Python 获取 datax 执行结果保存到数据库的方法


						执行 datax 作业，创建执行文件，在 crontab 中每天1点（下面有关系）执行：

其中 job_start 及 job_finish 这两行记录是自己添加的，为了方便识别出哪张表。





#!/bin/bash

source /etc/profile

user1="root"

pass1="pwd"

user2="root"

pass2="pwd"

job_path="/opt/datax/job/"

 

jobfile=(

job_table_a.json

job_table_b.json

)

 

for filename in ${jobfile[@]}

do

	echo "job_start: "`date "+%Y-%m-%d %H:%M:%S"`" ${filename}"

	python /opt/datax/bin/datax.py -p "-Duser1=${user1} -Dpass1=${pass1} -Duser2=${user2} -Dpass2=${pass2}" ${job_path}${filename}

	echo "job_finish: "`date "+%Y-%m-%d %H:%M:%S"`" ${filename}"

done

 

# 0 1 * * * /opt/datax/job/dc_to_ods_incr.sh >> /opt/datax/job/log/dc_to_ods_incr_$(date +\%Y\%m\%d_\%H\%M\%S).log 2>&1

# egrep '任务|速度|总数|job_start|job_finish' /opt/datax/job/log/





datax 执行日志：





job_start: 2018-08-08 01:13:28 job_table_a.json

任务启动时刻          : 2018-08-08 01:13:28

任务结束时刻          : 2018-08-08 01:14:49

任务总计耗时          :         81s

任务平均流量          :     192.82KB/s

记录写入速度          :      1998rec/s

读出记录总数          :       159916

读写失败总数          :          0

job_finish: 2018-08-08 01:14:49 job_table_a.json

job_start: 2018-08-08 01:14:49 job_table_b.json

任务启动时刻          : 2018-08-08 01:14:50

任务结束时刻          : 2018-08-08 01:15:01

任务总计耗时          :         11s

任务平均流量          :        0B/s

记录写入速度          :       0rec/s

读出记录总数          :          0

读写失败总数          :          0

job_finish: 2018-08-08 01:15:01 job_table_b.json



接下来读取这些信息保存到数据库，在数据库中创建表：





CREATE TABLE `datax_job_result` (

 `log_file` varchar(200) DEFAULT NULL,

 `job_file` varchar(200) DEFAULT NULL,

 `start_time` datetime DEFAULT NULL,

 `end_time` datetime DEFAULT NULL,

 `seconds` int(11) DEFAULT NULL,

 `traffic` varchar(50) DEFAULT NULL,

 `write_speed` varchar(50) DEFAULT NULL,

 `read_record` int(11) DEFAULT NULL,

 `failed_record` int(11) DEFAULT NULL,

 `job_start` varchar(200) DEFAULT NULL,

 `job_finish` varchar(200) DEFAULT NULL,

 `insert_time` datetime DEFAULT CURRENT_TIMESTAMP

) ENGINE=InnoDB DEFAULT CHARSET=utf8;





定时执行以下文件，因为 datax 作业 1 点执行，为了获取一天内最新生产的日志，脚本中取 82800内生产的日志文件，及23 小时内生产的那个最新日志。所以一天内任何时间执行都可以。此文件也是定时每天执行（判断 datax 作业完成后执行）





#!/usr/bin/python

# -*- coding: UTF-8 -*-

# 0 5 * * * source /etc/profile && /usr/bin/python2.7 /opt/datax/job/save_log_to_db.py > /dev/null 2>&1

 

import re

import os

import sqlalchemy

import pandas as pd

import datetime as dt

 

def save_to_db(df):

	engine = sqlalchemy.create_engine("mysql+pymysql://root:pwd@localhost:3306/test", encoding="utf-8") 

	df.to_sql("datax_job_result", engine, index=False, if_exists='append') 

 

def get_the_latest_file(path):

	t0 = dt.datetime.utcfromtimestamp(0)

	d2 = (dt.datetime.now() - t0).total_seconds()

	d1 = d2 - 82800

	for (dirpath, dirnames, filenames) in os.walk(path):

		for filename in sorted(filenames, reverse = True):

			if filename.endswith(".log"):

				f = os.path.join(dirpath,filename)

				ctime = os.stat(f)[-1]

				if ctime>=d1 and ctime <=d2:

					return f

			

def get_job_result_from_logfile(path):

	result = pd.DataFrame(columns=['log_file','job_file','start_time','end_time','seconds','traffic','write_speed','read_record','failed_record','job_start','job_finish'])

	log_file = get_the_latest_file(path)

	index = 0

	content = open(log_file, "r")

	for line in content:

		result.loc[index, 'log_file'] = log_file

		if re.compile(r'job_start').match(line):

			result.loc[index, 'job_file'] = line.split(' ')[4].strip()

			result.loc[index, 'job_start'] = line,

		elif re.compile(r'任务启动时刻').match(line):

			result.loc[index, 'start_time'] = line.split('刻')[1].strip().split(' ')[1].strip() + ' ' + line.split('刻')[1].strip().split(' ')[2].strip()

		elif re.compile(r'任务结束时刻').match(line):

			result.loc[index, 'end_time'] = line.split('刻')[1].strip().split(' ')[1].strip() + ' ' + line.split('刻')[1].strip().split(' ')[2].strip()

		elif re.compile(r'任务总计耗时').match(line):

			result.loc[index, 'seconds'] = line.split(':')[1].strip().replace('s','')

		elif re.compile(r'任务平均流量').match(line):

			result.loc[index, 'traffic'] = line.split(':')[1].strip()

		elif re.compile(r'记录写入速度').match(line):

			result.loc[index, 'write_speed'] = line.split(':')[1].strip()

		elif re.compile(r'读出记录总数').match(line):

			result.loc[index, 'read_record'] = line.split(':')[1].strip()

		elif re.compile(r'读写失败总数').match(line):

			result.loc[index, 'failed_record'] = line.split(':')[1].strip()

		elif re.compile(r'job_finish').match(line):

			result.loc[index, 'job_finish'] = line,

			index = index + 1

		else:

			pass

	save_to_db(result)

 

get_job_result_from_logfile("/opt/datax/job/log")





以上这篇Python 获取 datax 执行结果保存到数据库的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。