DataX OSSWriter 说明


1 快速介绍

OSSWriter提供了向OSS写入类CSV格式的一个或者多个表文件。

写入OSS内容存放的是一张逻辑意义上的二维表,例如CSV格式的文本信息。

2 功能与限制

OSSWriter实现了从DataX协议转为OSS中的TXT文件功能,OSS本身是无结构化数据存储,OSSWriter需要在如下几个方面增加:

  1. 支持且仅支持写入 TXT的文件,且要求TXT中shema为一张二维表。

  2. 支持类CSV格式文件,自定义分隔符。

  3. 暂时不支持文本压缩。

  4. 支持多线程写入,每个线程写入不同子文件。

  5. 文件支持滚动,当文件大于某个size值或者行数值,文件需要切换。 [暂不支持]

我们不能做到:

  1. 单个文件不能支持并发写入。

3 功能说明

3.1 配置样例

{
    "job": {
        "setting": {},
        "content": [
            {
                "reader": {

                },
                "writer": {
                      "name": "osswriter",
                      "parameter": {
                        "endpoint": "http://oss.aliyuncs.com",
                        "accessId": "",
                        "accessKey": "",
                        "bucket": "myBucket",
                        "object": "cdo/datax",
                        "encoding": "UTF-8",
                        "fieldDelimiter": ",",
                        "writeMode": "truncate|append|nonConflict"
                    }
				}
            }
        ]
    }
}

3.2 参数说明

  • endpoint

    • 描述:OSS Server的EndPoint地址,例如http://oss.aliyuncs.com。

    • 必选:是

    • 默认值:无

  • accessId

    • 描述:OSS的accessId

    • 必选:是

    • 默认值:无

  • accessKey

    • 描述:OSS的accessKey

    • 必选:是

    • 默认值:无

  • bucket

    • 描述:OSS的bucket

    • 必选:是

    • 默认值:无

  • object

    • 描述:OSSWriter写入的文件名,OSS使用文件名模拟目录的实现。

      使用"object": “datax”,写入object以datax开头,后缀添加随机字符串。 使用"object": “cdo/datax”,写入的object以cdo/datax开头,后缀随机添加字符串,/作为OSS模拟目录的分隔符。

    • 必选:是

    • 默认值:无

  • writeMode

    • 描述:OSSWriter写入前数据清理处理:

      • truncate,写入前清理object名称前缀匹配的所有object。例如: “object”: “abc”,将清理所有abc开头的object。
      • append,写入前不做任何处理,DataX OSSWriter直接使用object名称写入,并使用随机UUID的后缀名来保证文件名不冲突。例如用户指定的object名为datax,实际写入为datax_xxxxxx_xxxx_xxxx
      • nonConflict,如果指定路径出现前缀匹配的object,直接报错。例如: “object”: “abc”,如果存在abc123的object,将直接报错。
    • 必选:是

    • 默认值:无

  • fieldDelimiter

    • 描述:读取的字段分隔符

    • 必选:否

    • 默认值:,

  • encoding

    • 描述:写出文件的编码配置。

    • 必选:否

    • 默认值:utf-8

  • nullFormat

    • 描述:文本文件中无法使用标准字符串定义null(空指针),DataX提供nullFormat定义哪些字符串可以表示为null。

      例如如果用户配置: nullFormat="\N",那么如果源头数据是"\N",DataX视作null字段。

    • 必选:否

    • 默认值:\N

  • dateFormat

    • 描述:日期类型的数据序列化到object中时的格式,例如 “dateFormat”: “yyyy-MM-dd”。

    • 必选:否

    • 默认值:无

  • fileFormat

    • 描述:文件写出的格式,包括csv (http://zh.wikipedia.org/wiki/%E9%80%97%E5%8F%B7%E5%88%86%E9%9A%94%E5%80%BC) 和text两种,csv是严格的csv格式,如果待写数据包括列分隔符,则会按照csv的转义语法转义,转义符号为双引号";text格式是用列分隔符简单分割待写数据,对于待写数据包括列分隔符情况下不做转义。

    • 必选:否

    • 默认值:text

  • header

    • 描述:Oss写出时的表头,示例[‘id’, ’name’, ‘age’]。

    • 必选:否

    • 默认值:无

  • maxFileSize

    • 描述:Oss写出时单个Object文件的最大大小,默认为10000*10MB,类似log4j日志打印时根据日志文件大小轮转。OSS分块上传时,每个分块大小为10MB,每个OSS InitiateMultipartUploadRequest支持的分块最大数量为10000。轮转发生时,object名字规则是:在原有object前缀加UUID随机数的基础上,拼接_1,_2,_3等后缀。

    • 必选:否

    • 默认值:100000MB

3.3 类型转换

4 性能报告

OSS本身不提供数据类型,该类型是DataX OSSWriter定义:

DataX 内部类型 OSS 数据类型
Long Long
Double Double
String String
Boolean Boolean
Date Date

其中:

  • OSS Long是指OSS文本中使用整形的字符串表示形式,例如"19901219"。
  • OSS Double是指OSS文本中使用Double的字符串表示形式,例如"3.1415"。
  • OSS Boolean是指OSS文本中使用Boolean的字符串表示形式,例如"true"、“false”。不区分大小写。
  • OSS Date是指OSS文本中使用Date的字符串表示形式,例如"2014-12-31",Date可以指定format格式。

5 约束限制

6 FAQ