datax opentsdbreader 使用
OpenTSDBReader 插件文档
1 快速介绍
OpenTSDBReader 插件实现了从 OpenTSDB 读取数据。OpenTSDB 是主要由 Yahoo 维护的、可扩展的、分布式时序数据库，与阿里巴巴自研 TSDB 的关系与区别详见阿里云官网：《相比 OpenTSDB 优势》
2 实现原理
在底层实现上，OpenTSDBReader 通过 HTTP 请求链接到 OpenTSDB 实例，利用 /api/config 接口获取到其底层存储 HBase 的连接信息，再利用 AsyncHBase 框架连接 HBase，通过 Scan 的方式将数据点扫描出来。整个同步的过程通过 metric 和时间段进行切分，即某个 metric 在某一个小时内的数据迁移，组合成一个迁移 Task。
3 功能说明
3.1 配置样例
- 配置一个从 OpenTSDB 数据库同步抽取数据到本地的作业：
{
"job": {
"content": [
{
"reader": {
"name": "opentsdbreader",
"parameter": {
"endpoint": "http://localhost:4242",
"column": [
"m"
],
"beginDateTime": "2019-01-01 00:00:00",
"endDateTime": "2019-01-01 03:00:00"
}
},
"writer": {
"name": "streamwriter",
"parameter": {
"encoding": "UTF-8",
"print": true
}
}
}
],
"setting": {
"speed": {
"channel": 1
}
}
}
}
3.2 参数说明
name
- 描述：本插件的名称
- 必选：是
- 默认值：opentsdbreader
parameter
- endpoint
- 描述：OpenTSDB 的 HTTP 连接地址
- 必选：是
- 格式：http://IP:Port
默认值：无
- column
- 描述：数据迁移任务需要迁移的 Metric 列表
- 必选：是
- 默认值：无
beginDateTime
- 描述：和 endDateTime 配合使用，用于指定哪个时间段内的数据点，需要被迁移
- 必选：是
- 格式：
yyyy-MM-dd HH:mm:ss - 默认值：无
- 注意：指定起止时间会自动忽略分钟和秒，转为整点时刻，例如 2019-4-18 的 [3:35, 4:55) 会被转为 [3:00, 4:00)
endDateTime
- 描述：和 beginDateTime 配合使用，用于指定哪个时间段内的数据点，需要被迁移
- 必选：是
- 格式：
yyyy-MM-dd HH:mm:ss - 默认值：无
- 注意：指定起止时间会自动忽略分钟和秒，转为整点时刻，例如 2019-4-18 的 [3:35, 4:55) 会被转为 [3:00, 4:00)
3.3 类型转换
| DataX 内部类型 | TSDB 数据类型 |
|---|---|
| String | TSDB 数据点序列化字符串，包括 timestamp、metric、tags 和 value |
4 性能报告
4.1 环境准备
4.1.1 数据特征
从 Metric、时间线、Value 和 采集周期 四个方面来描述：
metric
固定指定一个 metric 为 m。
tagkv
前四个 tagkv 全排列，形成 10 * 20 * 100 * 100 = 2000000 条时间线，最后 IP 对应 2000000 条时间线从 1 开始自增。
| tag_k | tag_v |
|---|---|
| zone | z1~z10 |
| cluster | c1~c20 |
| group | g1~100 |
| app | a1~a100 |
| ip | ip1~ip2000000 |
value
度量值为 [1, 100] 区间内的随机值
interval
采集周期为 10 秒，持续摄入 3 小时，总数据量为 3 * 60 * 60 / 10 * 2000000 = 2,160,000,000 个数据点。
4.1.2 机器参数
OpenTSDB Reader 机型: 64C256G
HBase 机型： 8C16G * 5
4.1.3 DataX jvm 参数
”-Xms4096m -Xmx4096m”
4.2 测试报告
| 通道数 | DataX 速度 (Rec/s) | DataX 流量 (MB/s) |
|---|---|---|
| 1 | 215428 | 25.65 |
| 2 | 424994 | 50.60 |
| 3 | 603132 | 71.81 |
5 约束限制
5.1 需要确保与 OpenTSDB 底层存储的网络是连通的
具体缘由详见 6.1
5.2 如果存在某一个 Metric 下在一个小时范围内的数据量过大，可能需要通过 -j 参数调整 JVM 内存大小
考虑到下游 Writer 如果写入速度不及 OpenTSDB reader 的查询数据，可能会存在积压的情况，因此需要适当地调整 JVM 参数。以”从 OpenTSDB 数据库同步抽取数据到本地的作业”为例，启动命令如下：
python datax/bin/datax.py opentsdb2stream.json -j "-Xms4096m -Xmx4096m"
5.3 指定起止时间会自动被转为整点时刻
指定起止时间会自动被转为整点时刻，例如 2019-4-18 的 [3:35, 3:55) 会被转为 [3:00, 4:00)
5.4 目前只支持兼容 OpenTSDB 2.3.x
其他版本暂不保证兼容
6 FAQ
Q：为什么需要连接 OpenTSDB 的底层存储，为什么不直接使用 /api/query 查询获取数据点？
A：因为通过 OpenTSDB 的 HTTP 接口（/api/query）来读取数据的话，经内部压测发现，在大数据量的情况下，会导致 OpenTSDB 的异步框架会报 CallBack 过多的问题；所以，采用了直连底层 HBase 存储，通过 Scan 的方式来扫描数据点，来避免这个问题。另外，还考虑到，可以通过指定 metric 和时间范围，可以顺序地 Scan HBase 表，提高查询效率。
相关文章
热门推荐
-
2、 - 优质文章
-
3、 gate.io
-
6、 golang
-
7、 openharmony