TaDataWriter 插件

一、介绍

TaDataWriter 提供了 DataX 向 Ta 集群传输数据的功能，数据将会发送到 TA 的 receiver。

二、功能与限制

TaDataWriter 实现了从 DataX 协议转为 Ta 集群内部数据功能，TaDataWriter 如下几个方面约定:

1. 支持且仅支持写入 Ta 集群。
2. 支持数据压缩，现有压缩格式为 gzip、lzo、lz4、snappy。
3. 支持多线程传输。
4. 支持且仅支持在 TA 节点上使用。

三、功能说明

3.1 配置样例

{
  "job": {
    "setting": {
      "speed": {
        "channel": 1
      }
    },
    "content": [
      {
        "reader": {
          "name": "streamreader",
          "parameter": {
            "column": [
              {
                "value": "ABCDEFG-123-abc",
                "type": "string"
              },
              {
                "value": "F53A58ED-E5DA-4F18-B082-7E1228746E88",
                "type": "string"
              },
              {
                "value": "login",
                "type": "string"
              },
              {
                "value": "2020-01-01 01:01:01",
                "type": "date"
              },
              {
                "value": "abcdefg",
                "type": "string"
              },
              {
                "value": "2019-08-08 08:08:08",
                "type": "date"
              },
              {
                "value": 123456,
                "type": "long"
              },
              {
                "value": true,
                "type": "bool"
              }
            ],
            "sliceRecordCount": 1000
          }
        },
        "writer": {
          "name": "ta-data-writer",
          "parameter": {
            "type": "track",
            "appid": "34c703a885014208a737911748a7b51c",
            "column": [
              {
                "index": "0",
                "colTargetName": "#account_id",
                "type": "string"
              },
              {
                "index": "1",
                "colTargetName": "#distinct_id"
              },
              {
                "index": "2",
                "colTargetName": "#event_name"
              },
              {
                "index": "3",
                "colTargetName": "#time",
                "type": "date",
                "dateFormat": "yyyy-MM-dd HH:mm:ss.SSS"
              },
              {
                "index": "4",
                "colTargetName": "testString",
                "type": "string"
              },
              {
                "index": "5",
                "colTargetName": "testDate",
                "type": "date",
                "dateFormat": "yyyy-MM-dd HH:mm:ss.SSS"
              },
              {
                "index": "6",
                "colTargetName": "testLong",
                "type": "number"
              },
              {
                "index": "7",
                "colTargetName": "testBoolean",
                "type": "boolean"
              },
              {
                "colTargetName": "add_clo",
                "value": "addFlag",
                "type": "string"
              }
            ]
          }
        }
      }
    ]
  }
}

3.2 参数说明

• type
  • 描述：写入的数据类型 user_set、track。
  • 必选：是
  • 默认值：无
• appid
  • 描述：对应项目的 appid。
  • 必选：是
  • 默认值：无
• thread
  • 描述：线程数。
  • 必选：否
  • 默认值：3
• compress
  • 描述：文本压缩类型，默认不填写意味着没有压缩。支持压缩类型为 gzip、lzo、lz4、snappy。
  • 必选：否
  • 默认值：无压缩
• connType
  • 描述：集群内部的接受数据方式，走 receiver 还是直接发送到 kafka。
  • 必选：否
  • 默认值：http
• column
  • 描述：读取字段列表，type指定数据的类型，index指定当前列来对应reader的第几列(以 0 开始)，value指定当前类型为常量，不从reader读取数据，而是根据value值自动生成对应 的列。

用户可以指定Column字段信息，配置如下：

[
  {
    "type": "Number",
    "colTargetName": "test_col", //生成数据对应的列名
    "index": 0 //从reader到datax传输第一列获取Number字段
  },
  {
    "type": "string",
    "value": "testvalue",
    "colTargetName": "test_col" //从TaDataWriter内部生成testvalue的字符串字段作为当前字段
  },
  {
    "index": 0,
    "type": "date",
    "colTargetName": "testDate",
    "dateFormat": "yyyy-MM-dd HH:mm:ss.SSS"
  }
]

• 对于用户指定 Column 信息，index/value必须选择其一，type 非必选，设置date类型时，可设置 dataFormat 非必选。
  • 必选：是
  • 默认值：全部按照 reader 类型读取

3.3 类型转换

类型是 TaDataWriter 定义：

DataX 内部类型	TaDataWriter 数据类型
Int	Number
Long	Number
Double	Number
String	String
Boolean	Boolean
Date	Date