DataX插件开发指南.doc

Linux公社（LinuxIDC.com）于2006年9月25日注册并开通网站，Linux现在已经成为一种广受关注和支持的一种操作系统，IDC是互联网数据中心，LinuxIDC就是关于Linux的数据中心。LinuxIDC.com提供包括Ubuntu，Fedora，SUSE技术，以及最新IT资讯等Linux专业类网站。DataX插件开发指南版本号修改内容修改日期修改人V0.1创建2011-09-08何健超目录一、概述4二、Reader插件开发（以httpreader为例）51、确定插件所需配置的参数52、构建相应包和类结构53、实现重载方法74、自定义split方法10三、Writer插件开发（以streamwriter为例）131、确定插件参数、构建相应包和类结构132、实现重载方法14四、插件运行配置（以httpreader为例）161、注册插件162、修改build.xml文件，打包16一、 概述DataX是一个在不同类型的数据库(文件系统)之间交换数据的工具，采用“框架+插件”的结构，框架相当于一个数据中转平台，而插件则为访问不同类型的数据库(文件系统)提供实现。DataX插件分为Reader和Writer两类。Reader负责从数据源端读取数据到Storage(交换空间)，Writer负责将Storage中的数据写入到数据目的端。Storage可以适配不同种类的Reader和Writer，从而实现数据同步。目前DataX版本已经提供的Reader插件如下：1、 hdfsreader : 支持从hdfs文件系统获取数据。2、 mysqlreader: 支持从mysql数据库获取数据。3、 sqlserverreader: 支持从sqlserver数据库获取数据。4、 oraclereader : 支持从oracle数据库获取数据。5、 streamreader: 支持从stream流获取数据（常用于测试）6、 httpreader : 支持从http URL获取数据。提供的Writer插件如下：1、 hdfswriter ：支持向hdbf写入数据。2、 mysqlwriter ：支持向mysql写入数据。3、 sqlserverwriter：支持向sqlserver写入数据。4、 oraclewriter ：支持向oracle写入数据。5、 streamwriter ：支持向stream流写入数据。（常用于测试）用户可以根据需要开发自己的Reader & Writer插件。现在以HttpReader 和StreamWriter插件为例，使用eclipse分别说明Reader和Writer插件开发过程。二、 Reader插件开发（以httpreader为例）1、 确定插件所需配置的参数确定插件参数，并在common.plugin.ParamsKey.java中，创建静态类HttpReader，尤其注意对参数的注释尽量参照源码规范，DataX运行时，会根据此处声明的参数和注释生成对应的模板Job_xml.此处参数设置非常重要，如图：图 12、 构建相应包和类结构在源码文件的plugins.reader包下构建httpreader包，再在httpreader包下创建类HttpReader，并让之继承common.plugin.Reader.图 2图 33、 实现重载方法获得图3所示效果：现在开始分别实现init( ), connectToDb( ), startRead(LineSender sender), finish( ) 四个方法。（1） Init( )：通过从Reader间接继承自DefaultPlugin的PluginParam类型的参数param获取配置httpreader插件的参数(此处可以对参数进行检查和格式处理等操作)，如图：图 4（2） connectToDb( ): 本插件不需要此操作，函数为空实现。（在数据库相关插件中，主要操作是通过DbSource.getConnection(keyId)获取connection），如在mysqlreader中，该函数为：图 5（3） startRead(LineSender sender)：根据init( )初始化的参数，连接相应的http URL, 获取其中数据并用BufferedReader封装，循环处理每行数据，调用sender.createLine() 产生line，并通过line.addField(fieldStr)把每行数据切分成字段后组装成Line中的field,调用sender.sendToWriter(line)将此行数据写入Storage。如图：图 6（4） finish()：本插件不需要此操作，函数实现为空。（在数据库相关插件中，主要完成关闭connection操作。）如在mysqlreader中，该函数为：图 74、 自定义split方法截止到目前，已经实现了一个简单的httpreader（从一个http URL读取数据），目前还未实现读取多个http URL的功能，为此，可以在common.plugin.ParamsKey.java中的静态类HttpReader中，添加如下两项：图 8然后让httpreader插件覆盖默认的split(PluginParam param)方法。操作如下：（1） split(PluginParam param)方法对param按照规则切分，生成List，DataX框架会根据此List产生插件实例执行任务。图 9（2） 为了清晰结构或者切分规则复杂，建议再构建类HttpURLSplitter辅助split方法实现切分，该类需要继承Splitter：图 10图 11实现init( )方法和split( )方法即可：图 12三、 Writer插件开发（以streamwriter为例）1、 确定插件参数、构建相应包和类结构与Reader插件类似，略过，截图如下：图 1图 2图 32、 实现重载方法（1） init( ) 、connectToDb()、finish( )三个方法与Reader中意义相似，此处略过。（2） commint( ) ：本插件不需要此操作，函数实现为空。（在数据库相关插件中，主要完成提交任务操作。）（3） startWrite(LineReceiver linereceiver) ：根据init( )初始化的参数，按照streamwriter插件配置信息，把linereceiver从Stora