• Linux
• JDK(1.6以上，推荐1.6)
• Python(推荐Python2.6.X)
• Apache Maven 3.x (Compile DataX)

• 工具部署

  • 方法一、直接下载Datax-bin工具包：DataX-bin

    下载后解压至本地某个目录，进入bin目录，即可运行同步作业：

    $ cd {YOUR_DATAX_HOME}/bin $ python datax.py {YOUR_JOB.json}

  • 方法二、下载DataX-src源码，自己编译：DataX-src源码

    (1)、下载DataX源码：

    $ git clone git@github.com:Arvin-Mark/DataX-src.git

    (2)、通过maven打包：

    $ cd {DataX_source_code_home} $ mvn -U clean package assembly:assembly -Dmaven.test.skip=true

    打包成功，日志显示如下：

    [INFO] BUILD SUCCESS [INFO] ----------------------------------------------------------------- [INFO] Total time: 08:12 min [INFO] Finished at: 2015-12-13T16:26:48+08:00 [INFO] Final Memory: 133M/960M [INFO] ----------------------------------------------------------------- 

    打包成功后的DataX包位于 {DataX_source_code_home}/target/datax/datax-bin/ ，结构如下：

    $ cd {DataX_source_code_home} $ ls ./target/datax/datax-bin/ bin	conf	job	lib	log	log_perf	plugin	script	tmp

• 配置示例：从stream读取数据并打印到控制台

  • 第一步、创建创业的配置文件（json格式）

    可以通过命令查看配置模板： python datax.py -r {YOUR_READER} -w {YOUR_WRITER}

    例如：python datax.py -r streamreader -w streamwriter

    $ cd {YOUR_DATAX_HOME}/bin $ python datax.py -r streamreader -w streamwriter DataX (UNKNOWN_DATAX_VERSION), From Alibaba ! Copyright (C) 2010-2015, Alibaba Group. All Rights Reserved. Please refer to the streamreader document: * [streamreader.md](https://github.com/Arvin-Mark/DataX-src/blob/master/streamreader/doc/streamreader.md) Please refer to the streamwriter document: * [streamwriter.md](https://github.com/Arvin-Mark/DataX-src/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": "" } } } }

    根据模板配置json如下：

    #stream2stream.json { "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 } } } }

  • 第二步：启动DataX

    $ cd {YOUR_DATAX_DIR_BIN} $ python datax.py ./stream2stream.json

    同步结束，显示日志如下：

    ... 2015-12-17 11:20:25.263 [job-0] INFO JobContainer - 任务启动时刻 : 2015-12-17 11:20:15 任务结束时刻 : 2015-12-17 11:20:25 任务总计耗时 : 10s 任务平均流量 : 205B/s 记录写入速度 : 5rec/s 读出记录总数 : 50 读写失败总数 : 0

目前DataX支持的数据源有:

Reader实现了从数据存储系统批量抽取数据，并转换为DataX标准数据交换协议，DataX任意Reader能与DataX任意Writer实现无缝对接，达到任意异构数据互通之目的。

RDBMS 关系型数据库

• MysqlReader: 使用JDBC批量抽取Mysql数据集。
• OracleReader: 使用JDBC批量抽取Oracle数据集。
• SqlServerReader: 使用JDBC批量抽取SqlServer数据集
• PostgresqlReader: 使用JDBC批量抽取PostgreSQL数据集
• DrdsReader: 针对公有云上DRDS的批量数据抽取工具。

数仓数据存储

• ODPSReader: 使用ODPS Tunnel SDK批量抽取ODPS数据。

NoSQL数据存储

• OTSReader: 针对公有云上OTS的批量数据抽取工具。
• HBaseReader: 针对 HBase 0.94版本的在线数据抽取工具
• MongoDBReader：MongoDBReader

无结构化数据存储

• TxtFileReader: 读取(递归/过滤)本地文件。
• FtpReader: 读取(递归/过滤)远程ftp文件。
• HdfsReader: 针对Hdfs文件系统中textfile和orcfile文件批量数据抽取工具。
• OssReader: 针对公有云OSS产品的批量数据抽取工具。
• streamreader：StreamReader
• rdbmsreader：rdbmsreader

Writer实现了从DataX标准数据交换协议，翻译为具体的数据存储类型并写入目的数据存储。DataX任意Writer能与DataX任意Reader实现无缝对接，达到任意异构数据互通之目的。

RDBMS 关系型数据库

• MysqlWriter: 使用JDBC(Insert,Replace方式)写入Mysql数据库
• OracleWriter: 使用JDBC(Insert方式)写入Oracle数据库
• PostgresqlWriter: 使用JDBC(Insert方式)写入PostgreSQL数据库
• SqlServerWriter: 使用JDBC(Insert方式)写入sqlserver数据库
• DrdsWriter: 使用JDBC(Replace方式)写入Drds数据库

数仓数据存储

• ODPSWriter: 使用ODPS Tunnel SDK向ODPS写入数据。
• ADSWriter: 使用ODPS中转将数据导入ADS。

NoSQL数据存储

• OTSWriter: 使用OTS SDK向OTS Public模型的表中导入数据。
• hbasewriter：hbasewriter
• OCSWriter：OCSWriter
• MongoDBWriter：MongoDBWriter

无结构化数据存储

• TxtFileWriter: 提供写入本地文件功能。
• ftpwriter：ftpwriter
• OssWriter: 使用OSS SDK写入OSS数据。
• HdfsWriter: 提供向Hdfs文件系统中写入textfile文件和orcfile文件功能。
• StreamWriter：StreamWriter
• rdbmswriter：rdbmswriter

• adswriter
• drdsreader
• drdswriter
• ftpreader
• ftpwriter
• hbase
• hbase094xreader
• hbase11xreader
• hbase11xwriter
• hbasereader
• hbasewriter
• hdfsreader
• hdfswriter
• mongodbreader
• mongodbwriter
• mysqlreader
• mysqlwriter
• ocswriter
• odpsreader
• odpswriter
• oraclereader
• oraclewriter
• ossreader
• osswriter
• otsreader
• otswriter
• postgresqlreader
• postgresqlwriter
• rdbmsreader
• rdbmswriter
• sqlserverreader
• sqlserverwriter
• streamreader
• streamwriter
• txtfilereader
• txtfilewriter

Google Groups: DataX-user