利用 Addax 异构迁移数据到 Databend

作者：邰翀

(https://github.com/TCeason) Databend 研发工程师

现在互联网应用越来越复杂，每个公司都会有多种多样的数据库。通常是用最好的硬件来跑 OLTP，甚至还在 OLTP 中进行分库分表来足业务，这样对于一些分析，聚合，排序操作非常麻烦。这也有了异构数据库的数据同步需求，今天重点给大家介绍两个利器 ：异构数据迁移：Addax 结合云原生数仓 Databend 实现异构数据库数据合并及分析。

Addax (https://github.com/wgzhao/Addax) 是一个异构数据源离线同步工具，最初来源于阿里的 DataX ，致力于实现包括关系型数据库(MySQL、PostgreSQL、Oracle等)、HDFS、Hive、HBase、FTP等各种异构数据源之间稳定高效的数据同步功能。

Databend (https://github.com/datafuselabs/databend) 是一个开源、弹性、负载感知的现代云数仓库，赋能企业降本增效。在之前的文章中介绍了 如何快速部署 Databend (https://www.databend.cn/blog/deploy-databend-on-minio)。

为什么是 Addax 没有选用 Datax, 实际这次发起这个项目的原因是一个用户原来的环境中有 Clickhouse， Datax 不支持 Clickhose 读取和写入，所以我们优先支持了 Addax 这个异构迁移工具。下面我们通过一个简单练习，让你学习使用 Addax , 另外通过几个进阶案例给你展示一下 Addax 的魅力。

本文中仅以 Addax 的 mysqlreader plugin 为例进行实验，databendwriter 支持所有 Addax 提供的 reader plugin。

1. Addax 基本使用

1.1. 安装 Addax

# more info https://wgzhao.github.io/Addax/4.0.11/ wget https://github.com/wgzhao/Addax/releases/download/4.0.11/addax-4.0.11.tar.gz; tar xvf addax-4.0.11.tar.gz; 

Addax 也支持 Docker 安装 (https://github.com/wgzhao/Addax#use-docker-image)和编译安装 (https://github.com/wgzhao/Addax#compile-and-package)。

1.2. Demo (from MySQL to Databend)

在 MySQL Server 中建立迁移用户。（本例中待迁移的表为 db.tb01）

mysql> create user 'mysqlu1'@'%' identified by '123'; mysql> grant all on *.* to 'mysqlu1'@'%'; mysql> create database db; mysql> create table db.tb01(id int, col1 varchar(10)); mysql> insert into db.tb01 values(1, 'test1'), (2, 'test2'), (3, 'test3'); 

在 Databend 中建立对应的表结构。（将 MySQL 的 db.tb01 数据迁移至 Databend 的 migrate_db.tb01）

databend> create database migrate_db; databend> create table migrate_db.tb01(id int null, col1 String null); 

进行如下配置后，即可开始迁移。

$ cd addax-4.0.11/bin; $ cat <<EOF > ./mysql2databend.json {   "job": {     "setting": {       "speed": {         "channel": 4       }     },     "content": {       "writer": {         "name": "databendwriter",         "parameter": {           "preSql": [             "truncate table @table"           ],           "postSql": [           ],           "username": "u1",           "password": "123",           "database": "migrate_db",           "table": "tb01",           "jdbcUrl": "jdbc:mysql://127.0.0.1:3307/migrate_db",           "loadUrl": ["127.0.0.1:8000","127.0.0.1:8000"],           "fieldDelimiter": "\\x01",           "lineDelimiter": "\\x02",           "column": ["*"],           "format": "csv"         }       },       "reader": {         "name": "mysqlreader",         "parameter": {           "username": "mysqlu1",           "password": "123",           "column": [             "*"           ],           "connection": [             {               "jdbcUrl": [                 "jdbc:mysql://127.0.0.1:3306/db"               ],               "driver": "com.mysql.jdbc.Driver",               "table": [               "tb01"               ]             }           ]         }       }     }   } } EOF $ ./addax.sh -L debug ./mysql2databend.json 

1.3. 校验数据

databend> select * from migrate_db.tb01; +------+-------+ | id   | col1  | +------+-------+ |    1 | test1 | |    2 | test2 | |    3 | test3 | +------+-------+ 

更多使用方式参见：https://wgzhao.github.io/Addax/4.0.11/writer/databendwriter/

1.4. 小结

上面的例子是通过 Addax 跑通一个表的迁移到 Databend ， 通过一个简单的例子也可以感受一下 Addax 大概的流程。

但 Addax 远比这个 Demo 强大。另外 Addax 强大之处可能通过参数来控制配置文件，这样比轻松地实现一个配置迁移， 甚至可以传入 SQL 这样来读取指定区间做数据的迁移。

2. Addax 进阶使用

Addax 配置框架可以参考：https://wgzhao.github.io/Addax/4.0.11/setupJob/

如果只是使用源端和目标，这块在配置中主要需要关注：

    "content": {       "reader": {},       "writer": {},   } 

另外 Addax 参考了 DataX 的设计和使用习惯，对于 DataX 支持语法在 Addax 都可以使用。

下面我举几个生产中可能会用到例子，来给大家参考一下：

• Case1: 生产中 10 张表的数据合并到 Databend 中一张表

• Case2: 把 MySQL 中所有的表都迁移到 Databend 中

• Case3: 指定 SQL 读取原表的数据，迁移到指定的表中

Case 1: 生产中 10 张表的数据合并到 Databend 中一张表

这个需求在生产中比较常见，需要把线上的数据汇聚一个地方进行分析， 这块正好可以利用 Databend 基于对象存储及高压缩的能力。假设源端是 MySQL 数据库, 目标端是 Databend, 下面是一个简化的配置：

      "reader": {         "name": "mysqlreader",          ...           "connection": [           ...               "table": [                '${dst_table}'               ]           ]         },         "writer": {         "name": "databendwriter",          ...          "table":  '${src_table}',          ...        } 

基于这配置我们需要写一个脚本来调用, 例如要迁移的前缀是 sbtest 从 1 到 10 ，最终合并为 sbtest 调用方法如下：

pre_tb="sbtest" dst_tb="sbtest" for t in `seq 1 10` do         tb=$pre_tb$t         echo $tb         ./bin/addax.sh ./job/my2databend.json -p "-Dsrc_table=$tb -Ddst_table=$dst_tb" done 

mysql2databend.json 配置参考：databend-workshop/mysql2databend.json at main · wubx/databend-workshop (https://github.com/wubx/databend-workshop/blob/main/addax_mysql2databend/mysql2databend.json)

Case 2: 把 MySQL 中所有的表都迁移到 Databend 中

基于上面的案例，估计大概已经明白其中的套路了。如果 MySQL 到 Databend 还可以基于上面的配置文件，只需要把要迁移的表整理成一个 list 控制。全库迁移难点在于表结构生成，对于 Databend 表结构的生成只需要字段名和类型即可。

表结构生成的脚本参考：https://github.com/wubx/databend-workshop/blob/main/addax_mysql2databend/mysql_str2databend.py

调用方法：

#python3 g_mysql.py -H MySQL_IP -P MySQL_PORT -u MySQL_User -p mysql_password -d dbname |mysql -h databend_ip -Pdatabend_port -udatabend_user dbname python3 g_mysql.py -H 172.21.16.9 -P 3306 -u root -p vgypH8nc -d wubx |mysql -h 127.0.0.1 -P3307 -uroot wubx 

定制迁移配置

      "reader": {         "name": "mysqlreader",          ...           "connection": [           ...               "table": [                '${src_table}'               ]           ]         },         "writer": {         "name": "databendwriter",          ...          "table":  '${src_table}',          ...        } 

调用方式

pre_tb="sbtest" for t in `seq 1 10` do         tb=$pre_tb$t         echo $tb         ./bin/addax.sh ./job/mysql2databend.json -p "-Dsrc_table=$tb" done 

Case 3: 指定 SQL 读取原表的数据，迁移到指定的表中

这种场景适合定期小批量迁移的，但原始表里需要有时间字段，比如订单类数据迁移。这里我们要使用到 Addax 数据读取中指定 querySQL 这个特性

    "content": {       "reader": {         "name": "mysqlreader",         "parameter": {           ...           "connection": [             {              "querySql": ["$DS"],              ...             }           ]         }       },     "writer": {     "name": "databendwriter",      ...      "table":  '${DT}',      ...    } 

调用方法：

# 利用 DS 传入读取的 SQL ，通过 DT 指定写入的表名 python3  ./bin/addax.py job/msql.json -p "-DDS='select * from sbtest1 limit 10' -DDT=sbtest" 

小结

本部分通过几个案例分展示了 Addax 的数据读取能力，通过灵活的组合基本可以满足生产中的各种需求。实际使用中如果为了提速，需要调整任务的配置和 autoPK 的这个功能。另外也可以使用 Addax 和 Databend 也可以担负起数据库的归档需求。

Databend 兼容 MySQL 协议 (https://databend.rs/doc/integrations/api/mysql-handler)，如果使用 Databend 做 ODS 层，又想结合原来的大数据生态使用，也可以使用 Addax 直接使用 mysql (https://wgzhao.github.io/Addax/4.0.11/reader/mysqlreader/) reader (https://wgzhao.github.io/Addax/4.0.11/reader/mysqlreader/) 插件读取 Databend 中的数据。

3. 使用中注意事项

Addax 使用中对于具体的数据库，建议多阅读官方的 reader 或是 writer 的说明，根据实际情况决定合理的配置。这里的案例中 Databend 使用的是 Streaming_load 接口进行的数据写入，如果单节点 databend-query 有压力的情况下，也可以考虑配置多个 databend-query ，Addax 也是支持多个 databend-query 写入。

以上都是参考，如果还有不能满足你的使用，或是你对 Addax 和 Databend 有进一步需求，也可以 wx 小D : Databend 约一些线上的交流。

关于 Databend

Databend 是一款开源、弹性、低成本，基于对象存储也可以做实时分析的新式数仓。期待您的关注，一起探索云原生数仓解决方案，打造新一代开源 Data Cloud。

• Databend 文档：https://databend.rs/

• Twitter：https://twitter.com/Datafuse_Labs

• Slack：https://datafusecloud.slack.com/

• Wechat：Databend

• GitHub ：https://github.com/datafuselabs/databend