datax-web-2.1.2，大数据、etl工具、数据抽取

     # DataX-Web [](https://starchart.cc/WeiYe-Jing/datax-web) 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。 # Architecture diagram：  # System Requirements - Language: Java 8（jdk版本建议1.8.201以上）<br> 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 # Features - 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； # Quick Start： ##### 请点击：[Quick Start](https://github.com/WeiYe-Jing/datax-web/blob/master/userGuid.md) ##### Linux：[一键部署](https://github.com/WeiYe-Jing/datax-web/blob/master/doc/datax-web/datax-web-deploy.md) # Introduction： ### 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  第四步使用 ### 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。 ![](https://datax-web.oss-cn-hangzhou.al