介绍

StarRocksWriter 插件实现了写入数据到 StarRocks 的目的表的功能。在底层实现上， StarRocksWriter 通过Stream load以csv或 json 格式导入数据至StarRocks。内部将reader读取的数据进行缓存后批量导入至StarRocks，以提高写入性能。总体数据流是 source -> Reader -> DataX channel -> Writer -> StarRocks。

点击下载插件

源码地址

测试时可以使用如下命令: python datax.py --jvm="-Xms6G -Xmx6G" --loglevel=debug job.json

功能说明

配置样例

这里使用一份从内存Mysql读取数据后导入至StarRocks。

{
    "job": {
        "setting": {
            "speed": {
                 "channel": 1
            },
            "errorLimit": {
                "record": 0,
                "percentage": 0
            }
        },
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "username": "xxxx",
                        "password": "xxxx",
                        "column": [ "k1", "k2", "v1", "v2" ],
                        "connection": [
                            {
                                "table": [ "table1", "table2" ],
                                "jdbcUrl": [
                                     "jdbc:mysql://127.0.0.1:3306/datax_test1"
                                ]
                            },
                            {
                                "table": [ "table3", "table4" ],
                                "jdbcUrl": [
                                     "jdbc:mysql://127.0.0.1:3306/datax_test2"
                                ]
                            }
                        ]
                    }
                },
               "writer": {
                    "name": "starrockswriter",
                    "parameter": {
                        "username": "xxxx",
                        "password": "xxxx",
                        "database": "xxxx",
                        "table": "xxxx",
                        "column": ["k1", "k2", "v1", "v2"],
                        "preSql": [],
                        "postSql": [], 
                        "jdbcUrl": "jdbc:mysql://172.28.17.100:9030/",
                        "loadUrl": ["172.28.17.100:8030", "172.28.17.100:8030"],
                        "loadProps": {}
                    }
                }
            }
        ]
    }
}

参数说明

username
- 描述：StarRocks 数据库的用户名
- 必选：是
- 默认值：无
password
- 描述：StarRocks 数据库的密码
- 必选：是
- 默认值：无
database
- 描述：StarRocks 表的数据库名称。
- 必选：是
- 默认值：无
table
- 描述：StarRocks 表的表名称。
- 必选：是
- 默认值：无
loadUrl
- 描述：StarRocks FE的地址用于Streamload，可以为多个fe地址，形如fe_ip:fe_http_port。
- 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"]。
  column配置项必须指定，不能留空！
如果希望导入所有字段，可以使用 ["*"]
- 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。
- 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。
- 必选：否
- 默认值：无
jdbcUrl
- 描述：目的数据库的 JDBC 连接信息，用于执行preSql及postSql。
- 必选：否
- 默认值：无
maxBatchRows
- 描述：单次StreamLoad导入的最大行数
- 必选：否
- 默认值：500000 (50W)
maxBatchSize
- 描述：单次StreamLoad导入的最大字节数。
- 必选：否
- 默认值：104857600 (100M)
flushInterval
- 描述：上一次StreamLoad结束至下一次开始的时间间隔（单位：ms）。
- 必选：否
- 默认值：300000 (ms)
loadProps
- 描述：StreamLoad 的请求参数，详情参照StreamLoad介绍页面。
- 必选：否
- 默认值：无

类型转换

默认传入的数据均会被转为字符串，并以\t作为列分隔符，\n作为行分隔符，组成csv文件进行StreamLoad导入操作。如需更改列分隔符，则正确配置 loadProps 即可：

"loadProps": {
    "column_separator": "\\x01",
    "row_delimiter": "\\x02"
}

如需更改导入格式为json，则正确配置 loadProps 即可：

"loadProps": {
    "format": "json",
    "strip_outer_array": true
}

关于时区

源tp库为其他时区时，执行datax.py时，命令行后面需要加如下参数

"-Duser.timezone=xx时区"

e.g. DataX导入Postgrest数据，源库是UTC时间，通过在dataX启动时加参数 "-Duser.timezone=GMT+0"