手把手入门MO｜如何使用DataX将数据写入MatrixOne

发布于 2023-11-10 17:01

DataX连接

演示视频

在选择一款数据库产品时，对数据库上下游生态组件的打通是大数据开发工程师需要面对的一致难题。

MatrixOne一直坚持“One Size Fits Most”理念，旨在帮助用户打破数据孤岛，与各生态组件的“无缝衔接”也是MatrixOne“一栈式”愿景中的重要一环。

近日，MatrixOne围绕数据集成工具、BI工具、数据计算引擎，包括 DataX、SuperSet、Spark、Flink等8大生态工具进行了完整适配。本期为第一期：《使用DataX将数据写入MatrixOne》，本文介绍如何使用 DataX 工具将数据离线写入 MatrixOne 数据库。

DataX 是一款由阿里开源的异构数据源离线同步工具，提供了稳定和高效的数据同步功能，旨在实现各种异构数据源之间的高效数据同步。

DataX 将不同数据源的同步分为两个主要组件：Reader（读取数据源） 和 Writer（写入目标数据源）。DataX 框架理论上支持任何数据源类型的数据同步工作。

MatrixOne 与 MySQL 8.0 高度兼容，但由于 DataX 自带的 MySQL Writer 插件适配的是 MySQL 5.1 的 JDBC 驱动，为了提升兼容性，社区单独改造了基于 MySQL 8.0 驱动的 MatrixOneWriter 插件。MatrixOneWriter 插件实现了将数据写入 MatrixOne 数据库目标表的功能。在底层实现中，MatrixOneWriter 通过 JDBC 连接到远程 MatrixOne 数据库，并执行相应的 insert into ... SQL 语句将数据写入 MatrixOne，同时支持批量提交。

MatrixOneWriter 利用 DataX 框架从 Reader 获取生成的协议数据，并根据您配置的 writeMode 生成相应的 insert into... 语句。在遇到主键或唯一性索引冲突时，会排除冲突的行并继续写入。出于性能优化的考虑，我们采用了 PreparedStatement + Batch 的方式，并设置了 rewriteBatchedStatements=true 选项，以将数据缓冲到线程上下文的缓冲区中。只有当缓冲区的数据量达到预定的阈值时，才会触发写入请求。

Note

执行整个任务至少需要拥有 insert into ... 的权限，是否需要其他权限取决于你在任务配置中的 preSql 和 postSql。

MatrixOneWriter 主要面向 ETL 开发工程师，他们使用 MatrixOneWriter 将数据从数据仓库导入到 MatrixOne。同时，MatrixOneWriter 也可以作为数据迁移工具为 DBA 等用户提供服务。

开始前准备

在开始使用 DataX 将数据写入 MatrixOne 之前，需要完成安装以下软件：

安装 JDK 8+ version。
下载 DataX 安装包，并解压。
下载 matrixonewriter.zip，解压至 DataX 项目根目录的 plugin/writer/ 目录下。
安装 MySQL Client。
安装和启动MatrixOne。

操作步骤

创建 MatrixOne 测试表

使用 Mysql Client 连接 MatrixOne，在 MatrixOne 中创建一个测试表：

CREATE DATABASE mo_demo;USE mo_demo;CREATE TABLE m_user(    M_ID INT NOT NULL,    M_NAME CHAR(25) NOT NULL);

配置数据源

本例中，我们使用内存中生成的数据作为数据源：

"reader": {   "name": "streamreader",     "parameter": {       "column" : [ #可以写多个列           {               "value": 20210106,   #表示该列的值               "type": "long"       #表示该列的类型           },           {               "value": "matrixone",               "type": "string"           }       ],       "sliceRecordCount": 1000     #表示要打印多少次   }}

编写作业配置文件

使用以下命令查看配置模板：

python datax.py -r {YOUR_READER} -w matrixonewriter

编写作业的配置文件 stream2matrixone.json：

{    "job": {        "setting": {            "speed": {                "channel": 1            }        },        "content": [            {                 "reader": {                    "name": "streamreader",                    "parameter": {                        "column" : [                            {                                "value": 20210106,                                "type": "long"                            },                            {                                "value": "matrixone",                                "type": "string"                            }                        ],                        "sliceRecordCount": 1000                    }                },                "writer": {                    "name": "matrixonewriter",                    "parameter": {                        "writeMode": "insert",                        "username": "root",                        "password": "111",                        "column": [                            "M_ID",                            "M_NAME"                        ],                        "preSql": [                            "delete from m_user"                        ],                        "connection": [                            {                                "jdbcUrl": "jdbc:mysql://127.0.0.1:6001/mo_demo",                                "table": [                                    "m_user"                                ]                            }                        ]                    }                }            }        ]    }}

启动 DataX

执行以下命令启动 DataX：

$ cd {YOUR_DATAX_DIR_BIN}$ python datax.py stream2matrixone.json

查看运行结果

使用 Mysql Client 连接 MatrixOne，使用 select 查询插入的结果。内存中的 1000 条数据已成功写入 MatrixOne。

mysql> select * from m_user limit 5;+----------+-----------+| m_id     | m_name    |+----------+-----------+| 20210106 | matrixone || 20210106 | matrixone || 20210106 | matrixone || 20210106 | matrixone || 20210106 | matrixone |+----------+-----------+5 rows in set (0.01 sec)
mysql> select count(*) from m_user limit 5;+----------+| count(*) |+----------+|     1000 |+----------+1 row in set (0.00 sec)

参数说明

以下是 MatrixOneWriter 的一些常用参数说明：

jdbcUrl

参数描述

目标数据库的 JDBC 连接信息。DataX 在运行时会在提供的 jdbcUrl 后面追加一些属性，例如：yearIsDateType=false&zeroDateTimeBehavior=CONVERT_TO_NULL&rewriteBatchedStatements=true&tinyInt1isBit=false&serverTimezone=Asia/Shanghai。

是否必选 是

默认值 无

username

参数描述 目标数据库的用户名。

是否必选 是

默认值 无

password

参数描述 目标数据库的密码。

是否必选 是

默认值 无

table

参数描述

目标表的名称。支持写入一个或多个表，如果配置多张表，必须确保它们的结构保持一致。

是否必选 是

默认值 无

column

参数描述

目标表中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"]。如果要写入所有列，可以使用 * 表示，例如："column": ["*"]。

是否必选 是

默认值 无

preSql

参数描述

写入数据到目标表之前，会执行这里配置的标准 SQL 语句。

是否必选 否

默认值 无

postSql

参数描述

写入数据到目标表之后，会执行这里配置的标准 SQL 语句。

是否必选 否

默认值 无

writeMode

参数描述

控制写入数据到目标表时使用的 SQL 语句，可以选择 insert 或 update。

是否必选 insert 或 update

默认值 insert

batchSize

参数描述

一次性批量提交的记录数大小，可以显著减少 DataX 与 MatrixOne 的网络交互次数，提高整体吞吐量。但是设置过大可能导致 DataX 运行进程内存溢出。

是否必选 否

默认值 1024

类型转换

MatrixOneWriter 支持大多数 MatrixOne 数据类型，但也有少数类型尚未支持，需要特别注意你的数据类型。

以下是 MatrixOneWriter 针对 MatrixOne 数据类型的转换列表：

DataX 内部类型	MatrixOne 数据类型
Long	int, tinyint, smallint, bigint
Double	float, double, decimal
String	varchar, char, text
Date	date, datetime, timestamp, time
Boolean	bool
Bytes	blob

参考其他说明

MatrixOne 兼容 MySQL 协议，MatrixOneWriter 实际上是对 MySQL Writer 进行了一些 JDBC 驱动版本上的调整后的改造版本，你仍然可以使用 MySQL Writer 来写入 MatrixOne。
在 DataX 中添加 MatrixOne Writer，那么你需要下载 matrixonewriter.zip，然后将其解压缩到 DataX 项目根目录的 plugin/writer/ 目录下，即可开始使用。

常见问题

在运行时，我遇到了“配置信息错误，您提供的配置文件/{YOUR_MATRIXONE_WRITER_PATH}/plugin.json 不存在”的问题该怎么处理？

DataX 在启动时会尝试查找相似的文件夹以寻找 plugin.json 文件。如果 matrixonewriter.zip 文件也存在于相同的目录下，DataX 将尝试从 .../datax/plugin/writer/matrixonewriter.zip/plugin.json 中查找。在 MacOS 环境下，DataX 还会尝试从 .../datax/plugin/writer/.DS_Store/plugin.json 中查找。此时，您需要删除这些多余的文件或文件夹。

前一篇

MatrixOne完成与欧拉、麒麟信安的兼容互认

手把手入门MO | 如何使用SeaTunnel将数据写入MatrixOne