一款强大的可视化分布式数据同步工具-技术圈

DataX Web 是在 DataX 之上开发的分布式数据同步工具，提供简单易用的操作界面，降低用户使用 DataX 的学习成本，缩短任务配置时间，避免配置过程中出错。用户可通过页面选择数据源即可创建数据同步任务，支持 RDBMS、Hive、HBase、ClickHouse、MongoDB 等数据源，RDBMS 数据源可批量创建数据同步任务，支持实时查看数据同步进度及日志并提供终止同步功能，集成并二次开发 xxl-job 可根据时间、自增主键增量同步数据。

任务"执行器"支持集群部署，支持执行器多节点路由策略选择，支持超时控制、失败重试、失败告警、任务依赖，执行器 CPU.内存.负载的监控等等。后续还将提供更多的数据源支持、数据转换 UDF、表结构同步、数据同步血缘等更为复杂的业务场景。

Github 地址 : https://github.com/WeiYe-Jing/datax-web

架构图

环境要求

Language: Java 8（jdk 版本建议 1.8.201 以上）
Python2.7(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)
Environment: MacOS, Windows,Linux
Database: Mysql5.7

特性

1、通过 Web 构建 DataX Json；
2、DataX Json 保存在数据库中，方便任务的迁移，管理；
3、Web 实时查看抽取日志，类似 Jenkins 的日志控制台输出功能；
4、DataX 运行记录展示，可页面操作停止 DataX 作业；
5、支持 DataX 定时任务，支持动态修改任务状态、启动/停止任务，以及终止运行中任务，即时生效；
6、调度采用中心式设计，支持集群部署；
7、任务分布式执行，任务"执行器"支持集群部署；
8、执行器会周期性自动注册任务, 调度中心将会自动发现注册的任务并触发执行；
9、路由策略：执行器集群部署时提供丰富的路由策略，包括：第一个、最后一个、轮询、随机、一致性 HASH、最不经常使用、最近最久未使用、故障转移、忙碌转移等；
10、阻塞处理策略：调度过于密集执行器来不及处理时的处理策略，策略包括：单机串行（默认）、丢弃后续调度、覆盖之前调度；
11、任务超时控制：支持自定义任务超时时间，任务运行超时将会主动中断任务；
12、任务失败重试：支持自定义任务失败重试次数，当任务失败时将会按照预设的失败重试次数主动进行重试；
13、任务失败告警；默认提供邮件方式失败告警，同时预留扩展接口，可方便的扩展短信、钉钉等告警方式；
14、用户管理：支持在线管理系统用户，存在管理员、普通用户两种角色；
15、任务依赖：支持配置子任务依赖，当父任务执行结束且执行成功后将会主动触发一次子任务的执行, 多个子任务用逗号分隔；
16、运行报表：支持实时查看运行数据，以及调度报表，如调度日期分布图，调度成功分布图等；
17、指定增量字段，配置定时任务自动获取每次的数据区间，任务失败重试，保证数据安全；
18、页面可配置 DataX 启动 JVM 参数；
19、数据源配置成功后添加手动测试功能；
20、可以对常用任务进行配置模板，在构建完 JSON 之后可选择关联模板创建任务；
21、jdbc 添加 hive 数据源支持，可在构建 JSON 页面选择数据源生成 column 信息并简化配置；
22、优先通过环境变量获取 DataX 文件目录，集群部署时不用指定 JSON 及日志目录；
23、通过动态参数配置指定 hive 分区，也可以配合增量实现增量数据动态插入分区；
24、任务类型由原来 DataX 任务扩展到 Shell 任务、Python 任务、PowerShell 任务；
25、添加 HBase 数据源支持，JSON 构建可通过 HBase 数据源获取 hbaseConfig，column；
26、添加 MongoDB 数据源支持，用户仅需要选择 collectionName 即可完成 json 构建；
27、添加执行器 CPU、内存、负载的监控页面；
28、添加 24 类插件 DataX JSON 配置样例
29、公共字段（创建时间，创建人，修改时间，修改者）插入或更新时自动填充
30、对 swagger 接口进行 token 验证
31、任务增加超时时间，对超时任务 kill datax 进程，可配合重试策略避免网络问题导致的 datax 卡死。
32、添加项目管理模块，可对任务分类管理；
33、对 RDBMS 数据源增加批量任务创建功能，选择数据源，表即可根据模板批量生成 DataX 同步任务；
34、JSON 构建增加 ClickHouse 数据源支持；
35、执行器 CPU.内存.负载的监控页面图形化；
36、RDBMS 数据源增量抽取增加主键自增方式并优化页面参数配置；
37、更换 MongoDB 数据源连接方式,重构 HBase 数据源 JSON 构建模块；
38、脚本类型任务增加停止功能；
39、rdbms json 构建增加 postSql，并支持构建多个 preSql，postSql；
40、数据源信息加密算法修改及代码优化；
41、日志页面增加 DataX 执行结果统计数据；

实战

Quick Start
Linux：一键部署

1.执行器配置(使用开源项目 xxl-job)

1、"调度中心 OnLine:"右侧显示在线的"调度中心"列表, 任务执行结束后, 将会以 failover 的模式进行回调调度中心通知执行结果, 避免回调的单点风险;

2、"执行器列表" 中显示在线的执行器列表, 可通过"OnLine 机器"查看对应执行器的集群机器;

执行器属性说明 ：

1、AppName : （与 datax-executor 中 application.yml 的 datax.job.executor.appname 保持一致）每个执行器集群的唯一标示 AppName, 执行器会周期性以 AppName 为对象进行自动注册。可通过该配置自动发现注册成功的执行器, 供任务调度时使用;2、名称 : 执行器的名称, 因为 AppName 限制字母数字等组成,可读性不强, 名称为了提高执行器的可读性;3、排序 : 执行器的排序, 系统中需要执行器的地方,如任务新增, 将会按照该排序读取可用的执行器列表;4、注册方式 ：调度中心获取执行器地址的方式；自动注册：执行器自动进行执行器注册，调度中心通过底层注册表可以动态发现执行器机器地址；手动录入：人工手动录入执行器的地址信息，多地址逗号分隔，供调度中心使用；5、机器地址 ："注册方式"为"手动录入"时有效，支持人工维护执行器的地址信息；

2.创建数据源

第四步使用

3.创建任务模版

4. 构建 JSON 脚本

1.步骤一，步骤二，选择第二步中创建的数据源，JSON 构建目前支持的数据源有 hive,mysql,oracle,postgresql,sqlserver,hbase,mongodb,clickhouse 其它数据源的 JSON 构建正在开发中,暂时需要手动编写。

2.字段映射

3.点击构建，生成 json,此时可以选择复制 json 然后创建任务，选择 datax 任务，将 json 粘贴到文本框。也可以点击选择模版，直接生成任务。

5.批量创建任务

6.任务创建介绍（关联模版创建任务不再介绍，具体参考 4. 构建 JSON 脚本）

支持 DataX 任务,Shell 任务，Python 任务，PowerShell 任务

阻塞处理策略：调度过于密集执行器来不及处理时的处理策略；

单机串行：调度请求进入单机执行器后，调度请求进入 FIFO 队列并以串行方式运行；
丢弃后续调度：调度请求进入单机执行器后，发现执行器存在运行的调度任务，本次请求将会被丢弃并标记为失败；
覆盖之前调度：调度请求进入单机执行器后，发现执行器存在运行的调度任务，将会终止运行中的调度任务并清空队列，然后运行本地调度任务；

增量增新建议将阻塞策略设置为丢弃后续调度或者单机串行

设置单机串行时应该注意合理设置重试次数(失败重试的次数*每次执行时间<任务的调度周期)，重试的次数如果设置的过多会导致数据重复，例如任务 30 秒执行一次，每次执行时间需要 20 秒，设置重试三次，如果任务失败了，第一个重试的时间段为 1577755680-1577756680，重试任务没结束，新任务又开启，那新任务的时间段会是 1577755680-1577758680