使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

2022-12-11 14:49:05

使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

  • DolphinScheduler集群的部署

    • 基础环境：

      • Mysql（5.7.25）

      • JDK（1.8.0_144）

      • Zookeeper（3.4.10）

  • 节点部署安排

    • 三台主机hadoop01，hadoop02，hadoop03
      • hadoop01 : master、alert、api machine
      • hadoop02：worker machine
      • hadoop03：worker machine

  • 集群部署步骤

    1. 将下载的二进制tar.gz包解压到部署目录。

      mkdir -p /opt/module/dolphinscheduler;
cd /opt/module/dolphinscheduler;
tar -zxvf apache-dolphinscheduler-1.3.6-bin.tar.gz -C /opt/module/dolphinscheduler;
mv apache-dolphinscheduler-1.3.6-bin  dolphinscheduler;

    2. 创建用户：在所有部署调度的机器上创建部署用户，并且一定要配置sudo免密。假如我们计划在hadoop01,hadoop02,hadoop03这3台机器上部署调度，首先需要在每台机器上都创建部署用户。

      useradd dolphinscheduler;
echo "密码" | passwd --stdin dolphinscheduler;
sudo echo 'dolphinscheduler  ALL=(ALL)  NOPASSWD: NOPASSWD: ALL' >> /etc/sudoers;
sudo sed -i 's/Defaults    requirett/#Defaults    requirett/g' /etc/sudoers;

    3. 配置hosts和ssh，为后续的一键部署做准备。

      vi /etc/hosts

#127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.32.10 hadoop01
192.168.32.11 hadoop02
192.168.32.12 hadoop03

      在hadoop01上，切换到部署用户并配置ssh本机免密登录

      su dolphinscheduler

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 600 ~/.ssh/authorized_keys

ssh-copy-id  hadoop02
ssh-copy-id  hadoop03

    4. 修改目录权限，使得部署用户对dolphinscheduler目录有操作权限

      sudo chown -R dolphinscheduler:dolphinscheduler dolphinschedule

    5. 数据库初始化

      mysql -h192.168.xx.xx -P3306 -uroot -p;

mysql> CREATE DATABASE dolphinscheduler DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
mysql> GRANT ALL PRIVILEGES ON dolphinscheduler.* TO 'dolphinscheduler'@'%' IDENTIFIED BY '1qaz2wsx';
mysql> GRANT ALL PRIVILEGES ON dolphinscheduler.* TO 'dolphinscheduler'@'localhost' IDENTIFIED BY '1qaz2wsx';
mysql> flush privileges;

    6. 修改 conf 目录下 datasource.properties ，配置存储元数据的数据库配置，这里主要是注释默认的postgresql，配置成mysql

      vi conf/datasource.properties

# postgresql
#spring.datasource.driver-class-name=com.mysql.jdbc.Driver
#spring.datasource.url=jdbc:mysql://hadoop01:3306/dolphinscheduler?characterEncoding=UTF-8&allowMultiQueries=true
#spring.datasource.username=root
#spring.datasource.password=945100

# mysql
spring.datasource.driver-class-name=com.mysql.jdbc.Driver
spring.datasource.url=jdbc:mysql://hadoop01:3306/dolphinscheduler?characterEncoding=UTF-8&allowMultiQueries=true
spring.datasource.username=**
spring.datasource.password=***

    7. 添加jar包，手动添加 [ mysql-connector-java 驱动 jar ] 包到 lib 目录下

    8. 执行创建元数据表及导入基础数据脚本

      sh script/create-dolphinscheduler.sh

    9. 修改 conf/env 目录下的 dolphinscheduler_env.sh 环境变量(以dataX任务为例,其他的配置先注销)

      #export HADOOP_HOME=/opt/soft/hadoop
#export HADOOP_CONF_DIR=/opt/soft/hadoop/etc/hadoop
#export SPARK_HOME1=/opt/soft/spark1
#export SPARK_HOME2=/opt/soft/spark2
export PYTHON_HOME=/opt/module/python 
export JAVA_HOME=/opt/module/jdk1.8.0_144
#export HIVE_HOME=/opt/soft/hive
#export FLINK_HOME=/opt/soft/flink 
export DATAX_HOME=/opt/module/dataX/datax
    
#export PATH=$HADOOP_HOME/bin:$SPARK_HOME1/bin:$SPARK_HOME2/bin:$PYTHON_HOME:$JAVA_HOME/bin:$HIVE_HOME/bin:$FLINK_HOME/bin:$DATAX_HOME:$PATH
export PATH=$PYTHON_HOME/bin:$JAVA_HOME/bin:$DATAX_HOME:$PATH

      ​ 这里有几个坑，首先 DATAX_HOME的路径需要指定到datax.py所在路径，在PATH变量处不需要添加/bin，此外，dataX的同步依赖Python，因此需要配置Python的安装路径，并且Python的版本不能低于2.7!!!，我本来使用的Centos6自带的Python是2.6.5版本，导致后续启动dataX任务一直报错!!!

    10. 将jdk软链到/usr/bin/java下

      sudo ln -s /usr/java/jdk1.8.0_181-cloudera/bin/java /usr/bin/java

    11. 修改一键部署配置文件 conf/config/install_config.conf中的各参数(以dataX任务为例,其他的配置先注销)

      [dolphinscheduler@test1 dolphinscheduler-bin]$vi conf/config/install_config.conf
# 这里填 mysql or postgresql
dbtype="mysql"

# 数据库连接地址
dbhost="hadoop01:3306"

# 数据库名
dbname="dolphinscheduler"

# 数据库用户名，此处需要修改为上面设置的{user}具体值
username="root"   

# 数据库密码, 如果有特殊字符，请使用\转义，需要修改为上面设置的{passowrd}具体值
passowrd="xxxx"

#Zookeeper地址，单机本机是localhost:2181，记得把2181端口带上
zkQuorum="hadoop01:2181,hadoop02:2181,hadoop03:2181"

#将DS安装到哪个目录，如: /usr/local/src/dolphinscheduler，不同于现在的目录
installPath="/opt/module/dolphinscheduler"

#使用哪个用户部署，使用之前创建的用户
deployUser="dolphinscheduler"

# 邮件配置，以qq邮箱为例
# 邮件协议
mailProtocol="SMTP"

# 邮件服务地址，这是是qq邮箱
mailServerHost="smtp.qq.com"

# 邮件服务端口
mailServerPort="587"

# mailSender和mailUser配置成一样即可
# 发送者
mailSender="1009XXXXXX@qq.com"

# 发送用户
mailUser="1009XXXXXX@qq.com"

# 邮箱密码，这里是开启协议后服务商提供的密码
mailPassword="asdfrewgbvct"

# TLS协议的邮箱设置为true，否则设置为false
starttlsEnable="true"

# 开启SSL协议的邮箱配置为true，否则为false。注意: starttlsEnable和sslEnable不能同时为true
sslEnable="false"

# 邮件服务地址值，参考上面 mailServerHost
sslTrust="smtp.qq.com"

# 业务用到的比如sql等资源文件上传到哪里，可以设置：HDFS,S3,NONE，单机如果想使用本地文件系统，请配置为HDFS，因为HDFS支持本地文件系统；如果不需要资源上传功能请选择NONE。强调一点：使用本地文件系统不需要部署hadoop
resourceStorageType="HDFS"

# 这里以保存到HDFS为例
#注：但是如果你想上传到HDFS的话，NameNode启用了HA，则需要将hadoop的配置文件core-site.xml和hdfs-site.xml放到conf目录下，并配置namenode cluster名称；如果NameNode不是HA,则修改为具体的ip或者主机名即可
#     本地文件系统："file:///data/dolphinscheduler"   或    HDFS集群： hdfs://{具体的ip/主机名}:8020   
defaultFS="hdfs://192.168.110.100:8020"

# 如resourcemanager HA启用，则配置为ResourceManager节点的主备ip或者hostname,比如"192.168.xx.xx,192.168.xx.xx";如果是单ResourceManager请配置yarnHaIps=""即可
yarnHaIps=""

# 如果ResourceManager是HA或者没有使用到Yarn保持默认值"yarnIp1"即可；如果是单ResourceManager，请配置真实的ResourceManager主机名或者ip
singleYarnIp="192.168.xxx.xxx"

# 资源上传根路径,支持HDFS和S3,由于hdfs支持本地文件系统，需要确保本地文件夹存在且有读写权限
resourceUploadPath="/data/dolphinscheduler"

# 具备权限创建resourceUploadPath的用户
hdfsRootUser="hdfs"

#在哪些机器上部署DS服务，本机选localhost（如下配置为单机配置，需要集群配置，直接参考默认值即可）
ips="hadoop01,hadoop02,hadoop03"

#ssh端口,默认22
sshPort="22"

#master服务部署在哪台机器上
masters="hadoop01"

#worker服务部署在哪台机器上,并指定此worker属于哪一个worker组,下面示例的default即为组名
workers="hadoop02:default,hadoop03:default"

#报警服务部署在哪台机器上
alertServer="hadoop01"

#后端api服务部署在在哪台机器上
apiServers="hadoop01"

    12. 开始一键部署

      • 切换到部署用户dolphinscheduler，然后执行一键部署脚本

        sh install.sh

      • 脚本完成后，以下5个服务会分布启动在各个节点上

        MasterServer ----- master服务
WorkerServer ----- worker服务
LoggerServer ----- logger服务
ApiApplicationServer ----- api服务
AlertServer ----- alert服务

        使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步
        如果以上服务都正常启动，说明自动部署成功部署成功后，可以进行日志查看，日志统一存放于logs文件夹内，dolphinscheduler的log日志目录： /opt/dolphinscheduler/logs

    13. 此时就可以登录Web UI界面(启动DolphinScheduler之前需要启动zookeeper和元数据库)

       地址: http://hadoop01:12345/dolphinscheduler
 用户名： admin
 密 码： dolphinscheduler123

    14. 集群启动命令

       1.一键停止集群所有服务
 	sh ./bin/stop-all.sh
 2.一键开启集群所有服务
 	sh ./bin/start-all.sh
 3.启停Master
     sh ./bin/dolphinscheduler-daemon.sh start master-server
     sh ./bin/dolphinscheduler-daemon.sh stop master-server
 4.启停Worker
 	sh ./bin/dolphinscheduler-daemon.sh start worker-server
 	sh ./bin/dolphinscheduler-daemon.sh stop worker-server
 5.启停Api
 	sh ./bin/dolphinscheduler-daemon.sh start api-server
 	sh ./bin/dolphinscheduler-daemon.sh stop api-server
 6.启停Logger
 	sh ./bin/dolphinscheduler-daemon.sh start logger-server
 	sh ./bin/dolphinscheduler-daemon.sh stop logger-server
 7.启停Alert
 	sh ./bin/dolphinscheduler-daemon.sh start alert-server
 	sh ./bin/dolphinscheduler-daemon.sh stop alert-server

  • 登录DolphinScheduler Web进行任务部署

    1.创建租户,租户是DS Job在集群中运行时使用的用户身份,如果配置的用户不存在,会自动创建该用户.

    使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

    2.创建用户,用户是登录客户端的账户,第一次使用admin,创建用户后既可以使用创建的用户登录Web客户端

使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

  1. 创建告警组管理,设置组类型为邮件,并添加上面添加的用户,这个主要是邮件告警功能.
  2. 重新登录Web 客户端,使用test01登录.
  3. 在数据源中心,创建数据源,选择mysql,添加配置,并测试连接(使用高版本，如8.0.19时，需要将DolphinScheduler的lib下的依赖更新，并更新相应的驱动，否则再添加数据源时会报错。)
    使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

  1. 在项目管理中,添加项目,选择工作流定义,创建工作流,

​ 使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

​ 7. 上线工作流,并手动运行.可在工作流实例中查看工作流,待运行结束,可在任务实例中查看运行日志.

​ 使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步
使用DolphinScheduler调度DataX完成Mysql到Mysql的数据同步

​ 这里dataX同步任务执行成功,并查看了dataX运行日志.

至此,使用DS调度DataX完成mysql到mysql的数据同步任务完成.

Tips:

	1.  集群启动时要启动zookeeper集群和元数据库服务
	2.  注意Python的版本,要保证是2.7以上
	3.  配置dataX的路径时要指定到datax.py的所在路径,PATH中要注意不要bin 
	4.  如果涉及到文件权限问题, 要注意设置文件访问权限,保证dolphinScheduler的操作权限.

​

上一篇：Windows上的Qt - 从源码构建


下一篇：Java 定时任务调度(9)--DolphinScheduler 使用