江苏龙网

  1. 首页 > 人文 > >

技术编程|图解 DataX 核心设计原理( 二 )


bps 限速：needChannelNumber = 总 byteLimit / 单个 Channel byteLimit
tps 限速：needChannelNumber = 总 recordLimit / 单个 Channel recordLimit
如果以上都没有设置 ， 则会根据用户在 job.setting.speed.channel 配置的并发数量设置 needChannelNumber 。
2）根据 needChannelNumber 将 Job 切分成多个 Task
这个步骤的具体切分逻辑交由相关插件去完成 ， 例如 Rdb 对数据的拆分主要分成两类：
如果用户配置了具体的 Table 数量 ， 那么就按照 Table 为最小单元进行拆分（即一个 Table 对应一个 Task） ， 并生成对应的 querySql；
如果用户还配置了 splitPk ， 则会根据 splitPk 进行切分 ， 具体逻辑是根据 splitPk 区间对 Table 进行拆分 ， 并生成对应的 querySql 。
2、公平分配策略
DataX 在执行调度之前 ， 会调用 JobAssignUtil#assignFairly方法对切分好的 Task 公平分配给每个 TaskGroup 。
在分配之前 ， 会计算 TaskGroup 的数量 ， 具体公式：inttaskGroupNumber=(int)Math.ceil(1.0*channelNumber/channelsPerTaskGroup);
channelNumber 即为在切分策略中根据用户配置计算得到的 needChannelNumber 并发数量大小 ， channelsPerTaskGroup 为每个 TaskGroup 需要的并发数量 ， 默认为 5 。
求出 TaskGroup 的数量之后 ， 就会执行公平分配策略 ， 将 Task 平均分配个每个 TaskGroup ， 最后执行调度 ， 完成整个同步作业 。举个公平分配策略的例子：
假设 A 库有表 0、1、2 ， B 库上有表 3、4 ， C 库上有表 5、6、7 ， 如果此时有 4 个 TaskGroup ， 则 assign 后的结果为：taskGroup-0:0,4,taskGroup-1:3,6,taskGroup-2:5,2,taskGroup-3:1,7
举个例子来描述 Job、Task、Task Group 之间的关系：
用户构建了一个数据同步作业 ， 该作业的目的是将 MySql 的 100 张表同步到 Oracle 库中 ， 假设此时用户设置了 20 个并发（即 channelNumber=20）：
DataX 根据表的数量切分成 100 个 Task；
DataX 默认给每个 TaskGroup 分配 5 个 Channel ， 因此 taskGroupNumber = channelNumber / channelsPerTaskGroup = 20 / 5 = 4；
根据 DataX 的公平分配策略 ， 会将 100 个 Task 平均分配给每个 TaskGroup ， 因此每个 TaskGroup 处理 taskNumber / taskGroupNumber = 100 / 4 = 25 个 Task 。
以上的例子用如下图表示：
技术编程|图解 DataX 核心设计原理
文章图片
由于一个 Channel 对应一个线程执行 ， 因此 DataX 的线程模型可以用如下图表示：
技术编程|图解 DataX 核心设计原理
文章图片


推荐阅读


上一篇：虎扑篮球|他精神十分坚韧，大洛佩斯：我相信迪文琴佐会罚中的

下一篇：虎扑篮球|想进步就要经历这样的挑战，蒙特-莫里斯：作为球队