利用Kettle进行数据同步（下）

版权声明：
本文为博主原创文章，未经博主允许不得转载。关注公众号技术汇(ID: jishuhui_2015) 可联系到作者。

上篇介绍了基于kettle的数据同步工程的搭建，entrypoint.kjb就是整个工程执行的入口。

为了进一步降低操作成本，让整个数据同步过程更稳定、安全，需要进行更高层面的抽象，做成一个简单易用的系统。

以下是应用截图：

除了选择数据源和数据库之外，还加入了授权码，意味着授权范围内的用户才能使用该系统。

因为是内部使用，授权用户还没实现后台管理，直接往应用数据库里添加，所选择的数据源和数据库都是通过配置文件生成的。

文末会附上GitHub上的源码地址，有需要的读者，可以进行二次开发改造。

一、数据库设计

数据库名称：kettle，目前有两张表：

1、授权用户表。表内记录的用户即可使用数据同步系统

CREATE TABLE `authorized_user` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '用户ID，自增',
  `user` varchar(128) NOT NULL COMMENT '用户名，全局唯一',
  `token` varchar(20) NOT NULL COMMENT '用户的授权码，全局唯一',
  `status` char(1) NOT NULL DEFAULT 'A' COMMENT '授权用户状态：A-已授权，R-未授权',
  `gmt_create` datetime NOT NULL COMMENT '创建时间',
  `gmt_modify` datetime NOT NULL COMMENT '最后修改时间',
  PRIMARY KEY (`id`),
  UNIQUE KEY `unique_index_token` (`token`) USING BTREE,
  UNIQUE KEY `unique_index_user` (`user`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='授权用户表'

2、同步记录表。记录用户的数据同步操作

CREATE TABLE `sync_record` (
  `sync` varchar(20) NOT NULL COMMENT '同步记录主键',
  `ipv4` varchar(15) NOT NULL COMMENT 'ip地址',
  `from_db` varchar(100) NOT NULL COMMENT '源数据',
  `to_db` varchar(100) NOT NULL COMMENT '目标数据',
  `user` varchar(128) NOT NULL COMMENT '用户名',
  `token` varchar(20) NOT NULL COMMENT '用户的授权码',
  `status` char(1) NOT NULL DEFAULT 'P' COMMENT '同步状态：P-正在执行，S-成功，F-失败',
  `gmt_create` datetime NOT NULL COMMENT '同步创建时间',
  `gmt_modify` datetime NOT NULL COMMENT '最后修改时间',
  PRIMARY KEY (`sync`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='同步记录表';

二、程序设计

因为系统做得比较简单实用，没有什么特别设计之处。笔者重点说三点：

1、数据源及其参数配置

在application.yml配置文件中，有这么一段配置：

env:
  entry-point: kettle/entrypoint.kjb
  databases:
    - taxi-user
    - taxi-account
    - taxi-trade
    - taxi-coupon
    - taxi-bi
    - taxi-system
    - taxi-credits
    - taxi-finance
    - taxi-notification
    - taxi-gateway
  from-dbs:
    - PROD
    - TEST
    - LOCAL
  to-dbs:
    - LOCAL
    - TEST
  db-settings:
    - name: LOCAL
      host: *****
      port: 3306
      user: *****
      password: *****
    - name: TEST
      host: *****
      port: 3306
      user: *****
      password: *****
    - name: PROD
      host: *****
      port: 3306
      user: *****
      password: *****

利用了springboot的@ConfigurationProperties的注解。

@Setter
@Getter
@ConfigurationProperties(prefix = "env")
public class EnvConfig {

    private List<String> databases;

    private List<String> fromDbs;

    private List<String> toDbs;

    private List<DBSetting> dbSettings;

    public DBSetting getDBConfig(String name) {
        if (StringUtils.isBlank(name)) return null;
        return dbSettings.stream().filter(dbSetting -> dbSetting.getName().equalsIgnoreCase(name)).findFirst().orElse(null);
    }
}

当中的DBSetting的定义如下所示：

@Setter
@Getter
@NoArgsConstructor
public class DBSetting {

    private String name;

    private String host;

    private String port = "3306";

    private String user = "root";

    private String password;

    public DBSetting(String host, String user, String password) {
        this.host = host;
        this.user = user;
        this.password = password;
    }
}

通过客户端传来的参数，即可定位到对应的参数设置。

2、集成kettle的API
因为kettle相关的jar包放在了自己搭建的nexus私服上，所以如果使用的是maven管理jar包的话，需要在settings.xml配置文件中做一点修改：

<mirror>
    <id>nexus</id>        
    <url>公司内部的nexus的URL</url>       
    <mirrorOf>*,!pentaho-releases</mirrorOf>       
</mirror> 

其中的mirrorOf节点加上了!pentaho-releases，表示排除pentaho-releases。

然后，在springboot工程中的pom.xml中指定pentaho-releases的url。

<repositories>
    <repository>
        <id>pentaho-releases</id>
        <url>https://nexus.pentaho.org/content/groups/omni/</url>
    </repository>
</repositories>

接下来是核心的对接代码，具体可以参照工程源码。

JobMeta jobMeta = getJobMeta(new ClassPathResource(envConfig.getEntryPoint()));
Job job = new Job(null, jobMeta);
//设置Variable
job.setVariable("sync", sync);
job.setVariable("TO_HOST", toDbSetting.getHost());
job.setVariable("TO_DB", form.getDb());
job.setVariable("TO_USER", toDbSetting.getUser());
job.setVariable("TO_PASSWORD", toDbSetting.getPassword());
job.setVariable("TO_PORT", toDbSetting.getPort());

job.setVariable("FROM_HOST", fromDbSetting.getHost());
job.setVariable("FROM_DB", form.getDb());
job.setVariable("FROM_USER", fromDbSetting.getUser());
job.setVariable("FROM_PASSWORD", fromDbSetting.getPassword());
job.setVariable("FROM_PORT", fromDbSetting.getPort());
job.start();              //开始执行Job
job.waitUntilFinished();  //等待Job完成

3、异步执行作业

因为一个Job的执行时间可能会很长，这个主要是看数据量的多少，所以一个request的来回可能会导致TIMEOUT，所以需要改为异步的模式。

其核心的思想是：启动新的线程，客户端定时轮询执行结果。

三、总结

笔者分两篇文章介绍了如何利用kettle进行数据同步，并实现一个简易的系统，降低操作成本和出错率。

就介绍到这了，如有疑问，可以留言。

欢迎fork我的工程代码（https://github.com/liu-weihao/kettle）。