企业官网建设流程全解析

wordpress软件站模板,企业做网站找谁,免费视频制作app,深圳腾网站建设有个项目的数据量高达五千万#xff0c;但是因为报表那块数据不太准确#xff0c;业务库和报表库又是跨库操作#xff0c;所以并不能使用 SQL 来进行同步。当时的打算是通过 mysqldump 或者存储的方式来进行同步#xff0c;但是尝试后发现这些方案都不切实际#xff1a;my…有个项目的数据量高达五千万但是因为报表那块数据不太准确业务库和报表库又是跨库操作所以并不能使用 SQL 来进行同步。当时的打算是通过mysqldump或者存储的方式来进行同步但是尝试后发现这些方案都不切实际mysqldump不仅备份需要时间同步也需要时间而且在备份的过程可能还会有数据产出也就是说同步等于没同步存储方式这个效率太慢了要是数据量少还好我们使用这个方式的时候三个小时才同步两千条数据…常见数据异构的几款中间件的区别如下今天介绍一款不错的中间件DataXDataX 简介DataX 是阿里云 DataWorks 数据集成 的开源版本主要就是用于实现数据间的离线同步。DataX 致力于实现包括关系型数据库MySQL、Oracle 等、HDFS、Hive、ODPS、HBase、FTP 等各种异构数据源即不同的数据库间稳定高效的数据同步功能。为了解决异构数据源同步问题DataX 将复杂的网状同步链路变成了星型数据链路DataX 作为中间传输载体负责连接各种数据源当需要接入一个新的数据源时只需要将此数据源对接到 DataX便能跟已有的数据源作为无缝数据同步。DataX3.0 框架设计DataX 采用 Framework Plugin 架构将数据源读取和写入抽象称为 Reader/Writer 插件纳入到整个同步框架中。角色作用Reader采集模块负责采集数据源的数据将数据发送给Framework。Writer写入模块负责不断向Framework中取数据并将数据写入到目的端。Framework中间商负责连接Reader和Writer作为两者的数据传输通道并处理缓冲流控并发数据转换等核心技术问题。DataX3.0 核心架构DataX 完成单个数据同步的作业我们称为 JobDataX 接收到一个 Job 后将启动一个进程来完成整个作业同步过程。DataX Job 模块是单个作业的中枢管理节点承担了数据清理、子任务切分、TaskGroup 管理等功能。DataX Job 启动后会根据不同源端的切分策略将 Job 切分成多个小的 Task (子任务)以便于并发执行。接着 DataX Job 会调用 Scheduler 模块根据配置的并发数量将拆分成的 Task 重新组合组装成 TaskGroup任务组每一个 Task 都由 TaskGroup 负责启动Task 启动后会固定启动 Reader--Channel--Writer 线程来完成任务同步工作。DataX 作业运行启动后Job 会对 TaskGroup 进行监控操作等待所有 TaskGroup 完成后Job 便会成功退出异常退出时值非 0DataX 调度过程首先 DataX Job 模块会根据分库分表切分成若干个 Task然后根据用户配置并发数来计算需要分配多少个 TaskGroup计算过程Task / Channel TaskGroup最后由 TaskGroup 根据分配好的并发数来运行 Task任务使用 DataX 实现数据同步准备工作JDK1.8 以上推荐 1.8Python23 版本都可以Apache Maven 3.xCompile DataX手动打包使用使用tar包方式不需要安装主机名操作系统IP 地址软件包MySQL-1CentOS 7.4192.168.1.1jdk-8u181-linux-x64.tar.gzdatax.tar.gzMySQL-2CentOS 7.4192.168.1.2安装 JDK下载地址https://www.oracle.com/java/technologies/javase/javase8-archive-downloads.html需要创建 Oracle 账号[rootMySQL-1 ~]# ls anaconda-ks.cfg jdk-8u181-linux-x64.tar.gz [rootMySQL-1 ~]# tar zxf jdk-8u181-linux-x64.tar.gz [rootDataX ~]# ls anaconda-ks.cfg jdk1.8.0_181 jdk-8u181-linux-x64.tar.gz [rootMySQL-1 ~]# mv jdk1.8.0_181 /usr/local/java [rootMySQL-1 ~]# cat END /etc/profile export JAVA_HOME/usr/local/java export PATH$PATH:$JAVA_HOME/bin END [rootMySQL-1 ~]# source /etc/profile [rootMySQL-1 ~]# java -version因为CentOS 7上自带Python 2.7的软件包所以不需要进行安装。Linux 上安装 DataX 软件[rootMySQL-1 ~]# wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz [rootMySQL-1 ~]# tar zxf datax.tar.gz -C /usr/local/ [rootMySQL-1 ~]# rm -rf /usr/local/datax/plugin/*/._* # 需要删除隐藏文件 (重要)当未删除时可能会输出[/usr/local/datax/plugin/reader/._drdsreader/plugin.json] 不存在. 请检查您的配置文件.验证[rootMySQL-1 ~]# cd /usr/local/datax/bin [rootMySQL-1 ~]# python datax.py ../job/job.json # 用来验证是否安装成功输出2021-12-13 19:26:28.828 [job-0] INFO JobContainer - PerfTrace not enable! 2021-12-13 19:26:28.829 [job-0] INFO StandAloneJobContainerCommunicator - Total 100000 records, 2600000 bytes | Speed 253.91KB/s, 10000 records/s | Error 0 records, 0 bytes | All Task WaitWriterTime 0.060s | All Task WaitReaderTime 0.068s | Percentage 100.00% 2021-12-13 19:26:28.829 [job-0] INFO JobContainer - 任务启动时刻 : 2021-12-13 19:26:18 任务结束时刻 : 2021-12-13 19:26:28 任务总计耗时 : 10s 任务平均流量 : 253.91KB/s 记录写入速度 : 10000rec/s 读出记录总数 : 100000 读写失败总数 : 0DataX 基本使用查看streamreader \-- streamwriter的模板[rootMySQL-1 ~]# python /usr/local/datax/bin/datax.py -r streamreader -w streamwriter输出DataX (DATAX-OPENSOURCE-3.0), From Alibaba ! Copyright (C) 2010-2017, Alibaba Group. All Rights Reserved. Please refer to the streamreader document: https://github.com/alibaba/DataX/blob/master/streamreader/doc/streamreader.md Please refer to the streamwriter document: https://github.com/alibaba/DataX/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: } } } }根据模板编写json文件[rootMySQL-1 ~]# cat END test.json { job: { content: [ { reader: { name: streamreader, parameter: { column: [ # 同步的列名 (* 表示所有) { type:string, value:Hello. }, { type:string, value:河北彭于晏 }, ], sliceRecordCount: 3 # 打印数量 } }, writer: { name: streamwriter, parameter: { encoding: utf-8, # 编码 print: true } } } ], setting: { speed: { channel: 2 # 并发 (即 sliceRecordCount * channel 结果) } } } }输出要是复制我上面的话需要把#带的内容去掉安装 MySQL 数据库分别在两台主机上安装[rootMySQL-1 ~]# yum -y install mariadb mariadb-server mariadb-libs mariadb-devel [rootMySQL-1 ~]# systemctl start mariadb # 安装 MariaDB 数据库 [rootMySQL-1 ~]# mysql_secure_installation # 初始化 NOTE: RUNNING ALL PARTS OF THIS SCRIPT IS RECOMMENDED FOR ALL MariaDB SERVERS IN PRODUCTION USE! PLEASE READ EACH STEP CAREFULLY! Enter current password for root (enter for none): # 直接回车 OK, successfully used password, moving on... Set root password? [Y/n] y # 配置 root 密码 New password: Re-enter new password: Password updated successfully! Reloading privilege tables.. ... Success! Remove anonymous users? [Y/n] y # 移除匿名用户 ... skipping. Disallow root login remotely? [Y/n] n # 允许 root 远程登录 ... skipping. Remove test database and access to it? [Y/n] y # 移除测试数据库 ... skipping. Reload privilege tables now? [Y/n] y # 重新加载表 ... Success!1准备同步数据要同步的两台主机都要有这个表MariaDB [(none)] create database course-study; Query OK, 1 row affected (0.00 sec) MariaDB [(none)] create table course-study.t_member(ID int,Name varchar(20),Email varchar(30)); Query OK, 0 rows affected (0.00 sec)因为是使用 DataX 程序进行同步的所以需要在双方的数据库上开放权限grant all privileges on *.* to root% identified by 123123; flush privileges;2创建存储过程DELIMITER $$ CREATE PROCEDURE test() BEGIN declare A int default 1; while (A 3000000)do insert into course-study.t_member values(A,concat(LiSa,A),concat(LiSa,A,163.com)); set A A 1; END while; END $$ DELIMITER ;3调用存储过程在数据源配置验证同步使用)call test();通过 DataX 实 MySQL 数据同步1生成 MySQL 到 MySQL 同步的模板[rootMySQL-1 ~]# python /usr/local/datax/bin/datax.py -r mysqlreader -w mysqlwriter { job: { content: [ { reader: { name: mysqlreader, # 读取端 parameter: { column: [], # 需要同步的列 (* 表示所有的列) connection: [ { jdbcUrl: [], # 连接信息 table: [] # 连接表 } ], password: , # 连接用户 username: , # 连接密码 where: # 描述筛选条件 } }, writer: { name: mysqlwriter, # 写入端 parameter: { column: [], # 需要同步的列 connection: [ { jdbcUrl: , # 连接信息 table: [] # 连接表 } ], password: , # 连接密码 preSql: [], # 同步前. 要做的事 session: [], username: , # 连接用户 writeMode: # 操作类型 } } } ], setting: { speed: { channel: # 指定并发数 } } } }2编写json文件[rootMySQL-1 ~]# vim install.json { job: { content: [ { reader: { name: mysqlreader, parameter: { username: root, password: 123123, column: [*], splitPk: ID, connection: [ { jdbcUrl: [ jdbc:mysql://192.168.1.1:3306/course-study?useUnicodetruecharacterEncodingutf8 ], table: [t_member] } ] } }, writer: { name: mysqlwriter, parameter: { column: [*], connection: [ { jdbcUrl: jdbc:mysql://192.168.1.2:3306/course-study?useUnicodetruecharacterEncodingutf8, table: [t_member] } ], password: 123123, preSql: [ truncate t_member ], session: [ set session sql_modeANSI ], username: root, writeMode: insert } } } ], setting: { speed: { channel: 5 } } } }3验证[rootMySQL-1 ~]# python /usr/local/datax/bin/datax.py install.json输出2021-12-15 16:45:15.120 [job-0] INFO JobContainer - PerfTrace not enable! 2021-12-15 16:45:15.120 [job-0] INFO StandAloneJobContainerCommunicator - Total 2999999 records, 107666651 bytes | Speed 2.57MB/s, 74999 records/s | Error 0 records, 0 bytes | All Task WaitWriterTime 82.173s | All Task WaitReaderTime 75.722s | Percentage 100.00% 2021-12-15 16:45:15.124 [job-0] INFO JobContainer - 任务启动时刻 : 2021-12-15 16:44:32 任务结束时刻 : 2021-12-15 16:45:15 任务总计耗时 : 42s 任务平均流量 : 2.57MB/s 记录写入速度 : 74999rec/s 读出记录总数 : 2999999 读写失败总数 : 0你们可以在目的数据库进行查看是否同步完成。上面的方式相当于是完全同步但是当数据量较大时同步的时候被中断是件很痛苦的事情所以在有些情况下增量同步还是蛮重要的。使用 DataX 进行增量同步使用 DataX 进行全量同步和增量同步的唯一区别就是增量同步需要使用where进行条件筛选。即同步筛选后的 SQL1编写json文件[rootMySQL-1 ~]# vim where.json { job: { content: [ { reader: { name: mysqlreader, parameter: { username: root, password: 123123, column: [*], splitPk: ID, where: ID 1888, connection: [ { jdbcUrl: [ jdbc:mysql://192.168.1.1:3306/course-study?useUnicodetruecharacterEncodingutf8 ], table: [t_member] } ] } }, writer: { name: mysqlwriter, parameter: { column: [*], connection: [ { jdbcUrl: jdbc:mysql://192.168.1.2:3306/course-study?useUnicodetruecharacterEncodingutf8, table: [t_member] } ], password: 123123, preSql: [ truncate t_member ], session: [ set session sql_modeANSI ], username: root, writeMode: insert } } } ], setting: { speed: { channel: 5 } } } }需要注意的部分就是where条件筛选 和preSql同步前要做的事 参数。2验证[rootMySQL-1 ~]# python /usr/local/data/bin/data.py where.json输出2021-12-16 17:34:38.534 [job-0] INFO JobContainer - PerfTrace not enable! 2021-12-16 17:34:38.534 [job-0] INFO StandAloneJobContainerCommunicator - Total 1888 records, 49543 bytes | Speed 1.61KB/s, 62 records/s | Error 0 records, 0 bytes | All Task WaitWriterTime 0.002s | All Task WaitReaderTime 100.570s | Percentage 100.00% 2021-12-16 17:34:38.537 [job-0] INFO JobContainer - 任务启动时刻 : 2021-12-16 17:34:06 任务结束时刻 : 2021-12-16 17:34:38 任务总计耗时 : 32s 任务平均流量 : 1.61KB/s 记录写入速度 : 62rec/s 读出记录总数 : 1888 读写失败总数 : 0目标数据库上查看3)基于上面数据再次进行增量同步主要是 where 配置where: ID 1888 AND ID 2888 # 通过条件筛选来进行增量同步 同时需要将我上面的 preSql 删除(因为我上面做的操作时 truncate 表)