【DataX篇】DataX的两种部署方式以及DataX-Web可视化管理平台的搭建
💫《博主主页》：
🔎 ZEEKLOG主页：奈斯DB
🔎 IF Club社区主页：奈斯、
🔎 微信公众号：奈斯DB
🔥《擅长领域》：
🗃️ 数据库：阿里云AnalyticDB(云原生分布式数据仓库)、Oracle、MySQL、SQLserver、NoSQL(Redis)
🛠️ 运维平台与工具：Prometheus监控、DataX离线异构同步工具
💖如果觉得文章对你有所帮助，欢迎点赞收藏加关注💖
这篇文章将系统的分享 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
DataX全系列文章（实时更新 🔥 ）：
目录
| 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。 | ||||
一、二进制、源码方式安装
环境准备：
Linux 操作系统： DataX部署在Linux上JDK（1.8 及其以上都可以，推荐 1.8）： Oracle Java JDK下载链接，https://www.oracle.com/cn/java/technologies/downloads/Python（2 或者 3 都可以）： 默认Linux上都会预装python2。redhat的yum镜像没有python3，CentOS的yum镜像是可以直接安装python3的。python官网链接，https://www.python.org/downloads/Apache Maven 3.x（只有源码编译安装需要）： Apache Maven官网链接，https://maven.apache.org/download.cgi
1.1 二进制方式安装
1）进入到github官网的DataX主页：DataX
下拉到“Quick Start”部分，然后点击下载
2）安装data所需的jdk依赖包
3）登录到Linux服务器，解压DataX安装包到指定的目录下
4）通过DataX提供的自测脚本，通过python命令测试一下能不能正常启动一个同步任务
### 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
1.2 源码方式安装（了解即可）
安装步骤参考官方 github 详细介绍：DataX源码方式安装
1）下载DataX源码：
2）通过maven打包：如果打包成功，日志显示如下：
打包成功后的DataX包位于 {DataX_source_code_home}/target/datax/datax/ ，结构如下：
二、python 3 支持
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——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
### 虽然 python3 的语法变更，但是也向下兼容，同样可以使用 python2 执行
三、DataX动态传参
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。
3.1 动态传参的案例
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。
四、并发设置
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？直接指定 channel 数量通过 Bps 计算 channel 数量通过 tps 计算 channel 数量
下面对三种计算 channel 数量的方式进行一一介绍：
4.1 直接指定 channel 数量
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。
在json文件中，指定channel数量的截图如下：
###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]…）
对上述的日志进行分析：一个Job被拆分成了两个任务组。因为DataX中默认一个TaskGroup(任务组)的并发数量为5，也就是channel，因此为了满足10个通道的需求，自动创建2个任务组
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
4.2 通过 Bps 计算 channel 数量
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 Bps： 对一个 Job 进行整体的限速，可以通过job.setting.speed.byte进行设置（单位字节）。channel Bps： 对单个 channel 的限速，可以通过core.transport.channel.speed.byte进行设置（单位字节）。和上面的Job Bps必须同时设置。
在json文件中，指定Job Bps的截图如下：
在json文件中，指定channel Bps的截图如下，需要注意core和job是平级参数
###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]…）
4.3 通过 tps 计算 channel 数量
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 tps： 对一个 Job 进行整体的限速，可以通过job.setting.speed.record进行设置（单位每秒传输N条数据）。channel tps： 对单个 channel 的限速，可以通过core.transport.channel.speed.record进行设置（单位每秒传输N条数据）。和上面的Job tps必须同时设置。
在json文件中，指定Job tps的截图如下：
在json文件中，指定channel tps的截图如下，需要注意core和job是平级参数
###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]…）
4.4 如果同时配置了如上的多种方式，那么优先级如下：
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。
在json文件中，同时配置了直接指定 channel 数量、通过 Bps 计算 channel 数量、通过 tps 计算 channel 数量这三种方式
###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]…）
五、二进制、源码方式部署DataX-Web
环境准备：
MySQL (5.5+) 必选， 对应客户端可以选装, Linux服务上若安装mysql的客户端可以通过部署脚本快速初始化数据库JDK (1.8.0_xxx) 必选Maven (3.6.1+) 必选DataX 必选Python (2.x) (支持Python3需要修改替换datax/bin下面的三个python文件，替换文件在doc/datax-web/datax-python3下) 必选， 主要用于调度执行底层DataX的启动脚本，默认的方式是以Java子进程方式执行DataX，用户可以选择以Python方式来做自定义的改造
5.1 二进制方式安装
1）进入到github官网的DataX-Web主页：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
2）在安装部署前先部署MySQL数据库
datax-web需要将一些元数据信息保存到数据库。MySQL的安装部署可以自行安装哦，这里就不写部署步骤了
3）登录到Linux服务器，解压Data-Web包，和datax部署在一个目录下
###/data/DataX是datax软件的安装目录，将Data-Web部署和datax在一个目录下
4）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
###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
###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
5）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
6）指定PYTHON_PATH的路径
7）一键启动和一键关闭DataX-Web服务一键启动所有服务
###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
###当然也可以单一地停止某一模块服务：./bin/stop.sh -m {module_name}
8）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
9）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
10) 运行日志
部署完成之后，在modules/对应的项目/data/applogs下(用户也可以自己指定日志，修改application.yml 中的logpath地址即可)，用户可以根据此日志跟踪项目实际启动情况。
如果执行器启动比admin快，执行器会连接失败，日志报"拒绝连接"的错误，一般是先启动admin,再启动executor,30秒之后会重连，如果成功请忽略这个异常。
5.2 编译打包安装（了解即可）
安装步骤参考官方github详细介绍：DataX-Web 编译打包方式安装
1） 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
至此，从安装部署到Web管理平台搭建，一个高效可控的DataX同步体系已搭建完成。如在部署过程中遇到任何问题，欢迎在评论区分享交流！💡
