DataX ライター
はじめに
StarRocksWriter プラグインは、データを StarRocks の宛先テーブルに書き込むことを可能にします。具体的には、StarRocksWriter は Stream Load を介して CSV または JSON 形式でデータを StarRocks にインポートし、内部でキャッシュし、reader によって読み取られたデータを StarRocks に一括インポートして、書き込みパフォーマンスを向上させます。全体のデータフローは source -> Reader -> DataX channel -> Writer -> StarRocks です。
DataX のフルパッケージをダウンロードするには https://github.com/alibaba/DataX にアクセスし、starrockswriter プラグインを datax/plugin/writer/ ディレクトリに配置してください。
以下のコマンドを使用してテストします:
python datax.py --jvm="-Xms6G -Xmx6G" --loglevel=debug job.json
機能説明
サンプル設定
ここでは、MySQL からデータを読み取り、StarRocks にロードするための設定ファイルを示します。
{
"job": {
"setting": {
"speed": {
"channel": 1
},
"errorLimit": {
"record": 0,
"percentage": 0
}
},
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"username": "xxxx",
"password": "xxxx",
"column": [ "k1", "k2", "v1", "v2" ],
"connection": [
{
"table": [ "table1", "table2" ],
"jdbcUrl": [
"jdbc:mysql://127.0.0.1:3306/datax_test1"
]
},
{
"table": [ "table3", "table4" ],
"jdbcUrl": [
"jdbc:mysql://127.0.0.1:3306/datax_test2"
]
}
]
}
},
"writer": {
"name": "starrockswriter",
"parameter": {
"username": "xxxx",
"password": "xxxx",
"database": "xxxx",
"table": "xxxx",
"column": ["k1", "k2", "v1", "v2"],
"preSql": [],
"postSql": [],
"jdbcUrl": "jdbc:mysql://172.28.17.100:9030/",
"loadUrl": ["172.28.17.100:8030", "172.28.17.100:8030"],
"loadProps": {}
}
}
}
]
}
}
Starrockswriter パラメータ説明
-
username
-
説明: StarRocks データベースのユーザー名
-
必須: はい
-
デフォルト値: なし
-
-
password
-
説明: StarRocks データベースのパスワード
-
必須: はい
-
デフォルト: なし
-
-
database
-
説明: StarRocks テーブルのデータベース名
-
必須: はい
-
デフォルト: なし
-
-
table
-
説明: StarRocks テーブルのテーブル名
-
必須: はい
-
デフォルト: なし
-
-
loadUrl
-
説明: Stream Load 用の StarRocks FE のアドレスで、複数の FE アドレスを
fe_ip:fe_http_portの形式で 指定できます。 -
必須: はい
-
デフォルト値: なし
-
-
column
- 説明: データを書き込む必要がある宛先テーブルのフィールドで、カラムはカンマで区切ります。例: "column": ["id", "name", "age"]。
column 設定項目は指定する必要があり、空白にすることはできません。 注意: 宛先テーブルのカラム数やタイプなどを変更した場合にジョブが正しく動作しないか失敗する可能性があるため、空白にすることは強くお勧めしません。設定項目は reader の querySQL または column と同じ順序でなければなりません。
- 説明: データを書き込む必要がある宛先テーブルのフィールドで、カラムはカンマで区切ります。例: "column": ["id", "name", "age"]。
-
必須: はい
-
デフォルト値: なし
-
preSql
-
説明: データを宛先テーブルに書き込む前に実行される標準ステートメント
-
必須: いいえ
-
デフォルト: なし
-
jdbcUrl
-
説明:
preSqlおよびpostSqlを実行するための宛先データベースの JDBC 接続情報 -
必須: いいえ
-
-
デフォルト: なし
-
loadProps
-
説明: StreamLoad のリクエストパラメータで、詳細は StreamLoad の紹介ページを参照してください。
-
必須: いいえ
-
デフォルト値: なし
-
型変換
デフォルトでは、受信データは文字列に変換され、t をカラムセパレータ、n を行セパレータとして使用し、StreamLoad インポート用の csv ファイルを形成します。
カラムセパレータを変更するには、loadProps を適切に設定します。
"loadProps": {
"column_separator": "\\x01",
"row_delimiter": "\\x02"
}
インポート形式を json に変更するには、loadProps を適切に設定します。
"loadProps": {
"format": "json",
"strip_outer_array": true
}
json形式は、ライターがデータを JSON 形式で StarRocks にインポートするためのものです。
タイムゾーンについて
ソース tp ライブラリが別のタイムゾーンにある場合、datax.py を実行する際に、コマンドラインの後に次のパラメータを追加します
"-Duser.timezone=xx"
例: DataX が Postgrest データをインポートし、ソースライブラリが UTC タイムにある場合、起動時にパラメータ "-Duser.timezone=GMT+0" を追加します。
