从Mysql 到 InfluxDB的数据迁移

背景

本文主要介绍如何使用阿里巴巴的开源工具Datax 实现从 MySQL 到 InfluxDB 的数据迁移。
DataX相关使用介绍请参阅 DataX 的 README 文档。
下面将首先介绍 DataX 工具本身，以及本次迁移工作涉及到的两个插件（MySQL Reader 和 InfluxDB Writer）。

DataX

　DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具 / 平台，实现包括 MySQL、Oracle、SqlServer、PostgreSQL、HDFS、Hive、ADS、HBase、TableStore（OTS）、MaxCompute（ODPS）、DRDS 等各种异构数据源之间高效的数据同步功能。

MySQL Reader

　MySQL Reader 是 DataX 的一个插件，实现了从 MySQL 读取数据。

InfluxDB Writer

　InfluxDB Writer 是 DataX 的一个插件，实现了将数据点写入到阿里云时序数据库Influxdb版中。

Quick Start

步骤一：环境准备

• Linux
• JDK（1.8 以上，推荐 1.8）
• Python（推荐 Python 2.6.x）
• MySQL（目前只支持兼容 5.x，其他版本暂不保证兼容）
• InfluxDB（目前只支持兼容 1.7.x 及以上版本，其他版本暂不保证兼容）
  
  
  

步骤二：下载 DataX 及其插件

　点击 链接 进行下载。

步骤三：利用 DataX 自带的迁移任务，检查迁移流程能否走通

　这里，我们先以最简单的 Stream Reader 到 Stream Writer 为例。因为这两个插件不依赖任何的外部环境，特别适合用来测试流程是否能走通。简单介绍下这两个插件，其中 Stream Reader 会随机地产生字符串，而 Stream Writer 则会将接受到的字符串输出到控制台，以此模拟一个最简单的数据迁移过程。

工具部署

　将下载后的安装包，解压至某个目录（作为 DATAX_HOME），即可运行迁移任务：

cd ${DATAX_HOME}
$ python bin/datax.py job/job.json

检查任务是否成功
　下面是任务结束后的汇总信息，看到如下内容，即可表示迁移任务已成功完成：

任务启动时刻                    : 2019-04-26 11:18:07
任务结束时刻                    : 2019-04-26 11:18:17
任务总计耗时                    :                 10s
任务平均流量                    :          253.91KB/s
记录写入速度                    :          10000rec/s
读出记录总数                    :              100000
读写失败总数                    :                   0

步骤四：配置和启动 MySQL 到 InfluxDB 的迁移任务
　通过上述 Stream Reader 到 Stream Writer 的迁移任务，我们就可以确保整个 DataX 流程是没有问题的。下面就可以真正开始 MySQL Reader 到 InfluxDB Writer 迁移任务了。

配置迁移任务

　配置一个从 MySQL 数据库同步抽取数据到 TSDB 的任务，命名为 mysql2influxdb.json，完整的配置信息如下（针对各个配置参数的详细说明，请看下一章节”参数说明”）：

{
  "job": {
    "content": [
      {
        "reader": {
          "name": "mysqlreader",
          "parameter": {
            "column": [
              "host",
              "unit",
              "create_time",
              "cpu",
              "memory"
            ],
            "connection": [
              {
                "jdbcUrl": [
                  "jdbc:mysql://rm-xxxxx.mysql.rds.aliyuncs.com:3306/datax"
                ],
                "table": [
                  "machine"
                ]
              }
            ],
            "password": "test",
            "splitPk": "id",
            "username": "test"
          }
        },
        "writer": {
          "name": "influxdbwriter",
          "parameter": {
            "column": [
              "host",
              "unit",
              "create_time",
              "cpu",
              "memory"
            ],
            "columnType": [
              "tag",
              "tag",
              "timestamp",
              "field",
              "field",
            ],
            "sourceDbType": "RDB",
            "endpoint": "https://ts-xxxxx.influxdata.rds.aliyuncs.com:3242",
            "username": "test",
            "password": "test",
            "database": "datax",
            "createDatabase": true,
            "measurement": "machine",
          }
        }
      }
    ],
    "setting": {
      "speed": {
        "channel": 1
      }
    }
  }
}

启动 MySQL 2 InfluxDB 迁移任务

$ cd ${DATAX_HOME}/..
$ ls
  datax/  datax.tar.gz  mysql2influxdb.json
$ python datax/bin/datax.py mysql2influxdb.json

检查任务是否成功

　下面是任务结束后的汇总信息，看到如下内容，即可表示迁移任务已成功完成：

任务启动时刻                    : 2019-09-21 18:25:16
任务结束时刻                    : 2019-09-21 18:25:27
任务总计耗时                    :                 11s
任务平均流量                    :                3B/s
记录写入速度                    :              0rec/s
读出记录总数                    :                   3
读写失败总数                    :                   0

参数说明

　接下来，我们来看下各个配置项的含义：

MySQL Reader 相关

名称	类型	是否必需	描述	默认值	举例
jdbcUrl	String	是	数据库的 JDBC 连接信息	无	jdbc:mysql://127.0.0.1:3306/datax
username	String	是	数据源的用户名	无	root
password	String	是	数据源指定用户名的密码	无	root
table	String	是	需要同步的表	无	book
column	Array	是	表中需要同步的列名集合	[]	["m"]
splitPk	String	否	如果指定 splitPk，表示用户希望使用 splitPk 代表的字段进行数据分片	空	id

InfluxDB Writer 相关

名称	类型	是否必需	描述	默认值	举例
sourceDbType	String	否	目前支持 TSDB 和 RDB 两个取值。其中，TSDB 指 OpenTSDB、InfluxDB、Prometheus、TimeScale 等；而 RDB 指 MySQL、Oracle、PostgreSQL、DRDS 等	TSDB	RDB
column	Array	是	表中需要同步的列名集合	[]	["host","unit","create_time","cpu","memory"]
columnType	Array	是	关系型数据库中表字段，映射到 InfluxDB 中的类型。 支持的类型： timestamp：该字段是个时间戳； tag：该字段是个 tag； field：该字段代表具体的采集的指标值，其value一般是数值类型。	[]	["tag","tag","timestamp","field","field"]
endPoint	String	是	InfluxDB的网络地址	无	https://ts-xxxxx.influxdata.rds.aliyuncs.com:3242
username	String	是	InfluxDB用户名	无	test
password	String	是	InfluxDB用户密码	无	test
batchSize	int	否	每次批量数据的条数（需要保证大于 0）	100	100
createDatabase	bool	否	true： 会自动创建数据库 ; false： 不会自动创建数据库。	TRUE	TRUE
database	String	是	导入InfluxDB的数据库名称	无	datax
batchSize	int	否	每次批量数据的条数（需要保证大于 0）	100	100

注意事项

确保与 InfluxDB 的网络是连通的

　因为 InfluxDB Writer 写入数据的方式是调用InfluxDB的api来完成的，所以需要确保迁移任务的进程能正常访问到 InfluxDB 暴露出来的 HTTP 接口的。否则，会报错 Connect Exception 异常。

确保与 MySQL 的网络是连通的

　因为 MySQL Reader 读取数据是通过 JDBC 来完成的，所以需要确保迁移任务的进程能正常访问到 MySQL 暴露出来的 JDBC 接口的。否则，会报错 Connect Exception 异常。

需要 column 字段顺序保持一致

　需要保证 InfluxDB Writer 插件中的 column 字段顺序和 MySQL reader 插件中配置的 column 字段顺序保持一致。否则，数据会错乱。

FAQ

Q：是否支持调整迁移进程的 JVM 内存大小？

A：支持的。以”从 MySQL 到 InfluxDB 的数据迁移任务”为例，启动命令如下：

python datax/bin/datax.py mysql2influxdb.json -j "-Xms4096m -Xmx4096m"

Q：将迁移任务运行在 ECS 上的用户，如何配置 VPC，以及常见问题有哪些？

A：参考《ECS 安全组配置案例》和《VPC 常见问题》。