系统分享 DataX 的安装部署实践，详细拆解 DataX 的两种核心部署方式——二进制部署与源码编译部署，并深入探讨动态参数配置、并发度优化等关键调优技巧。在此基础上，也将进一步介绍如何集成 DataX-Web 可视化管控平台，以构建一个具备统一调度、实时监控与高效管理能力的企业级数据同步运维体系。 DataX 二进制、源码安装部署的 Github 地址： https://github.co…
本文系统分享 DataX 的安装部署实践，详细拆解 DataX 的两种核心部署方式——二进制部署与源码编译部署，并深入探讨动态参数配置、并发度优化等关键调优技巧。在此基础上，也将进一步介绍如何集成 DataX-Web 可视化管控平台，以构建一个具备统一调度、实时监控与高效管理能力的企业级数据同步运维体系。
DataX 二进制、源码安装部署的 Github 地址： https://github.com/alibaba/DataX/blob/master/userGuid.md
DataX-Web 二进制、源码安装部署的 Github 地址： https://github.com/WeiYe-Jing/datax-web
| 主机名 | IP 地址 | 配置 | 系统 | 描述 |
|---|---|---|---|---|
| datax | 192.168.82.133 | 4C 16G | CentOS Linux 7.6 | DataX 在执行多个同步任务的时候比较消耗内存，因此如果有多个同步任务需要分配的物理内存需要多一些 |
| 注意：DataX 和 DataX-Web 的软件安装目录，以及相关其他插件都存储到了分配好的/data 目录下，所以生产环境需要按照规划的数据盘进行存储。 |
环境准备：
注意： DataX 这个项目本身是用 Python2.7 进行开发的，因此需要使用 Python2.7 的版本进行执行。
踩坑问题总结
问题一： 描述： 如果执行自检程序出现如下错误 解决方案： 将 plugin 目录下的所有的以 _ 开头的文件都删除即可
安装步骤参考官方 github 详细介绍：DataX 源码方式安装
DataX 这个项目本身是用 Python2.7 进行开发的，因此需要使用 Python2.7 的版本进行执行。如果使用 python3 执行的话，可能会出现问题，因为 3 和 2 的语法差异还是比较大的。
如果需要使用 python3 去执行数据同步的计划，需要修改 bin 目录下的三个 py 文件，将这三个文件中的如下部分修改即可：
Python 2 升级到 Python 3 时必须修改的两个核心语法变化——print 从语句变为函数，异常捕获语法从逗号改为 as 关键字：
print xxx 替换为 print(xxx) ### 打印语法变更Exception, e 替换为 Exception as e ### 异常捕获语法变更同样的，通过 DataX 提供的自测脚本，通过 python3 命令测试一下能不能正常启动一个同步任务
注意： 虽然 python3 的语法变更，但是也向下兼容，同样可以使用 python2 执行
DataX 同步数据的时候需要使用到自己设置的配置文件，其中可以定义同步的方案，通常为 json 的格式。在执行同步方案的时候，json 文件中的 channel、password、username 等等都是静态的参数数据，有些场景下需要有一些动态的数据。例如：将 MySQL 的数据同步到 HDFS，多次同步的时候只是表的名字和字段不同。eg：比如 MySQL 中有一个订单表 orders 需要同步到 HDFS 中，那么第一次同步肯定是全量同步，将数据全量同步到今天，比如今天的日期是 2025-06-30，之后的每天每时每秒订单表都在产生新的数据，那么之后就没有必要进行全量同步，只需要进行增量同步，如果在 json 文件写了 where 条件，比如 where date='2025-07-01'，那么是进行了增量同步，但之后的每一天都需要修改这个 where 条件，非常的不智能。因此就需要使用到动态传参，让增量同步的 where 条件变的智能，自动进行调整。将 MySQL 的数据增量的同步到 HDFS 或者 Hive 中的时候，需要指定每一次同步的时间。
这些时候，如果我们每一次都去写一个新的 json 文件将会非常麻烦，此时我们就可以使用 动态传参。 所谓的动态传参，就是在 json 的同步方案中，使用类似变量的方式来定义一些可以改变的参数。在执行同步方案的时候，可以指定这些参数具体的值。
在使用到同步方案的时候，可以使用 -D 来指定具体的参数的值。例如在上述的 json 中，我们设置了一个参数 TIMES，在使用的时候，可以指定 TIMES 的值，来动态的设置 sliceRecordCount 的值。
在 DataX 的处理流程中，Job 会被划分成为若干个 Task 并发执行，被不同的 TaskGroup 管理。在每一个 Task 的内部，都由 reader -> channel -> writer 的结构组成，其中 channel 的数量决定了并发度。那么 channel 的数量是怎么指定的？
下面对三种计算 channel 数量的方式进行一一介绍：
在同步方案的 json 文件中，我们可以设置 job.setting.speed.channel 来设置 channel 的数量。这是最直接的方式。在这种配置下，channel 的 Bps 为默认的 1MBps，即每秒传输 1MB 的数据。
注意： DataX 中默认一个 TaskGroup(任务组) 的并发数量为 5，也就是 channel，相关参数的定义在 conf 目录下的 core.json 文件中。可以看到如下分配了 10 个并发，每个并发都由 reader -> channel -> writer 的结构组成，10 个 task 分成了 2 个 TaskGroup（taskGroupId=[0]、taskGroupId=[1]），然后不同的 TaskGroup 下通过 task 执行（taskGroup[0] taskId[5]、taskGroup[1] taskId[0]…）
用建筑工地比喻这个场景，整个工程（Job）：要搬 10 堆砖（10 个任务），有 10 个工人（10 个通道）。但工头决定：工地 A（任务组 0）：派 5 个工人，负责搬砖堆 1-5 工地 B（任务组 1）：派 5 个工人，负责搬砖堆 6-10 两个工地同时开工，互不干扰！ 阶段 1：任务切分 阶段 2：任务组调度（关键变化！） 阶段 3：任务执行
Bps（Byte per second）是一种非常常见的数据传输速率的表示，在 DataX 中，可以通过参数设置来限制总 Job 的 Bps 以及单个 channel 的 Bps，来达到限速和 channel 数量计算的效果。
job.setting.speed.byte 进行设置（单位字节）。core.transport.channel.speed.byte 进行设置（单位字节）。注意： DataX 中默认一个 TaskGroup(任务组) 的并发数量为 5，也就是 channel，相关参数的定义在 conf 目录下的 core.json 文件中。根据计算公式（channel=500/50）看到如下分配了 10 个并发，每个并发都由 reader -> channel -> writer 的结构组成，10 个 task 分成了 2 个 TaskGroup（taskGroupId=[0]、taskGroupId=[1]），然后不同的 TaskGroup 下通过 task 执行（taskGroup[0] taskId[2]、taskGroup[1] taskId[6]…）
tps（transcation per second）是一种很常见的数据传输速率的表示，在 DataX 中，可以通过参数设置来限制总 Job 的 tps 以及单个 channel 的 tps，来达到限速和 channel 数量计算的效果。
job.setting.speed.record 进行设置（单位每秒传输 N 条数据）。core.transport.channel.speed.record 进行设置（单位每秒传输 N 条数据）。注意： DataX 中默认一个 TaskGroup(任务组) 的并发数量为 5，也就是 channel，相关参数的定义在 conf 目录下的 core.json 文件中。根据计算公式（channel=500/100）看到如下分配了 5 个并发，每个并发都由 reader -> channel -> writer 的结构组成，5 个 task 分成了 1 个 TaskGroup（taskGroupId=[0]），然后不同的 TaskGroup 下通过 task 执行（taskGroup[0] taskId[0]、taskGroup[0] taskId[1]…）
如果同时配置了 Bps 和 tps 限制，以小的为准。只有在 Bps 和 tps 都没有配置的时候，才会以 channel 数量配置为准。
注意： DataX 中默认一个 TaskGroup(任务组) 的并发数量为 5，也就是 channel，相关参数的定义在 conf 目录下的 core.json 文件中。根据优先级并发将采用'通过 tps 计算 channel 数量'，原因参考上面的优先级。根据计算公式（channel=500/100）看到如下分配了 5 个并发，每个并发都由 reader -> channel -> writer 的结构组成，5 个 task 分成了 1 个 TaskGroup（taskGroupId=[0]），然后不同的 TaskGroup 下通过 task 执行（taskGroup[0] taskId[2]、taskGroup[0] taskId[1]…）
环境准备：
https://github.com/WeiYe-Jing/datax-web
下拉到"Quick Start"部分，点击'一键部署'，然后就进入到了 DataX-Web 的安装部署文档界面
下载官方提供的版本 tar 版本包注意： /data/DataX 是 datax 软件的安装目录，将 Data-Web 部署和 datax 在一个目录下
执行一键安装脚本 进入解压后的目录，找到 bin 目录下面的 install.sh 文件，进行交互式安装，则直接执行
./bin/install.sh
进行交互式安装，如果你的服务上安装有 mysql 命令，在执行安装脚本的过程中则会出现以下提醒。按照提示输入数据库地址，端口号，用户名，密码以及数据库名称；并且 datax-web 需要将一些元数据信息保存到数据库中，按照提示执行 datax_web.sql 数据库初始化脚本
注意： 如上是交互式安装，在交互模式下，对各个模块的 package 压缩包的解压以及 configure 配置脚本的调用，都会请求用户确认，可根据提示查看是否安装成功，如果没有安装成功，可以重复尝试；如果不想使用交互模式，跳过确认过程，则执行 --force 命令安装：./bin/install.sh --force
进入到 MySQL 数据库中，查看创建的数据库
如果服务上并没有安装 mysql 命令，则可以取用目录下 ./bin/db/datax-web.sql 脚本去手动执行，完成后修改相关配置文件
注意： 按照提示输入数据库地址，端口号，用户名，密码以及数据库名称
配置邮件服务 (可跳过) 在项目目录（/data/DataX/datax-web-2.1.2/）下/modules/datax-admin/bin/env.properties 配置邮件服务。data-web 提供了失败告警功能，如果某一个任务执行失败，可以通过配置的邮件服务给指定邮箱发送一封'执行失败'的邮件
指定 PYTHON_PATH 的路径
一键启动和一键关闭 DataX-Web 服务
一键启动所有服务
./bin/start.sh
中途可能发生部分模块启动失败或者卡住，可以退出重复执行，如果需要改变某一模块服务端口号，则 vi ./modules/{module_name}/bin/env.properties 找到 SERVER_PORT 配置项，改变它的值即可。当然也可以单一地启动某一模块服务：./bin/start.sh -m {module_name}
一键取消所有服务
./bin/stop.sh
当然也可以单一地停止某一模块服务：./bin/stop.sh -m {module_name}
查看服务（注意！注意！）
在 Linux 环境下使用 JPS 命令，查看是否出现 DataXAdminApplication 和 DataXExecutorApplication 进程，如果存在这表示项目运行成功。
如果项目启动失败，请检查启动日志： modules/datax-admin/bin/console.out 或者 modules/datax-executor/bin/console.out。
注意： 脚本使用的都是 bash 指令集，如若使用 sh 调用脚本，可能会有未知的错误
运行
部署完成后，在浏览器中输入 http://ip:port/index.html 就可以访问对应的主界面（ip 为 datax-admin 部署所在服务器 ip，port 为 datax-admin 指定的运行端口，默认 9527）
输入用户名 admin 密码 123456 就可以直接访问系统
安装步骤参考官方 github 详细介绍：DataX-Web 编译打包方式安装
编译打包（官方提供的 tar 包跳过） 直接从 Git 上面获得源代码，在项目的根目录下执行如下命令
执行成功后将会在工程的 build 目录下生成安装包
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML 转 Markdown在线工具，online
通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online