DataX OracleWriter
1 快速介绍
OracleWriter 插件实现了写入数据到 Oracle 主库的目的表的功能。在底层实现上， OracleWriter 通过 JDBC 连接远程 Oracle 数据库，并执行相应的 insert into … sql 语句将数据写入 Oracle，内部会分批次提交入库。
OracleWriter 面向ETL开发工程师，他们使用 OracleWriter 从数仓导入数据到 Oracle。同时 OracleWriter 亦可以作为数据迁移工具为DBA等用户提供服务。
2 实现原理
OracleWriter 通过 DataX 框架获取 Reader 生成的协议数据，根据你配置生成相应的SQL语句
insert into...(当主键/唯一性索引冲突时会写不进去冲突的行)
注意：
1. 目的表所在数据库必须是主库才能写入数据；整个任务至少需具备 insert into...的权限，是否需要其他权限，取决于你任务配置中在 preSql 和 postSql 中指定的语句。
2.OracleWriter和MysqlWriter不同，不支持配置writeMode参数。
3 功能说明
3.1 配置样例
- 这里使用一份从内存产生到 Oracle 导入的数据。
{
"job": {
"setting": {
"speed": {
"channel": 1
}
},
"content": [
{
"reader": {
"name": "streamreader",
"parameter": {
"column" : [
{
"value": "DataX",
"type": "string"
},
{
"value": 19880808,
"type": "long"
},
{
"value": "1988-08-08 08:08:08",
"type": "date"
},
{
"value": true,
"type": "bool"
},
{
"value": "test",
"type": "bytes"
}
],
"sliceRecordCount": 1000
}
},
"writer": {
"name": "oraclewriter",
"parameter": {
"username": "root",
"password": "root",
"column": [
"id",
"name"
],
"preSql": [
"delete from test"
],
"connection": [
{
"jdbcUrl": "jdbc:oracle:thin:@[HOST_NAME]:PORT:[DATABASE_NAME]",
"table": [
"test"
]
}
]
}
}
}
]
}
}
3.2 参数说明
-
jdbcUrl
-
描述：目的数据库的 JDBC 连接信息 ,jdbcUrl必须包含在connection配置单元中。
注意：1、在一个数据库上只能配置一个值。这与 OracleReader 支持多个备库探测不同，因为此处不支持同一个数据库存在多个主库的情况(双主导入数据情况) 2、jdbcUrl按照Oracle官方规范，并可以填写连接附加参数信息。具体请参看 Oracle官方文档或者咨询对应 DBA。 -
必选：是
-
默认值：无
-
-
username
-
描述：目的数据库的用户名
-
必选：是
-
默认值：无
-
-
password
-
描述：目的数据库的密码
-
必选：是
-
默认值：无
-
-
table
-
描述：目的表的表名称。支持写入一个或者多个表。当配置为多张表时，必须确保所有表结构保持一致。
注意：table 和 jdbcUrl 必须包含在 connection 配置单元中 -
必选：是
-
默认值：无
-
-
column
-
描述：目的表需要写入数据的字段,字段之间用英文逗号分隔。例如: “column”: [“id”,“name”,“age”]。如果要依次写入全部列，使用表示, 例如: “column”: [""]
**column配置项必须指定，不能留空！** 注意：1、我们强烈不推荐你这样配置，因为当你目的表字段个数、类型等有改动时，你的任务可能运行不正确或者失败 2、此处 column 不能配置任何常量值 -
必选：是
-
默认值：否
-
-
preSql
-
描述：写入数据到目的表前，会先执行这里的标准语句。如果 Sql 中有你需要操作到的表名称，请使用
@table表示，这样在实际执行 Sql 语句时，会对变量按照实际表名称进行替换。比如你的任务是要写入到目的端的100个同构分表(表名称为:datax_00,datax01, … datax_98,datax_99)，并且你希望导入数据前，先对表中数据进行删除操作，那么你可以这样配置："preSql":["delete from @table"]，效果是：在执行到每个表写入数据前，会先执行对应的 delete from 对应表名称 -
必选：否
-
默认值：无
-
-
postSql
-
描述：写入数据到目的表后，会执行这里的标准语句。（原理同 preSql ）
-
必选：否
-
默认值：无
-
-
batchSize
-
描述：一次性批量提交的记录数大小，该值可以极大减少DataX与Oracle的网络交互次数，并提升整体吞吐量。但是该值设置过大可能会造成DataX运行进程OOM情况。
-
必选：否
-
默认值：1024
-
-
session
- 描述：设置oracle连接时的session信息，格式示例如下：
"session":[ "alter session set nls_date_format = 'dd.mm.yyyy hh24:mi:ss';" "alter session set NLS_LANG = 'AMERICAN';" ]-
必选：否
-
默认值：无
3.3 类型转换
类似 OracleReader ，目前 OracleWriter 支持大部分 Oracle 类型，但也存在部分个别类型没有支持的情况，请注意检查你的类型。
下面列出 OracleWriter 针对 Oracle 类型转换列表:
| DataX 内部类型 | Oracle 数据类型 |
|---|---|
| Long | NUMBER,INTEGER,INT,SMALLINT |
| Double | NUMERIC,DECIMAL,FLOAT,DOUBLE PRECISION,REAL |
| String | LONG,CHAR,NCHAR,VARCHAR,VARCHAR2,NVARCHAR2,CLOB,NCLOB,CHARACTER,CHARACTER VARYING,CHAR VARYING,NATIONAL CHARACTER,NATIONAL CHAR,NATIONAL CHARACTER VARYING,NATIONAL CHAR VARYING,NCHAR VARYING |
| Date | TIMESTAMP,DATE |
| Boolean | bit, bool |
| Bytes | BLOB,BFILE,RAW,LONG RAW |
4 性能报告
4.1 环境准备
4.1.1 数据特征
建表语句：
--DROP TABLE PERF_ORACLE_WRITER;
CREATE TABLE PERF_ORACLE_WRITER (
COL1 VARCHAR2(255 BYTE) NULL ,
COL2 NUMBER(32) NULL ,
COL3 NUMBER(32) NULL ,
COL4 DATE NULL ,
COL5 FLOAT NULL ,
COL6 VARCHAR2(255 BYTE) NULL ,
COL7 VARCHAR2(255 BYTE) NULL ,
COL8 VARCHAR2(255 BYTE) NULL ,
COL9 VARCHAR2(255 BYTE) NULL ,
COL10 VARCHAR2(255 BYTE) NULL
)
LOGGING
NOCOMPRESS
NOCACHE;
单行记录类似于：
col1:485924f6ab7f272af361cd3f7f2d23e0d764942351#$%^&fdafdasfdas%%^(*&^^&*
co12:1
co13:1696248667889
co14:2013-01-06 00:00:00
co15:3.141592653578
co16:100dafdsafdsahofjdpsawifdishaf;dsadsafdsahfdsajf;dsfdsa;fjdsal;11209
co17:100dafdsafdsahofjdpsawifdishaf;dsadsafdsahfdsajf;dsfdsa;fjdsal;11fdsafdsfdsa209
co18:100DAFDSAFDSAHOFJDPSAWIFDISHAF;dsadsafdsahfdsajf;dsfdsa;FJDSAL;11209
co19:100dafdsafdsahofjdpsawifdishaf;DSADSAFDSAHFDSAJF;dsfdsa;fjdsal;11209
co110:12~!2345100dafdsafdsahofjdpsawifdishaf;dsadsafdsahfdsajf;dsfdsa;fjdsal;11209
4.1.2 机器参数
-
执行 DataX 的机器参数为:
- cpu: 24 Core Intel(R) Xeon(R) CPU E5-2430 0 @ 2.20GHz
- mem: 94GB
- net: 千兆双网卡
- disc: DataX 数据不落磁盘，不统计此项
-
Oracle 数据库机器参数为:
- cpu: 4 Core Intel(R) Xeon(R) CPU E5420 @ 2.50GHz
- mem: 7GB
4.1.3 DataX jvm 参数
-Xms1024m -Xmx1024m -XX:+HeapDumpOnOutOfMemoryError
4.1.4 性能测试作业配置
{
"job": {
"setting": {
"speed": {
"channel": 4
}
},
"content": [
{
"reader": {
"name": "streamreader",
"parameter": {
"sliceRecordCount": 1000000000,
"column": [
{
"value": "485924f6ab7f272af361cd3f7f2d23e0d764942351#$%^&fdafdasfdas%%^(*&^^&*"
},
{
"value": 1,
"type": "long"
},
{
"value": "1696248667889",
"type": "long"
},
{
"type": "date",
"value": "2013-07-06 00:00:00",
"dateFormat": "yyyy-mm-dd hh:mm:ss"
},
{
"value": "3.141592653578",
"type": "double"
},
{
"value": "100dafdsafdsahofjdpsawifdishaf;dsadsafdsahfdsajf;dsfdsa;fjdsal;11209"
},
{
"value": "100dafdsafdsahofjdpsawifdishaf;dsadsafdsahfdsajf;dsfdsa;fjdsal;11fdsafdsfdsa209"
},
{
"value": "100DAFDSAFDSAHOFJDPSAWIFDISHAF;dsadsafdsahfdsajf;dsfdsa;FJDSAL;11209"
},
{
"value": "100dafdsafdsahofjdpsawifdishaf;DSADSAFDSAHFDSAJF;dsfdsa;fjdsal;11209"
},
{
"value": "12~!2345100dafdsafdsahofjdpsawifdishaf;dsadsafdsahfdsajf;dsfdsa;fjdsal;11209"
}
]
}
},
"writer": {
"name": "oraclewriter",
"parameter": {
"username": "username",
"password": "password",
"truncate": "true",
"batchSize": "512",
"column": [
"col1",
"col2",
"col3",
"col4",
"col5",
"col6",
"col7",
"col8",
"col9",
"col10"
],
"connection": [
{
"table": [
"PERF_ORACLE_WRITER"
],
"jdbcUrl": "jdbc:oracle:thin:@ip:port:dataplat"
}
]
}
}
}
]
}
}
4.2 测试报告
4.2.1 测试报告
| 通道数 | 批量提交行数 | DataX速度(Rec/s) | DataX流量(MB/s) | DataX机器网卡流出流量(MB/s) | DataX机器运行负载 | DB网卡进入流量(MB/s) | DB运行负载 |
|---|---|---|---|---|---|---|---|
| 1 | 128 | 15564 | 6.51 | 7.5 | 0.02 | 7.4 | 1.08 |
| 1 | 512 | 29491 | 10.90 | 12.6 | 0.05 | 12.4 | 1.55 |
| 1 | 1024 | 31529 | 11.87 | 13.5 | 0.22 | 13.3 | 1.58 |
| 1 | 2048 | 33469 | 12.57 | 14.3 | 0.17 | 14.3 | 1.53 |
| 1 | 4096 | 31363 | 12.48 | 13.4 | 0.10 | 10.0 | 1.72 |
| 4 | 10 | 9440 | 4.05 | 5.6 | 0.01 | 5.0 | 3.75 |
| 4 | 128 | 42832 | 16.48 | 18.3 | 0.07 | 18.5 | 2.89 |
| 4 | 512 | 46643 | 20.02 | 22.7 | 0.35 | 21.1 | 3.31 |
| 4 | 1024 | 39116 | 16.79 | 18.7 | 0.10 | 18.1 | 3.05 |
| 4 | 2048 | 39526 | 16.96 | 18.5 | 0.32 | 17.1 | 2.86 |
| 4 | 4096 | 37683 | 16.17 | 17.2 | 0.23 | 15.5 | 2.26 |
| 8 | 128 | 38336 | 16.45 | 17.5 | 0.13 | 16.2 | 3.87 |
| 8 | 512 | 31078 | 13.34 | 14.9 | 0.11 | 13.4 | 2.09 |
| 8 | 1024 | 37888 | 16.26 | 18.5 | 0.20 | 18.5 | 3.14 |
| 8 | 2048 | 38502 | 16.52 | 18.5 | 0.18 | 18.5 | 2.96 |
| 8 | 4096 | 38092 | 16.35 | 18.3 | 0.10 | 17.8 | 3.19 |
| 16 | 128 | 35366 | 15.18 | 16.9 | 0.13 | 15.6 | 3.49 |
| 16 | 512 | 35584 | 15.27 | 16.8 | 0.23 | 17.4 | 3.05 |
| 16 | 1024 | 38297 | 16.44 | 17.5 | 0.20 | 17.0 | 3.42 |
| 16 | 2048 | 28467 | 12.22 | 13.8 | 0.10 | 12.4 | 3.38 |
| 16 | 4096 | 27852 | 11.95 | 12.3 | 0.11 | 12.3 | 3.86 |
| 32 | 1024 | 34406 | 14.77 | 15.4 | 0.09 | 15.4 | 3.55 |
batchSize 和 通道个数，对性能影响较大通常不建议写入数据库时，通道个数 >32
5 约束限制
FAQ
Q: OracleWriter 执行 postSql 语句报错，那么数据导入到目标数据库了吗?
A: DataX 导入过程存在三块逻辑，pre 操作、导入操作、post 操作，其中任意一环报错，DataX 作业报错。由于 DataX 不能保证在同一个事务完成上述几个操作，因此有可能数据已经落入到目标端。
Q: 按照上述说法，那么有部分脏数据导入数据库，如果影响到线上数据库怎么办?
A: 目前有两种解法，第一种配置 pre 语句，该 sql 可以清理当天导入数据， DataX 每次导入时候可以把上次清理干净并导入完整数据。第二种，向临时表导入数据，完成后再 rename 到线上表。
Q: 上面第二种方法可以避免对线上数据造成影响，那我具体怎样操作?
A: 可以配置临时表导入