datax otswriter 使用

2022-07-14
浏览 (1529)

OTSWriter 插件文档

1 快速介绍

OTSWriter插件实现了向OTS写入数据，目前支持三种写入方式：

PutRow，对应于OTS API PutRow，插入数据到指定的行，如果该行不存在，则新增一行；若该行存在，则覆盖原有行。
UpdateRow，对应于OTS API UpdateRow，更新指定行的数据，如果该行不存在，则新增一行；若该行存在，则根据请求的内容在这一行中新增、修改或者删除指定列的值。
DeleteRow，对应于OTS API DeleteRow，删除指定行的数据。

OTS是构建在阿里云飞天分布式系统之上的 NoSQL数据库服务，提供海量结构化数据的存储和实时访问。OTS 以实例和表的形式组织数据，通过数据分片和负载均衡技术，实现规模上的无缝扩展。

2 实现原理

简而言之，OTSWriter通过OTS官方Java SDK连接到OTS服务端，并通过SDK写入OTS服务端。OTSWriter本身对于写入过程做了很多优化，包括写入超时重试、异常写入重试、批量提交等Feature。

3 功能说明

3.1 配置样例

配置一个写入OTS作业:

{
    "job": {
        "setting": {
        },
        "content": [
            {
                "reader": {},
                "writer": {
                    "name": "otswriter",
                    "parameter": {
                        "endpoint":"",
                        "accessId":"",
                        "accessKey":"",
                        "instanceName":"",
                        // 导出数据表的表名
                        "table":"",

                        // Writer支持不同类型之间进行相互转换
                        // 如下类型转换不支持:
                        // ================================
                        //    int    -> binary
                        //    double -> bool, binary
                        //    bool   -> binary
                        //    bytes  -> int, double, bool
                        // ================================

                        // 需要导入的PK列名，区分大小写
                        // 类型支持：STRING，INT
                        // 1. 支持类型转换，注意类型转换时的精度丢失
                        // 2. 顺序不要求和表的Meta一致
                        "primaryKey" : [
                            {"name":"pk1", "type":"string"},
                            {"name":"pk2", "type":"int"}
                        ],

                        // 需要导入的列名，区分大小写
                        // 类型支持STRING，INT，DOUBLE，BOOL和BINARY
                        "column" : [
                            {"name":"col2", "type":"INT"},
                            {"name":"col3", "type":"STRING"},
                            {"name":"col4", "type":"STRING"},
                            {"name":"col5", "type":"BINARY"},
                            {"name":"col6", "type":"DOUBLE"}
                        ],

                        // 写入OTS的方式
                        // PutRow : 等同于OTS API中PutRow操作，检查条件是ignore
                        // UpdateRow : 等同于OTS API中UpdateRow操作，检查条件是ignore
                        // DeleteRow: 等同于OTS API中DeleteRow操作，检查条件是ignore
                        "writeMode" : "PutRow"
                    }
                }
            }
        ]
    }
}

3.2 参数说明

endpoint
- 描述：OTS Server的EndPoint(服务地址)，例如http://bazhen.cn−hangzhou.ots.aliyuncs.com。
- 必选：是
- 默认值：无
accessId
- 描述：OTS的accessId
- 必选：是
- 默认值：无
accessKey
- 描述：OTS的accessKey
- 必选：是
- 默认值：无
instanceName
- 描述：OTS的实例名称，实例是用户使用和管理 OTS 服务的实体，用户在开通 OTS 服务之后，需要通过管理控制台来创建实例，然后在实例内进行表的创建和管理。实例是 OTS 资源管理的基础单元，OTS 对应用程序的访问控制和资源计量都在实例级别完成。
- 必选：是
- 默认值：无
table
- 描述：所选取的需要抽取的表名称，这里有且只能填写一张表。在OTS不存在多表同步的需求。
- 必选：是
- 默认值：无
primaryKey
- 描述: OTS的主键信息，使用JSON的数组描述字段信息。OTS本身是NoSQL系统，在OTSWriter导入数据过程中，必须指定相应地字段名称。
  
  OTS的PrimaryKey只能支持STRING，INT两种类型，因此OTSWriter本身也限定填写上述两种类型。
  
  DataX本身支持类型转换的，因此对于源头数据非String/Int，OTSWriter会进行数据类型转换。
  
  配置实例:
```
"primaryKey" : [
                    {"name":"pk1", "type":"string"},
                    {"name":"pk2", "type":"int"}
                ],
```
- 必选：是
- 默认值：无
column
- 描述：所配置的表中需要同步的列名集合，使用JSON的数组描述字段信息。使用格式为
```
	{"name":"col2", "type":"INT"},
```
  其中的name指定写入的OTS列名，type指定写入的类型。OTS类型支持STRING，INT，DOUBLE，BOOL和BINARY几种类型。
  
  写入过程不支持常量、函数或者自定义表达式。
- 必选：是
- 默认值：无
writeMode
- 描述：写入模式，目前支持两种模式，
  - PutRow，对应于OTS API PutRow，插入数据到指定的行，如果该行不存在，则新增一行；若该行存在，则覆盖原有行。
  - UpdateRow，对应于OTS API UpdateRow，更新指定行的数据，如果该行不存在，则新增一行；若该行存在，则根据请求的内容在这一行中新增、修改或者删除指定列的值。
  - DeleteRow，对应于OTS API DeleteRow，删除指定行的数据。
- 必选：是
- 默认值：无

3.3 类型转换

目前OTSWriter支持所有OTS类型，下面列出OTSWriter针对OTS类型转换列表:

DataX 内部类型	OTS 数据类型
Long	Integer
Double	Double
String	String
Boolean	Boolean
Bytes	Binary

注意，OTS本身不支持日期型类型。应用层一般使用Long报错时间的Unix TimeStamp。

4 性能报告

4.1 环境准备

4.1.1 数据特征

2列PK（10 + 8），15列String(10 Byte), 2两列Integer(8 Byte)，算上Column Name每行大概327Byte，每次BatchWriteRow写入100行数据，所以当个请求的数据大小是32KB。

4.1.2 机器参数

OTS端：3台前端机，5台后端机

DataX运行端: 24核CPU， 98GB内存

4.2 测试报告

4.2.1 测试报告

并发数	DataX CPU	DATAX流量	OTS 流量	BatchWrite前端QPS	BatchWriteRow前端延时
40	1027%	Speed 22.13MB/s, 112640 records/s	65.8M/s	42	153ms
50	1218%	Speed 24.11MB/s, 122700 records/s	73.5M/s	47	174ms
60	1355%	Speed 25.31MB/s, 128854 records/s	78.1M/s	50	190ms
70	1578%	Speed 26.35MB/s, 134121 records/s	80.8M/s	52	210ms
80	1771%	Speed 26.55MB/s, 135161 records/s	82.7M/s	53	230ms