DataX同步数据

使用限制

Shell任务不支持通过内网地址访问RDS MySQL实例。

操作流程

步骤一：连通RDS MySQL实例与Dataphin间的网络

1. 申请RDS MySQL实例的外网地址。如何申请外网地址，请参见申请或释放外网地址。
2. 在数据库连接页面，获取RDS MySQL实例的外网地址和端口。
   
3. 添加RDS MySQL实例的外网地址和端口至Dataphin项目空间的沙箱白名单。如何添加沙箱白名单，请参见添加沙箱白名单。
4. 添加0.0.0.0/0至RDS MySQL实例的白名单。如何添加白名单，请参见设置IP白名单。
   注意 完成数据同步后，请立即删除0.0.0.0/0。

步骤二：创建数据同步的源表和目标表

步骤三：下载并配置DataX任务的代码模板

1. 下载DataX任务的代码模板。
2. 配置代码模板中的如下参数后，保存为datax.json至本地。

   参数	描述
   {username}	配置为已创建RDS MySQL实例的用户名，即登录数据库的用户名。
   {password}	登录数据库的密码。本教程中配置为前提条件已创建RDS MySQL实例的密码，即登录数据库的密码。
   {{Public Endpoint}:}	链接地址。本教程配置为已获取的RDS MySQL实例的外网地址。
   {DatabaseName}	数据库名称。本教程配置为前提条件中已创建的RDS MySQL实例的数据库名称。
   {table_name1}	源数据表的表名。本教程配置为datax_test1。
   {table_name2}	目标数据表的表名。本教程配置为datax_test2。
   {columnname1}	数据同步的字段。本教程配置为area。
   {columnname2}	数据同步的字段。本教程配置为province。

   代码模板的代码如下。

   {
       "job": {
           "content": [
               {
                   "reader": {
                       "name": "mysqlreader",
                       "parameter": {
                           "column": [
                               "{columnname1}",
                               "{columnname2}"
                           ],
                           "connection": [
                               {
                                   "jdbcUrl":
   ["jdbc:mysql://{Public Endpoint}:3306/{DatabaseName}"],
                                   "table": ["{table_name1}"]
                               }
                           ],
                           "password": "{password}",        
                           "username": "{username}"
                       }
                   },
                   "writer": {
                       "name": "mysqlwriter",
                       "parameter": {
                           "column": [
                           "{columnname1}",
                           "{columnname2}"
                           ],
                           "connection": [
                               {
                                   "jdbcUrl":
   "jdbc:mysql://{Public Endpoint}:3306/{DatabaseName}",
                                   "table": ["{table_name2}"]
                               }
                           ],
                           "password": "{password}",        
                           "username": "{username}"
                       }
                   }
               }
           ],
           "setting": {
               "speed": {
                   "channel": "1"
               }
           }
       }
   }

步骤四：上传datax.json文件至Dataphin

1. 登录Dataphin控制台。
2. 在Dataphin控制台页面，选择工作区地域后，单击进入Dataphin>>。
3. 在Dataphin首页，单击研发。
4. 在数据开发页面，单击数据处理。
5. 在数据处理页面的左侧导航栏，单击资源管理图标。
6. 在资源管理页面，单击资源管理后的图标。
7. 在新建资源对话框中，配置参数后，单击提交。
   

   参数	描述
   类型	本教程中需要上传的文件格式为JSON，则类型选择others。 系统支持选择的类型包括file、jar、python和others，适用场景说明如下： 上传的文件格式为XLS、DOC、TXT、CSV，则类型选择为file。 上传的文件格式为JAR，则类型选择为jar。 上传的文件格式为PY，则类型选择为python。 上传的文件格式非XLS、DOC、TXT、CSV、JAR、PY，则类型选择为others。
   名称	本教程中的名称为datax.json。 本教程名称的命名规则如下： 名称必须以.json结尾。 字母、数字、下划线（_）或半角句号（.）组合组成。 不能以数字开头。
   描述	填写资源的描述，例如DataX test。
   上传文件	选择步骤三：下载并配置DataX任务的代码模板中保存至本地的datax.json文件。
   计算类型	本教程中上传的资源（datax.json）用于DataX代码任务中引用，因此选择无归属引擎。 计算类型用于定义资源文件是否需要上传至计算引擎的存储层。Dataphin系统支持的计算类型包括MaxCompute、Flink和无归属引擎，适用场景说明如下： 自定义MaxCompute类型的函数时，计算类型选择为MaxCompute。 自定义Flink类型的函数时，计算类型选择为Flink。 代码任务引用的资源文件，计算类型选择为无归属引擎。
   选择目录	默认为资源管理。

8. 在提交备注对话框，填写备注信息后，单击确定并提交。
9. 发布资源文件至生产环境。
   1. 在数据开发页面，单击顶部菜单栏的发布。
   2. 在待发布对象列表页面，单击数据处理页签。
   3. 在数据处理页签，单击datax.json资源的操作列下的图标。
      
   4. 在发布对话框，填写发布名称或备注信息后，单击确定，即可将资源文件发布至生产环境。
   5. 单击左侧导航栏的发布记录列表。在发布记录列表页面，查看资源文件的发布状态为发布成功即可。
      

步骤五：创建DataX任务

1. 请参见步骤四：上传datax.json文件至Dataphin，进入数据开发页面。
2. 在数据开发页面，单击左侧区域的数据处理。
3. 在数据处理页面，单击左侧导航栏计算任务图标。
4. 在计算任务页面，单击计算任务后的图标，选择通用脚本 > SHELL。
5. 在新建文件对话框，配置参数后，单击确定。
   

   参数	描述
   名称	本教程中的名称为DataX。
   调度类型	本教程中选择任务的调度类型为手动节点。 调度类型用于定义任务发布至生产环境的调度方式。Datpahin系统支持的调度类型包括周期性节点和手动节点，适用场景说明如下： 任务需要参与系统的周期性调度，且需要依赖上游节点，则调度类型选择为周期性节点。 任务不需要参与系统的周期性调度，且需要依赖上游节点，则调度类型选择为手动节点。该类型的任务在生产环境的运行需要您手动触发。
   描述	填写对任务的简单描述，例如测试DataX。
   选择目录	默认为计算任务。

6. 在代码编写页面，编写并运行DataX任务的代码。
   代码如下。

   @resource_reference{"datax.json"}
   python $DATAX_HOME/bin/datax.py datax.json #Dataphin系统已内置DataX的安装目录为DATAX_HOME/bin/datax.py。

   其中，resource_reference{}用于调用已上传的datax.json资源文件。
7. 单击页面右上角的执行，即可运行DataX任务。
   运行结果显示的读写失败总数为0时，表示DataX任务同步数据成功。
8. 发布DataX任务至生产环境。
   1. 在计算任务页面，单击顶部菜单栏的发布。
   2. 在待发布对象列表页面，单击数据处理页签。
   3. 在数据处理页签，单击DataX任务的操作列下的图标。
      
   4. 在发布对话框，填写发布名称或备注信息后，单击确定，即可将DataX任务发布至生产环境。
   5. 单击左侧导航栏的发布记录列表。在发布记录列表页面，查看DataX任务的发布状态为发布成功即可。
      

步骤六：运行生产环境中的DataX任务

1. 请参见步骤四：上传datax.json文件至Dataphin，进入数据开发页面。
2. 在数据开发页面，单击顶部菜单栏的运维。
3. 在运维中心，单击项目名称后的图标，切换至生产环境（）。
4. 在运维中心，运行DataX任务。
   1. 单击左侧导航栏的图标。
   2. 在手动任务运维列表页面，单击DataX任务。
   3. 在DataX任务的详情页面，单击页面左上角的运行。
      
   4. 在运行对话框，保持默认参数，单击确定。
5. 查看DataX任务运行生成的实例运行日志。
   1. 单击左侧导航栏的图标。
   2. 在手动实例运维列表页面，单击DataX任务。
   3. 在DataX任务的详情页面，单击页面上方的查看运行日志。
      
   4. 在运行日志页面，查看读写失败总数。
      运行日志显示的读写失败总数为0时，表示DataX任务在生产环境同步数据成功，即可保障生产环境业务数据正常产出。