腾讯云数据仓库 TCHouse-D 使用 DataX 导入

关于 DataX
DataX 是阿里开源的通用离线数据导入工具，在业界有比较广泛的使用。DataX 实现了包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、Hologres、DRDS 等各种异构数据源之间高效的数据同步功能。
使用 Datax 导入数据到 Doris 需要使用 DataX doriswriter 插件，这个插件是利用 Doris 的 Stream Load 功能进行数据导入的，需要配合 DataX 服务一起使用。
使用手册
DataX doriswriter 插件代码在 这里。这里包含插件代码以及 DataX 项目的开发环境。
doriswriter 插件依赖 DataX 代码中的一些模块。而这些模块并没有在 Maven 官方仓库中。所以我们在开发 doriswriter 插件时，需要下载完整的 DataX 代码库，才能进行插件的编译和开发。
目录结构
doriswriter/
这个目录是 doriswriter 插件的代码目录。这个目录中的所有代码，都托管在 Apache Doris 的代码库中。doriswriter 插件帮助文档在：doriswriter/doc
init-env.sh
这个脚本主要用于构建 DataX 开发环境，主要进行了以下操作：
1. 将 DataX 代码库 clone 到本地。
2. 将 doriswriter/ 目录软链到 DataX/doriswriter 目录。
3. 在 DataX/pom.xml 文件中添加 <module>doriswriter</module> 模块。
4. 将 DataX/core/pom.xml 文件中的 httpclient 版本从 4.5 改为 4.5.13。
说明
 httpclient v4.5 在处理 307 转发时有 bug。
这个脚本执行后，开发者就可以进入 DataX/ 目录开始开发或编译了。因为做了软链，所以任何对 DataX/doriswriter 目录中文件的修改，都会反映到 doriswriter/ 目录中，方便开发者提交代码。
编译
1. 运行 init-env.sh。
2. 按需修改 DataX/doriswriter 中的代码。
3. 编译 doriswriter：
3.1 单独编译 doriswriter 插件：
mvn clean install -pl plugin-rdbms-util,doriswriter -DskipTests
3.2 编译整个 DataX 项目:
mvn package assembly:assembly -Dmaven.test.skip=true
产出在 target/datax/datax/.
说明
 hdfsreader，hdfswriter 和 oscarwriter 这三个插件需要额外的 jar 包。如果您并不需要这些插件，可以在 DataX/pom.xml 中删除这些插件的模块。
3.3 编译错误
如遇到如下编译错误：
Could not find artifact com.alibaba.datax:datax-all:pom:0.0.1-SNAPSHOT ...
可尝试以下方式解决：
3.3.1 下载 alibaba-datax-maven-m2-20210928.tar.gz。
3.3.2 解压后，将得到的 alibaba/datax/ 目录，拷贝到所使用的 maven 对应的 .m2/repository/com/alibaba/ 下。
3.3.3 再次尝试编译。
3.3.4 按需提交修改。
示例
Stream 读取数据后导入至 Doris
该示例插件的使用说明请参阅 这里。
Mysql 读取数据后导入Doris
1. Mysql 表结构
CREATE TABLE `t_test`(
 `id`bigint(30) NOT NULL,
 `order_code` varchar(30) DEFAULT NULL COMMENT '',
 `line_code` varchar(30) DEFAULT NULL COMMENT '',
 `remark` varchar(30) DEFAULT NULL COMMENT '',
 `unit_no` varchar(30) DEFAULT NULL COMMENT '',
 `unit_name` varchar(30) DEFAULT NULL COMMENT '',
 `price` decimal(12,2) DEFAULT NULL COMMENT '',
 PRIMARY KEY(`id`) USING BTREE
)ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 ROW_FORMAT=DYNAMIC COMMENT='';
2. Doris 表结构
CREATE TABLE `ods_t_test` (
 `id`bigint(30) NOT NULL,
 `order_code` varchar(30) DEFAULT NULL COMMENT '',
 `line_code` varchar(30) DEFAULT NULL COMMENT '',
 `remark` varchar(30) DEFAULT NULL COMMENT '',
 `unit_no` varchar(30) DEFAULT NULL COMMENT '',
 `unit_name` varchar(30) DEFAULT NULL COMMENT '',
 `price` decimal(12,2) DEFAULT NULL COMMENT ''
)ENGINE=OLAP
UNIQUE KEY(`id`, `order_code`)
DISTRIBUTED BY HASH(`order_code`) BUCKETS 1
PROPERTIES (
"replication_allocation" = "tag.location.default: 3",
"in_memory" = "false",
"storage_format" = "V2"
);
3. 创建 datax 脚本import_t_test.json
{
 "job": {
     "setting": {
         "speed": {
             "channel": 1
         },
         "errorLimit": {
             "record": 0,
             "percentage": 0
         }
     },
     "content": [
         {
             "reader": {
                 "name": "mysqlreader",
                 "parameter": {
                     "username": "xxx",
                     "password": "xxx",
                     "column": ["id","order_code","line_code","remark","unit_no","unit_name","price"],
                     "connection": [ { "table": [ "t_test" ], "jdbcUrl": [ "jdbc:mysql://10.10.10.1:3306/demo" ] } ] }
             },
             "writer": {
                 "name": "doriswriter",
                 "parameter": {
                     "feLoadUrl": ["127.**.**.1:8030","127.**.**.2:8030"],
                     "beLoadUrl": ["127.**.**.3:8040","127.**.**.4:8040","127.**.**.5:8040"],
                     "jdbcUrl": "jdbc:mysql://127.**.**.1:9030/",
                     "database": "demo",
                     "table": "ods_t_test",
                     "column": ["id","order_code","line_code","remark","unit_no","unit_name","price"],
                     "username": "*****",
                     "password": "*****",
                     "postSql": [],
                     "preSql": [],
                     "loadProps": {
                     },
                     "maxBatchRows" : 300000,
                     "maxBatchByteSize" : 20971520
                 }
             }
         }
     ]
 }
}
4. 执行 datax 任务：python datax.py  import_t_test.json。具体用法参考 datax 官网。
使用 DataX 导入

本页目录：

关于 DataX

使用手册

目录结构

`doriswriter/`

`init-env.sh`

编译

示例

Stream 读取数据后导入至 Doris

Mysql 读取数据后导入Doris
