，在构建完JSON之后可选择关联模板创建任务
• 21、jdbc添加hive数据源支持，可在构建JSON页面选择数据源生成column信息并简化配置
• 22、优先通过环境变量获取DataX文件目录，集群部署时不用指定JSON及日志目录
• 23、通过动态参数配置指定hive分区，也可以配合增量实现增量数据动态插入分区
• 24、任务类型由原来DataX任务扩展到Shell任务、Python任务、PowerShell任务
• 25、添加HBase数据源支持，JSON构建可通过HBase数据源获取hbaseConfig，column
• 26、添加MongoDB数据源支持，用户仅需要选择collectionName即可完成json构建
• 27、添加执行器CPU、内存、负载的监控页面
• 28、添加24类插件DataX JSON配置样例
• 29、公共字段（创建时间，创建人，修改时间，修改者）插入或更新时自动填充
• 30、对swagger接口进行token验证
• 31、任务增加超时时间，对超时任务kill datax进程，可配合重试策略避免网络问题导致的datax卡死
• 32、添加项目管理模块，可对任务分类管理
• 33、对RDBMS数据源增加批量任务创建功能，选择数据源，表即可根据模板批量生成DataX同步任务
• 34、JSON构建增加ClickHouse数据源支持
• 35、执行器CPU.内存.负载的监控页面图形化
• 36、RDBMS数据源增量抽取增加主键自增方式并优化页面参数配置
• 37、更换MongoDB数据源连接方式,重构HBase数据源JSON构建模块
• 38、脚本类型任务增加停止功能
• 39、rdbms json构建增加postSql，并支持构建多个preSql，postSql
• 40、数据源信息加密算法修改及代码优化
• 41、日志页面增加DataX执行结果统计数据

四、使用说明

1、执行器配置

执行器列表中显示在线的执行器列表, 可通过"OnLine 机器"查看对应执行器的集群机器

2、创建项目

3、创建数据源（源库和目标库）

4、创建任务模版

5、构建JSON脚本

目前支持的数据源：hive,mysql,oracle,postgresql,sqlserver,hbase,mongodb,clickhouse

正常流程（单库单表）

1.构建reader

选择数据源、库名、表名、所需字段及where过滤条件设置

 2.构建writer

 3.字段映射

将步骤1、2选择好的字段与目标表的字段映射好

 4.构建

 批量创建任务流程（多库多表）

6、任务管理

7、日志管理