简介

DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括 MySQL、Oracle、HDFS、Hive、OceanBase、HBase、OTS、ODPS 等各种异构数据源之间高效的数据同步功能。DataX采用了框架 + 插件 的模式，目前已开源，代码托管在github。

代码托管地址：

https://github.com/alibaba/DataX

插件的开发可以参考:

https://github.com/alibaba/DataX/wiki/DataX%E6%8F%92%E4%BB%B6%E5%BC%80%E5%8F%91%E5%AE%9D%E5%85%B8

下面是参考《DataX插件开发宝典》，进行插件开发的一个完整的流程。

新建模块

首先从 https://github.com/alibaba/DataX 克隆代码，然后执行如下命令：

mvn clean package -DskipTests assembly:assembly

这个命令会生成datax.tar.gz，我们可以将生成的文件部署到相应的环境，进行数据的导入导出。

后续，开发测试之后，可以使用上面的命令，将我们自己开发的插件集成到DataX中。

然后将代码导入到Eclispe(或者其它IDE)中，然后在这个项目下新建一个maven模块。

接着做一些配置，配置之后就可以进行开发了

配置

DataX使用Maven工具来管理项目，插件和框架使用多模块的方式组织在一起。使用maven-assembly-plugin将所有的模块打包在一起。

在开发的过程中，需要进行两方面的配置

1. 插件模块本身的配置：目录和文件要满足约定
2. DataX主模块的配置：需要配置2个文件：./pom.xml和./package.xml

插件本身的配置：

建立一个插件模块之后，源代码的结果应该满足如下结构：

pom的配置：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <parent>
        <groupId>com.alibaba.datax</groupId>
        <artifactId>datax-all</artifactId>
        <version>0.0.1-SNAPSHOT</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>

    <artifactId>qvxfilereader</artifactId>

    <properties>
        <datax-project-version>0.0.1-SNAPSHOT</datax-project-version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>com.alibaba.datax</groupId>
            <artifactId>datax-common</artifactId>
            <version>${datax-project-version}</version>
        </dependency>
        <dependency>
        	<groupId>junit</groupId>
        	<artifactId>junit</artifactId>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <artifactId>maven-assembly-plugin</artifactId>
                <configuration>
                    <descriptors>
                        <descriptor>src/main/assembly/package.xml</descriptor>
                    </descriptors>
                    <finalName>datax</finalName>
                </configuration>
                <executions>
                    <execution>
                        <id>dwzip</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

这里要注意的是，

1 增加了对datax-common的依赖，这个依赖是DataX的框架，

2 配置了maven-assembly-plugin，在这里应用了src/main/assembly/package.xml。package.xml定义了打包之后的目录结构，这个目录结果是DataX约定好的。具体如下：

<assembly
	xmlns="http://maven.apache.org/plugins/maven-assembly-plugin/assembly/1.1.0"
	xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/plugins/maven-assembly-plugin/assembly/1.1.0 http://maven.apache.org/xsd/assembly-1.1.0.xsd">
	<id></id>
	<formats>
		<format>dir</format>
	</formats>
	<includeBaseDirectory>false</includeBaseDirectory>
	<fileSets>
		<fileSet>
			<directory>src/main/resources</directory>
			<includes>
				<include>plugin.json</include>
				<include>plugin_job_template.json</include>
			</includes>
			<outputDirectory>plugin/reader/qvxfilereader</outputDirectory>
		</fileSet>
		<fileSet>
			<directory>target/</directory>
			<includes>
				<include>qvxfilereader-0.0.1-SNAPSHOT.jar</include>
			</includes>
			<outputDirectory>plugin/reader/qvxfilereader</outputDirectory>
		</fileSet>
	</fileSets>

	<dependencySets>
		<dependencySet>
			<useProjectArtifact>false</useProjectArtifact>
			<outputDirectory>plugin/reader/qvxfilereader/libs</outputDirectory>
			<scope>runtime</scope>
		</dependencySet>
	</dependencySets>
</assembly>

除了上面的两个xml文件，还需要两个json文件

plugin.json是对插件本省的描述，在框架根据这个文件来加载插件，例如：

{
    "name": "qvxfilereader",
    "class": "com.alibaba.datax.plugin.reader.qvxfilereader.QvxFileReader",
    "description": "useScene: test. mechanism: use datax framework to transport data from qvx file. warn: The more you know about the data, the less problems you encounter.",
    "developer": "dtstack.com"
}

plugin_job_template.json：插件的配置模块，用户在使用插件是，根据这个模版来进行配置。例如：

{
    "name": "qvxfilereader",
    "parameter": {
        "path": [],
        "fieldDelimiter": ""
    }
}

DataX主模块的配置

pom.xml 中添加本插件的模块名称 模块名称artifactId

<modules>
        <module>qvxfilereader</module>     
 </modules>  

<fileSet>

<directory>qvxfilereader/target/datax/</directory>

<includes>

<include>**/*.*</include>

</includes>

<outputDirectory>datax</outputDirectory>

</fileSet>

开发

主要参考《DataX插件开发宝典》，这里面讲的比较详细。

下面是插件如何通过RecordSender往channel写入数据的伪代码：

public void startRead(RecordSender recordSender) {
	Record record=recordSender.createRecord();
	record.addColumn(new LongColumn(1));
	record.addColumn(new StringColumn("hello,world!"));
	recordSender.sendToWriter(record);
	recordSender.flush();
}

测试

开发完成之后，可以通过执行命令：

mvn clean package -DskipTests assembly:assembly

来生成DataX，然后进行测试。

因为每次执行这条命令，会把DataX中所有的插件重新编译和打包，速度会比较慢。所以，可以修改DataX中的pom.xml和package.xml,模块只保留common和正在开发中的插件。