正文

datax开启hana支持以及dolphinscheduler开启datax任务

IP云
IP云V管理员/47 阅读
11/24
小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

datax开启hana支持以及dolphinscheduler开启datax任务

前面(@,@)

前段时间因为要做异构数据导入导出，所以搜了下，发现这类工具收费的居多，使用起来未必趁手~
于是我找了下相关开源工具,目前，对于非开源的，我找到的大概有三种方式:

  • 1.springboot+mybatis写代码做导入导出->固定表可以这样做，换张表结构不一样又要重新开发
  • 2.使用kattle...一开始同事用的这款工具，不过它太重了，启动卡半天、操作个字段也卡半天，换个表还要重新建任务，屎一样的操作体验...
  • 3.使用datax,需要配置环境（java、python) ，以及写任务文件(json) 似乎也不是很高效快捷，真难为我了

直到最近我发现了一款工具可以配合着dolphinscheduler使用，那体验简直了..：爽歪歪?,这次我就讲讲如何操作~

一.准备

  • 1.java环境(默认您已经安装)
  • 2.python环境(默认您已经安装),我这边使用linux自带的2.7版本
  • 3.dolphinschedule (默认您已经安装)
  • 4.下载并解压datax安装版(我使用的是2022年3月份左右的版本)https://datax-opensource.oss-cn-hangzhou.aliyuncs.com//datax.tar.gz
  • 5.测试表及数据：

-- postgresql(pg)
CREATE  TABLE TMPP ( 
 ID int8 primary key, 
 NUM int4, 
 NAME VARCHAR(20) , 
 EXT1 date , 
 EXT2 timestamp ,
 EXT3 timestamp , 
 EXT4 DECIMAL(20, 4) , 
 EXT5 text    , 
 EXT6 CHAR(1) , 
 EXT7 float4  
);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-3,33,'这是名称',NULL,NULL,NULL,830.9123,NULL,NULL,NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-2,22,'n_22','2021-10-28','2021-10-27 11:46:25.000','2021-10-29 11:46:33.000',999.1230,'hello youth!','2',19.);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-1,11,'n_11',NULL,NULL,NULL,NULL,NULL,NULL,NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (0,1000,'NAME_1000',NULL,'2021-10-28 16:23:30.000',NULL,NULL,NULL,NULL,NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (1,1001,'NAME_1001','2021-10-28',NULL,'2021-10-28 16:22:41.000',177.3330,'你好啊~','0',NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-99,99,'hello hana','2021-11-02','2021-11-02 14:56:45.758','2021-11-02 14:56:45.758',99.9900,'HELLO TEXT','9',22.);
  
-- hana(sap db)
CREATE ROW TABLE "TMPP" ( "ID" INT CS_INT NOT NULL, "NUM" INT CS_INT, "NAME" NVARCHAR(20) CS_STRING, "EXT1" DAYDATE CS_DAYDATE, "EXT2" LONGDATE CS_LONGDATE, "EXT3" LONGDATE CS_LONGDATE, "EXT4" DECIMAL(20, 4) CS_FIXED, "EXT5" CLOB MEMORY THRESHOLD 1000 , "EXT6" CHAR(1) CS_FIXEDSTRING, "EXT7" DOUBLE CS_DOUBLE );
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-3,33,'这是名称',NULL,NULL,NULL,830.9123,NULL,NULL,NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-2,22,'n_22','2021-10-28','2021-10-27 11:46:25.000','2021-10-29 11:46:33.000',999.1230,NULL,'2',19.);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-1,11,'n_11',NULL,NULL,NULL,NULL,NULL,NULL,NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (0,1000,'NAME_1000',NULL,'2021-10-28 16:23:30.000',NULL,NULL,NULL,NULL,NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (1,1001,'NAME_1001','2021-10-28',NULL,'2021-10-28 16:22:41.000',177.3330,NULL,'0',NULL);
INSERT INTO TMPP (ID,NUM,NAME,EXT1,EXT2,EXT3,EXT4,EXT5,EXT6,EXT7) VALUES (-99,99,'hello postgres','2021-11-02','2021-11-02 14:56:45.758','2021-11-02 14:56:45.758',99.9900,NULL,'9',22.);

二.datax(通用rdbms方式)开启hana支持

首先，要说明的是一般datax支持hana有两种方式：

  • 1.二次开发，写hana专属的writer以及reader插件->配置jdbc->编译上线
  • 2.直接使用datax提供的rdbmswriter以及rdbmsreader插件->添加jdbc->配置对应的plugin.json中的driver路径即可
    这里我使用的是第二种方式，当然下面也会讲到这中间碰到的坑哈?

2.1 datax的基本结构


上图为datax解压后的主目录.

  • bin:启动脚本，主要是python脚本，启动一个任务实例时会用到
  • conf: 一些基本的配置文件，很少用到
  • job: 任务配置文件(json格式),这个目录是可选的，一般手写任务配置文件会放到这个目录
  • lib: 通用及基本的jar包依赖
  • log: 任务日志目录，这个目录也是可选的，一般是启动任务时指定
  • log_perf: 也是任务执行统计日志文件，一般是空的
  • plugin: 里面包含具体的writer以及reader插件及插件配置
  • script: 脚本目录，这也是可选的，一般脚本文件是统一采用git等版本管理
  • tmp: 临时目录，个人建的哈??

2.2 添加jdbc驱动文件(jar)

一般这个jdbc需要到包管理网站或者对应数据库厂商官网下载，这里下hana的driver：https://mvnrepository.com/artifact/com.sap.cloud.db.jdbc/ngdbc
这里的主要操作是将下载好的jar包放到lib目录内，这里需要特别说明的是:网上有博客写的是放入的plugin目录，可能我的版本较新或者和他们的集成方式不同吧，对我来说这个jar放入到plugin目录肯定是不行的！！！
以下是我的lib目录：

2.3 给通用rdbms添加hana支持

这个操作在plugin目录下，对应其中的plugin/writer/rdbmswriter 以及 plugin/reader/rdbmsreader目录下的plugin.json文件 ,修改drivers这一项，这个一定不能错！！！
下图为我添加的 hana driver :


到这里，datax的hana配置已经ok了，下面是dolphinscheduler内的datax相关配置~

三.dolphinscheduler中配置datax环境变量

其实这一步很简单，主要是在dolphinscheduler的->安全中心->环境管理 菜单下配置datax的位置，这步操作一定要在管理员账号 (admin)下操作，一般普通用户是没有权限的，这个很重要!!!
如果您是多机集群部署，建议将datax放在相同的目录位置，不然统一的环境变量找不到，同时JAVA_HOME这个环境变量也建议配置下，不然会有些莫名其妙的问题发生就不好了??

以下是我的配置：

oh，我忘记了，dolphinscheduler默认是没有hana的数据源支持的，需要的可以找我哦(后面会有博客聊到的，关注哟~)?

四.小测一下?

我的测试的是postgresql内的数据抽取到hana 以及 hana的数据抽取到postgresql 两个任务，由于dolphinscheduler的基本使用上一篇博客已经讲过了(具体看这个:https://www.cnblogs.com/funnyzpc/p/.html )，这里我只给出具体的任务节点配置哈?

(dolphinscheduler任务具体配置,表sql脚本上文有)

  • postgresql to hana
  • hana to postgresql
  • 执行结果:

还有几个小的注意事项是：

  • dolphinscheduler的datax任务下查询sql需要将字段显式的写出，不可以用*号代替
  • 查询的字段要注意不同的数据库下会有大小写区分,比如否用 ` 以及 " 装饰字段别名
  • dolphinscheduler下配置datax任务时 环境名称 (配置的datax环境变量) 这一项为必选，不然任务抛错我不负责哟?