本文为您介绍如何通过数据集成的脚本模式配置任务。

开发流程

配置任务的操作步骤如下所示：
  1. 新建数据源。
  2. 新建离线同步节点。
  3. 导入模板。
  4. 配置同步任务的读取端。
  5. 配置同步任务的写入端。
  6. 配置字段的映射关系。
  7. 配置作业速率上限、脏数据检查规则等信息。
  8. 配置调度属性。

新建数据源

同步任务支持多种同构、异构数据源间的数据传输。首先，在工作空间管理 > 数据源页面，新增需要同步的数据源，详情请参见配置数据源。

新增数据源后，在数据集成配置同步任务时，可以直接进行选择。数据集成支持同步的数据源类型请参见支持的数据源与读写插件。
说明
  • 数据集成不支持部分数据源的测试连通性，详情请参见数据源测试连通性。
  • 数据源创建在本地，没有公网IP或网络无法到达的情况下，测试连通性会失败。数据集成支持自定义资源组解决网络不可达的情况。详情请参见新增自定义资源组。

    如果网络不可达，您在向导模式中无法获取表结构等信息，请通过脚本模式新建同步任务。

新建业务流程

  1. 登录DataWorks控制台。
  2. 在左侧导航栏，单击工作空间列表。
  3. 单击相应工作空间后的进入数据开发。
  4. 在数据开发页面，鼠标悬停至新建图标，单击业务流程。
  5. 在新建业务流程对话框，输入业务名称和描述。
    注意 业务名称必须是大小写字母、中文、数字、下划线（_）以及小数点（.），且不能超过128个字符。
  6. 单击新建。

新建离线同步节点

  1. 展开业务流程，右键单击数据集成。
  2. 单击新建 > 离线同步。
  3. 在新建节点对话框，输入节点名称，并选择目标文件夹。
    注意 节点名称必须是大小写字母、中文、数字、下划线（_）以及小数点（.），且不能超过128个字符。
  4. 单击提交。

导入模板

  1. 成功创建离线同步节点后，单击工具栏中的转换脚本。
    转换脚本
  2. 单击提示对话框中的确认，即可进入脚本模式进行开发。
    说明 脚本模式支持更多功能，例如在网络不可达的情况下，编辑同步任务。
  3. 单击工具栏中的导入模板。
    导入模板
  4. 在导入模板对话框中，选择来源类型、数据源、目标类型及数据源。
  5. 单击确认。

配置同步任务的读取端

新建同步任务后，通过导入模板已生成了基本的读取端配置。此时您可以继续手动配置离线同步任务的读取端数据源，以及需要同步的表信息等。 
{"type": "job",
    "version": "2.0",
    "steps": [   //上述配置为整个同步任务头端代码，无需修改。
        {
            "stepType": "mysql",
            "parameter": {
                "datasource": "MySQL",
                "column": [
                    "id",
                    "value",
                    "table"
                ],
                "socketTimeout": 3600000,
                "connection": [
                    {
                        "datasource": "MySQL",
                        "table": [
                            "`case`"
                        ]
                    }
                ],
                "where": "",
                "splitPk": "",
                "encoding": "UTF-8"
            },
            "name": "Reader",
            "category": "reader"    //说明分类为reader读取端。
        },
参数说明如下：
  • type：指定本次提交的同步任务，仅支持Job参数，所以您只能填写为Job。
  • version：目前所有Job支持的版本号为1.0或2.0。
说明
  • 选择读取端的数据源时，请参见配置Reader中的脚本开发介绍。
  • 很多任务在配置读取端数据源时，需要进行数据增量同步。此时可以结合DataWorks提供的调度参数来获取相对日期，以完成获取增量数据的需求。

配置同步任务的写入端

配置完成读取端数据源信息后，可以继续手动配置离线同步任务的写入端数据源，以及需要同步的表信息等。 
{ 
  "stepType": "odps",
  "parameter": {
      "partition": "",
      "truncate": true,
      "compress": false,
      "datasource": "odps_first",
      "column": [
          "*"
       ],
       "emptyAsNull": false,
       "table": ""
     },
     "name": "Writer",
     "category": "writer"   //说明分类为writer写入端。
   }
 ],
说明
  • 选择写入端的数据源时，请参见配置Writer。
  • 很多任务在写入时，需要选择写入模式。例如覆盖写入还是追加写入，针对不同的数据源，有不同的写入模式。

配置字段的映射关系

脚本模式仅支持同行映射，可以在同行建立相应的映射关系，请注意匹配数据类型。
说明 请注意列与列之间映射的字段类型是否数据兼容。

配置通道控制

当上述步骤配置完成后，则需要配置效率。setting域描述的是Job配置参数中除源端、目的端外，有关Job全局信息的配置参数。您可以在setting域中进行效率配置，主要包括同步并发数设置、同步速率设置、同步脏数据设置和同步资源组设置等信息。 
"setting": {
        "errorLimit": {
            "record": "1024"   //脏数据条目设置。
        },
        "speed": {
            "throttle": false,   //是否进行限速。
            "concurrent": 1,  //同步并发数设置。   
        }
    },
参数 描述
任务期望最大并发数 离线同步任务内，可以从源并行读取或并行写入数据存储端的最大线程数。向导模式通过界面化配置并发数，指定任务所使用的并行度。
同步速率 设置同步速率可以保护读取端数据库，以避免抽取速度过大，给源库造成太大的压力。同步速率建议限流，结合源库的配置，请合理配置抽取速率。
错误记录数 错误记录数，表示脏数据的最大容忍条数。
任务资源组 单击当前页面右上角的配置任务资源组，即可指定资源组配置。

任务运行的机器，如果任务数比较多，使用默认资源组出现等待资源的情况，建议购买独享数据集成资源或添加自定义资源组，详情请参见DataWorks独享资源和新增自定义资源组。

配置调度属性

离线同步节点中，经常需要使用调度参数进行数据过滤，下文将为您介绍如何在同步任务中配置调度参数。

在数据开发页面，双击相应业务流程下的离线同步节点名称，打开节点编辑页面，单击右侧的调度配置，即可进行配置。

您可以设置离线同步节点的运行周期、运行时间和调度依赖等属性。由于离线同步节点是ETL工作的开始，所以没有上游节点，此时建议使用工作空间根节点作为上游。

完成离线同步节点的配置后，请保存并提交节点。详情请参加调度配置。