DataX Server

为 DataX 提供远程调用（Thrift Server， Http Server）分布式运行（DataX On YARN）功能

Feature

• 1. Thrift Server
• 2. DataX on Yarn
• 3. Http Server
• 4. 单机多线程方式运行
• 5. 单机多进程方式运行
• 6. 分布式运行(On Yarn)
• 7. 混合模式运行（Yarn+多进程模式运行）
• 8. 自动伸缩

TODO

• 1.Http Server
• 2.代码重构
• 3.按照功能类型拆分到多个子项目中　重新组织包名　方便后续新增功能
• 4.完善文档示例

Deploy

  下载发布包DataXServer-0.0.1.tar.gz 并解压 进入 0.0.1 目录

  启动Thrift Server

./bin/startThriftServer.sh     

使用NodeJS提交测试任务到Thrift Server

  cd example/nodejs    
  node submitStream2Stream.js 

 

Develop

下载程序源码

 项目依赖阿里 DataX

git clone https://github.com/alibaba/DataX.git 
cd DataX    
mvn install

git clone https://github.com/TianLangStudio/DataXServer.git  
cd DataXServer  
mvn clean compile install -DskipTests

单机多线程模式运行http server (已部署好datax 且能正常运行job/test_job.json)

• 配置DataX安装目录

修改pom.xml中的datax-home配置项为部署datax的地址

 <datax-home>/data/test/datax</datax-home>

• 启动http server

 cd httpserver
 mvn scala:run -Dlauncher=httpserver -DskipTests

• 提交任务 获取任务ID

curl -XPOST -d "@测试文件路径" 127.0.0.1:9808/dataxserver/task

tianlang@tianlang:job$ curl -XPOST -d "@job/test_job.json" 127.0.0.1:9808/dataxserver/task
0 （任务ID）

• 获取任务执行状态结果耗时

curl  127.0.0.1:9808/dataxserver/task/status/0
curl  127.0.0.1:9808/dataxserver/task/0
curl  127.0.0.1:9808/dataxserver/task/cost/0

单机多进程模式运行

• 配置DataX安装目录
  同多线程模式
• 启动server

  cd hamal-yarn
  mvn scala:run -Dlauncher=httpserver-mp -DskipTests

• 提交运行任务同多线程模式

多机多进程模式运行(On Yarn)

• 配置DataX 安装目录 修改hamal-yarn/src/main/resources/master.conf　里的datax.home配置项的值为 DataX安装目录
• 打包

cd hamal-yarn
mvn clean package -DskipTests

• 上传jar包到hdfs 将hamal-yarn/target/hamal-yarn--with-dependencies.jar上传到hdfs /app/hamal/master.jar 将hamal-yarn/target/hamal-yarn--package.zip上传到hdfs /app/hamal/executor.zip

hdfs dfs -put hamal-yarn-*-with-dependencies.jar /app/hamal/master.jar
hdfs dfs -put hamal-yarn-*-package.zip /app/hamal/executor.zip

• 运行Master

yarn jar hamal-yarn-*_with-dependencies.jar  org.tianlangstudio.data.hamal.yarn.Client /app/hamal/master.jar

可以通过yarn　ui看到运行的Master

• 提交运行任务同多线程模式

提交任务后可看到，　container数量增加， master运行日志中可看到当前executor数量 ,在master.conf文件中可以配置最大executor数量，可以将local.num.max设置为不为０的值即代表可以在本机启动executor. executor空闲一段时间后自动销毁。

如用在生产环境建议修改ID生成策略，提交任务存储方式等　　

QA

• 编译失败

检查是否是依赖包下载失败，可以将依赖包安装到本机
可以尝试注释掉pom文件中recompileMode配置

• 是否集群中每台机器都要安装datax

不需要每台机器都安装datax,可以把datax打包到excutor的部署zip包中，放到hdfs上

• Excutor和Master是通过http还是thrift通信？

Excutor和Master的通信是基于akka实现的

• Excutor的个数会随着任务个数增减？

是的，但不会大于配置的最大Excutor个数

Document

TODO

问题交流可加群

QQ群：579896894