记录部署Datax、Datax-web 过程碰到的问题

我的第一篇博客

datax在网络上部署的文档有很多，这里不重复阐述，只描述过程中碰到的些许问题，记录下来。

1.

1 ERROR RetryUtil - Exception when calling callable, 异常Msg:DataX无法连接对应的数据库，可能原因是：1) 配置的ip/port/database/jdbc错误，无法连接。2) 配置的username/password错误，鉴权失败。请和DBA确认该数据库的连接信息是否正确。
2 2023-06-19 15:10:52 [AnalysisStatistics.analysisStatisticsLog-53] java.lang.Exception: DataX无法连接对应的数据库，可能原因是：1) 配置的ip/port/database/jdbc错误，无法连接。2) 配置的username/password错误，鉴权失败。请和DBA确认该数据库的连接信息是否正确。

解决方法：

cd /opt/datax/plugin/reader/mysqlreader/libs

这个目录下，删除掉低版本的mysql驱动版本，替换为：mysql-connector-java-8.0.*.jar

2. mysql 同步数据到hdfs上，会出现设置固定前缀的多个文件，实际文件内数据重复了，低版本的datax未解决重复问题，

问题的原因是 hdfswriter 的 writemode 只支持 append 和 nonConflict，可以下载源码找到对应的模块增加覆盖功能。

源码地址：alibaba/DataX: DataX是阿里云DataWorks数据集成的开源版本。 (github.com)

很荣幸在我碰到这个问题时，源码的 master版本解决了此问题，那么下载下来编译后安装，writeMode 增加了 truncate 功能，执行任务时若hdfs目录下存在设置的前缀文件，会先删除。

但是data-web 2.1.2 下拉选择时没有此选项，需要自行在josn文件中修改

"path": "/warehouse/jzg_ga_prod/ods/ods_t_message_template",
"fileName": "00000",
"writeMode": "truncate",
"fieldDelimiter": "\t",

3. hdfs 同步至 mysql 时的脏数据导致同步失败的问题

 UnstructuredStorageReaderUtil - CsvReader使用默认值[{"captureRawRecord":true,"columnCount":0,"comment":"#","currentRecord":-1,"delimiter":"\t","escapeMode":1,"headerCount":0,"rawRecord":"","recordDelimiter":"\u0000","safetySwitch":false,"skipEmptyRecords":true,"textQualifier":"\"","trimWhitespace":true,"useComments":false,"useTextQualifier":true,"values":[]}],csvReaderConfig值为[null]
2023-06-19 15:53:30 [AnalysisStatistics.analysisStatisticsLog-53] 2023-06-19 15:53:30.209 [0-0-0-reader] ERROR StdoutPluginCollector - 脏数据:
2023-06-19 15:53:30 [AnalysisStatistics.analysisStatisticsLog-53] {"record":[{"byteSize":1,"index":0,"rawData":1,"type":3},{"byteSize":7,"index":1,"rawData":"注册账号验证码","type":5},{"byteSize":1,"index":2,"rawData":1,"type":3},{"byteSize":28,"index":3,"rawData":"您的验证码为：${code}，如非本人操作，请忽略本短信","type":5},{"byteSize":1,"index":4,"rawData":"2","type":5},{"byteSize":1,"index":5,"rawData":"2","type":5},{"byteSize":1,"index":6,"rawData":0,"type":3},{"byteSize":1,"index":7,"rawData":"3","type":5},{"byteSize":0,"index":8,"rawData":"","type":5},{"byteSize":0,"index":9,"rawData":"","type":5}],"type":"reader","message":"No enum constant com.alibaba.datax.plugin.unstructuredstorage.reader.UnstructuredStorageReaderUtil.Type.BIGINT"}
2023-06-19 15:53:30 [AnalysisStatistics.analysisStatisticsLog-53] 2023-06-19 15:53:30.209 [0-0-0-reader] ERROR StdoutPluginCollector - 脏数据: 

原因：是datax 数据类型的问题 参考网上给出的类型对照（来源：https://www.jianshu.com/p/02e78ff57437）

解决方法：将 bigint、 int 改为 long 即可