Datax MongoDBWriter

1 快速介绍

MongoDBWriter 插件利用 MongoDB 的java客户端MongoClient进行MongoDB的写操作。最新版本的Mongo已经将DB锁的粒度从DB级别降低到document级别，配合上MongoDB强大的索引功能，基本可以满足数据源向MongoDB写入数据的需求，针对数据更新的需求，通过配置业务主键的方式也可以实现。

2 实现原理

MongoDBWriter通过Datax框架获取Reader生成的数据，然后将Datax支持的类型通过逐一判断转换成MongoDB支持的类型。其中一个值得指出的点就是Datax本身不支持数组类型，但是MongoDB支持数组类型，并且数组类型的索引还是蛮强大的。为了使用MongoDB的数组类型，则可以通过参数的特殊配置，将字符串可以转换成MongoDB中的数组。类型转换之后，就可以依托于Datax框架并行的写入MongoDB。

3 功能说明

  • 该示例从ODPS读一份数据到MongoDB。

      {
  "job": {
  "setting": {
      "speed": {
          "channel": 2
      }
  },
  "content": [
      {
          "reader": {
              "name": "odpsreader",
              "parameter": {
                  "accessId": "********",
                  "accessKey": "*********",
                  "project": "tb_ai_recommendation",
                  "table": "jianying_tag_datax_test",
                  "column": [
                      "unique_id",
                      "sid",
                      "user_id",
                      "auction_id",
                      "content_type",
                      "pool_type",
                      "frontcat_id",
                      "categoryid",
                      "gmt_create",
                      "taglist",
                      "property",
                      "scorea",
                      "scoreb"
                  ],
                  "splitMode": "record",
                  "odpsServer": "http://xxx/api"
              }
          },
          "writer": {
              "name": "mongodbwriter",
              "parameter": {
                  "address": [
                      "127.0.0.1:27017"
                  ],
                  "userName": "",
                  "userPassword": "",
                  "dbName": "tag_per_data",
                  "collectionName": "tag_data",
                  "column": [
                      {
                          "name": "unique_id",
                          "type": "string"
                      },
                      {
                          "name": "sid",
                          "type": "string"
                      },
                      {
                          "name": "user_id",
                          "type": "string"
                      },
                      {
                          "name": "auction_id",
                          "type": "string"
                      },
                      {
                          "name": "content_type",
                          "type": "string"
                      },
                      {
                          "name": "pool_type",
                          "type": "string"
                      },
                      {
                          "name": "frontcat_id",
                          "type": "Array",
                          "splitter": " "
                      },
                      {
                          "name": "categoryid",
                          "type": "Array",
                          "splitter": " "
                      },
                      {
                          "name": "gmt_create",
                          "type": "string"
                      },
                      {
                          "name": "taglist",
                          "type": "Array",
                          "splitter": " "
                      },
                      {
                          "name": "property",
                          "type": "string"
                      },
                      {
                          "name": "scorea",
                          "type": "int"
                      },
                      {
                          "name": "scoreb",
                          "type": "int"
                      },
                      {
                          "name": "scorec",
                          "type": "int"
                      }
                  ],
  				"upsertInfo": {
  					"isUpsert": "true",
  					"upsertKey": "unique_id"
  				}
              }
          }
      }
  ]
  }
  }

4 参数说明

  • address： MongoDB的数据地址信息，因为MonogDB可能是个集群，则ip端口信息需要以Json数组的形式给出。【必填】
  • userName：MongoDB的用户名。【选填】
  • userPassword： MongoDB的密码。【选填】
  • collectionName： MonogoDB的集合名。【必填】
  • column：MongoDB的文档列名。【必填】
  • name：Column的名字。【必填】
  • type：Column的类型。【选填】
  • splitter：特殊分隔符，当且仅当要处理的字符串要用分隔符分隔为字符数组时，才使用这个参数，通过这个参数指定的分隔符，将字符串分隔存储到MongoDB的数组中。【选填】
  • upsertInfo：指定了传输数据时更新的信息。【选填】
  • isUpsert：当设置为true时，表示针对相同的upsertKey做更新操作。【选填】
  • upsertKey：upsertKey指定了没行记录的业务主键。用来做更新时使用。【选填】

5 类型转换

DataX 内部类型 MongoDB 数据类型
Long int, Long
Double double
String string, array
Date date
Boolean boolean
Bytes bytes

6 性能报告

7 测试报告