DataX PostgresqlWriter

1 快速介绍

PostgresqlWriter插件实现了写入数据到PostgreSQL主库目的表的功能。在底层实现上，PostgresqlWriter通过JDBC连接远程PostgreSQL数据库，并执行相应的 insert into … sql语句将数据写入PostgreSQL，内部会分批次提交入库。

PostgresqlWriter插件面向ETL开发工程师，他们使用PostgresqlWriter从数仓导入数据到PostgreSQL。同时PostgresqlWriter亦可以作为数据迁移工具为DBA等用户提供服务。

2 实现原理

PostgresqlWriter插件通过DataX框架获取Reader生成的协议数据，根据你配置生成相应的SQL插入语句：

insert into…(当主键/唯一性索引冲突时会写不进去冲突的行)

*注意：

1. 目的表所在数据库必须是主库才能写入数据；整个任务至少需具备insert into…的权限，是否需要其他权限，取决于你任务配置中在preSql和 postSql中指定的语句。

2. PostgresqlWriter和MysqlWriter插件不同，PostgresqlWriter插件不支持配置writeMode参数。

3 功能说明

3.1 配置样例

这里使用一份从内存产生到PostgresqlWriter导入的数据。

{
    "job": {
        "setting": {
            "speed": {
                "channel": 1
            }
        },
        "content": [
            {
                 "reader": {
                    "name": "streamreader",
                    "parameter": {
                        "column" : [
                            {
                                "value": "DataX",
                                "type": "string"
                            },
                            {
                                "value": 19880808,
                                "type": "long"
                            },
                            {
                                "value": "1988-08-08 08:08:08",
                                "type": "date"
                            },
                            {
                                "value": true,
                                "type": "bool"
                            },
                            {
                                "value": "test",
                                "type": "bytes"
                            }
                        ],
                        "sliceRecordCount": 1000
                    }
                },
                "writer": {
                    "name": "postgresqlwriter",
                    "parameter": {
                        "username": "xx",
                        "password": "xx",
                        "column": [
                            "id",
                            "name"
                        ],
                        "preSql": [
                            "delete from test"
                        ],
                        "connection": [
                            {
                                "jdbcUrl": "jdbc:postgresql://127.0.0.1:3002/datax",
                                "table": [
                                    "test"
                                ]
                            }
                        ]
                    }
                }
            }
        ]
    }
}

3.2 参数说明

• jdbcUrl
  • 描述：目的数据库的JDBC连接信息，jdbcUrl必须包含在connection配置单元中。

*注意：

1）在一个数据库上只能配置一个值。

2）jdbcUrl按照PostgreSQL官方规范，并可以填写连接附加参数信息。具体请参看PostgreSQL官方文档或者咨询对应 DBA。

• • 必选：是
  • 默认值：无
• username
  • 描述：目的数据库的用户名
  • 必选：是
  • 默认值：无
• password
  • 描述：目的数据库的密码
  • 必选：是
  • 默认值：无
• table
  • 描述：目的表的表名称。支持写入一个或者多个表。当配置为多张表时，必须确保所有表结构保持一致。

*注意：table参数和jdbcUrl参数必须包含在connection配置单元中

• • 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”]。如果要依次写入全部列，使用*表示, 例如: “column”: [“*”]

*注意：

1）DataX强烈不推荐你这样配置，因为当你目的表字段个数、类型等有改动时，你的任务可能运行不正确或者失败。

2）此处column不能配置任何常量值。

• • 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。如果Sql中有你需要操作到的表名称，请使用@table表示，这样在实际执行Sql语句时，会对变量按照实际表名称进行替换。比如你的任务是要写入到目的端的100个同构分表(表名称为:datax_00,datax01, … datax_98,datax_99)，并且你希望导入数据前，先对表中数据进行删除操作，那么你可以这样配置：”preSql”:[“delete from @table”]，效果是：在执行到每个表写入数据前，会先执行对应的 delete from 对应表名称
  • 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。（原理同 preSql ）
  • 必选：否
  • 默认值：无
• batchSize
  • 描述：一次性批量提交的记录数大小，该值可以极大减少DataX与PostgreSql的网络交互次数，并提升整体吞吐量。但是该值设置过大可能会造成DataX运行进程OOM情况。
  • 必选：否
  • 默认值：1024

3.3 类型转换

目前PostgresqlWriter支持大部分PostgreSQL类型，但也存在部分没有支持的情况，请注意检查你的类型。

PostgresqlWriter针对PostgreSQL类型转换列表请参考上一篇教程：DataX PostgresqlReader。

FAQ

Q: PostgresqlWriter执行postSql语句报错，那么数据导入到目标数据库了吗?

A: DataX导入过程存在三块逻辑，pre操作、导入操作、post操作，其中任意一环报错，DataX作业报错。由于DataX不能保证在同一个事务完成上述几个操作，因此有可能数据已经落入到目标端。

Q: 按照上述说法，那么有部分脏数据导入数据库，如果影响到线上数据库怎么办?

A: 目前有两种解法，第一种配置pre语句，该sql可以清理当天导入数据，DataX 每次导入时候可以把上次清理干净并导入完整数据。 第二种，向临时表导入数据，完成后再rename到线上表。