将表格存储数据全量导出到MaxCompute中_表格存储(Tablestore)-阿里云帮助中心

如果需要使用MaxCompute备份表格存储数据或者迁移表格存储数据到MaxCompute中使用，您可以通过在DataWorks数据集成控制台新建和配置离线同步任务来实现全量数据导出。全量数据导出到MaxCompute后，您可以使用DataWorks数据分析功能查看和分析导出到MaxCompute中的数据。

注意事项

表格存储的字段名称大小写敏感，请确保MaxComputer中的字段名称与表格存储中的字段名称一致。

步骤一：新增表格存储数据源

将表格存储数据库添加为数据源，具体步骤如下：

进入数据集成页面。
1. 以项目管理员身份登录DataWorks控制台。
2. 在左侧导航栏，单击工作空间列表后，选择地域。
3. 在工作空间列表页面，在目标工作空间操作列选择快速进入>数据集成。
在左侧导航栏，单击数据源。
在数据源页面，单击新增数据源。
在新增数据源对话框，找到Tablestore区块，单击Tablestore。

在新增OTS数据源对话框，根据下表配置数据源参数。

参数	说明
数据源名称	数据源名称必须以字母、数字、下划线（_）组合，且不能以数字和下划线（_）开头。
数据源描述	对数据源进行简单描述，不得超过80个字符。
Endpoint	Tablestore实例的服务地址。更多信息，请参见服务地址。如果Tablestore实例和目标数据源的资源在同一个地域，填写VPC地址；如果Tablestore实例和目标数据源的资源不在同一个地域，填写公网地址。
Table Store实例名称	Tablestore实例的名称。更多信息，请参见实例。
AccessKey ID	阿里云账号或者RAM用户的AccessKey ID和AccessKey Secret。获取方式请参见创建AccessKey。
AccessKey Secret

测试资源组连通性。
创建数据源时，您需要测试资源组的连通性，以保证同步任务使用的资源组能够与数据源连通，否则将无法正常执行数据同步任务。
重要
数据同步时，一个任务只能使用一种资源组。资源组列表默认显示仅数据集成公共资源组。为确保数据同步的稳定性和性能要求，推荐使用独享数据集成资源组。
1. 单击前往购买进行全新创建或单击绑定已购资源组绑定已有资源组。具体操作，请参见新增和使用独享数据集成资源组。
2. 单击相应资源组操作列的测试连通性。
  当连通状态显示为可连通时，表示连通成功。
测试连通性通过后，单击完成。
在数据源列表中，可以查看新建的数据源。

步骤二：新增MaxCompute数据源

具体操作与步骤一类似，将MaxCompute添加为数据源。

在数据源列表页面，单击新增数据源。
在新增数据源对话框，找到MaxCompute区块，单击MaxCompute。
在新增MaxCompute数据源对话框中配置参数，并测试资源组连通性，再单击完成。具体操作，请参见创建MaxCompute数据源。
重要
- 数据同步时，一个任务只能使用一种资源组。资源组列表默认仅显示独享数据集成资源组，为确保数据同步的稳定性和性能要求，推荐使用独享数据集成资源组。
- 如果未创建资源组，请单击新建独享数据集成资源组进行创建。具体操作，请参见新增和使用独享数据集成资源组。

步骤三：新建同步任务节点

进入数据开发页面。
1. 以项目管理员身份登录DataWorks控制台。
2. 选择地域，在左侧导航栏，单击工作空间列表。
3. 在工作空间列表页面，在目标工作空间操作列选择快速进入>数据开发。
在DataStudio控制台的数据开发页面，单击业务流程节点下的目标业务流程。
如果需要新建业务流程，请参见创建业务流程。
在数据集成节点上右键选择新建节点 > 离线同步。
在新建节点对话框，选择路径并填写节点名称。
单击确认。
在数据集成节点下会显示新建的离线同步节点。

步骤四：配置离线同步任务并启动

配置表格存储到MaxCompute的同步任务，具体步骤如下：

在数据集成节点下，双击打开新建的离线同步任务节点。
配置同步网络链接。
选择离线同步任务的数据来源、数据去向以及用于执行同步任务的资源组，并测试连通性。
重要
数据同步任务的执行必须经过资源组来实现，请选择资源组并保证资源组与读写两端的数据源能联通访问。
1. 在网络与资源配置步骤，选择数据来源为Tablestore，并选择数据源名称为步骤一：新增表格存储数据源中新增的源数据源。
2. 选择资源组。
  选择资源组后，系统会显示资源组的地域、规格等信息以及自动测试资源组与所选数据源之间连通性。
  重要
  请与新增数据源时选择的资源组保持一致。
3. 选择数据去向为MaxCompute(ODPS)，并选择数据源名称为步骤二：新增MaxCompute数据源中新增的目的数据源。
  系统会自动测试资源组与所选数据源之间连通性。
4. 测试可连通后，单击下一步。

配置任务。

您可以通过向导模式或者脚本模式配置任务，请根据实际需要选择。

（推荐）向导模式

在配置任务步骤的配置数据来源与去向区域，根据实际配置数据来源和数据去向。

数据来源配置

参数	说明
表	表格存储中的数据表名称。
主键区间分布（起始）	数据读取的起始主键和结束主键，格式为JSON数组。起始主键和结束主键需要是有效的主键或者是由INF_MIN和INF_MAX类型组成的虚拟点，虚拟点的列数必须与主键相同。其中INF_MIN表示无限小，任何类型的值都比它大；INF_MAX表示无限大，任何类型的值都比它小。数据表中的行按主键从小到大排序，读取范围是一个左闭右开的区间，返回的是大于等于起始主键且小于结束主键的所有的行。假设表包含pk1（String类型）和pk2（Integer类型）两个主键列。如果需要导出全表数据，则配置示例如下：主键区间分布（起始）的配置示例 `[ { "type": "INF_MIN" }, { "type": "INF_MIN" } ]` 主键区间分布（结束）的配置示例 `[ { "type": "INF_MAX" }, { "type": "INF_MAX" } ]` 如果需要导出`pk1="tablestore"` 的行，则配置示例如下：主键区间分布（起始）的配置示例 `[ { "type": "STRING", "value": "tablestore" }, { "type": "INF_MIN" } ]` 主键区间分布（结束）的配置示例 `[ { "type": "STRING", "value": "tablestore" }, { "type": "INF_MAX" } ]`
主键区间分布（结束）
切分配置信息	自定义切分配置信息，普通情况下不建议配置。当Tablestore数据存储发生热点，且使用Tablestore Reader自动切分的策略不能生效时，建议使用自定义的切分规则。切分指定的是在主键起始和结束区间内的切分点，仅配置切分键，无需指定全部的主键。格式为JSON数组。

数据去向配置

参数	说明
Tunnel资源组	即Tunnel Quota，默认选择“公共传输资源”，即MC的免费quota。 MaxCompute的数据传输资源选择，具体请购买与使用独享数据传输服务资源组。说明如果独享tunnel quota因欠费或到期不可用，任务在运行中将会自动切换为“公共传输资源”。
表	MaxCompute中的表名称。
分区信息	如果您每日增量数据限定在对应日期的分区中，可以使用分区做每日增量，比如配置分区pt值为${bizdate}
写入模式	数据写入表中的模式。取值范围如下：写入前保留已有数据（Insert Into）：直接向表或静态分区中插入数据。写入前清理已有数据（Insert Overwrite）：先清空表中的原有数据，再向表或静态分区中插入数据。
空字符串转为Null写入	如果源头数据为空字符串，在向目标MaxCompute列写入时是否转为Null值写入。
同步完成才可见	单击高级配置后才会显示该参数。同步到MaxCompute中的数据是否在同步完成后才能被查询到。

在字段映射区域，分别单击来源字段和目标字段后的图标，手动编辑来源字段和目标字段。
重要
请确保来源字段和目标字段的数量和类型相匹配。
来源字段中的字段需要以JSON格式表示，例如{"name":"id","type":"STRING"}。目标字段中的字段直接填写字段名称即可。一行表示一个字段，字段映射按照同行映射执行。
在通道控制区域，配置任务运行参数，例如任务期望最大并发数、同步速率、脏数据同步策略、分布式处理能力等。关于参数配置的更多信息，请参见配置通道。
单击图标，保存配置。
说明
执行后续操作时，如果未保存配置，则系统会出现保存确认的提示，单击确认即可。

脚本模式

全量数据的同步需要使用到Tablestore（OTS） Reader和MaxCompute Writer插件。脚本配置规则请参见Tablestore数据源和MaxCompute数据源。

重要

任务转为脚本模式后，将无法转为向导模式，请谨慎操作。

在配置任务步骤，单击图标，然后在弹出的对话框中单击确认。

在脚本配置页面，请根据如下示例完成配置。

重要

由于全量导出一般是一次性的，所以无需配置自动调度参数。如果需要配置调度参数，请参见同步增量数据到MaxCompute中的调度参数配置。
如果在脚本配置中存在变量，例如存在${date}，则需要在运行同步任务时设置变量的具体值。
为了便于理解，在配置示例中增加了注释内容，实际使用脚本时请删除所有注释内容。

{
    "type": "job",
    "version": "2.0",
    "steps": [
        {
            "stepType": "ots", #插件名称，不能修改。
            "parameter": {
                "datasource": "",  #表格存储数据源名称，请根据实际填写。
                "column": [ #需要导出的表格存储列名。
                    {
                        "name": "column1"
                    },
                    {
                        "name": "column2"
                    },
                    {
                        "name": "column3"
                    },
                    {
                        "name": "column4"
                    },
                    {
                        "name": "column5"
                    }
                ],
                "range": {
                    "split": [ #用于配置Tablestore的数据表的分区信息，可以加速导出。一般情况下无需配置。
                        {
                            "type": "INF_MIN"
                        },
                        {
                            "type": "STRING",
                            "value": "splitPoint1"
                        },
                        {
                            "type": "STRING",
                            "value": "splitPoint2"
                        },
                        {
                            "type": "STRING",
                            "value": "splitPoint3"
                        },
                        {
                            "type": "INF_MAX"
                        }
                    ],
                    "end": [ 
                        {
                            "type": "INF_MAX" #Tablestore中第一列主键的结束位置。如果需要导出全量数据，此处请配置为INF_MAX；如果只需导出部分数据，则按需配置。当数据表存在多个主键列时，此处end中需要配置对应主键列信息。
                        },
                        {
                            "type": "INF_MAX"
                        },
                        {
                            "type": "STRING",
                            "value": "end1"
                        },
                        {
                            "type": "INT",
                            "value": "100"
                        }
                    ],
                    "begin": [ 
                        {
                            "type": "INF_MIN" #Tablestore中第一列主键的起始位置。如果需要导出全量数据，此处请配置为INF_MIN；如果只需导出部分数据，则按需配置。当数据表存在多个主键列时，此处begin中需要配置对应主键列信息。
                        },
                        {
                            "type": "INF_MIN"
                        },
                        {
                            "type": "STRING",
                            "value": "begin1"
                        },
                        {
                            "type": "INT",
                            "value": "0"
                        }
                    ]
                },
                "table": "" #Tablestore中的数据表名称。
            },
            "name": "Reader",
            "category": "reader"
        },
        {
            "stepType": "odps", #插件名称，不能修改。
            "parameter": {
                "partition": "", #如果表为分区表，则必填。如果表为非分区表，则不能填写。需要写入数据表的分区信息，必须指定到最后一级分区。
                "truncate": true, #是否清空之前的数据。
                "datasource": "", #MaxCompute数据源名称，请根据实际填写。
                "column": [ #MaxCompute中的列名，列名顺序必须对应TableStore中的列名顺序。
                    "*"
                ],
                "table": "" #MaxCompute中的表名，请提前创建完成，否则任务执行会失败。
            },
            "name": "Writer",
            "category": "writer"
        },
        {
            "name": "Processor",
            "stepType": null,
            "category": "processor",
            "parameter": {}
        }
    ],
    "setting": {
        "executeMode": null,
        "errorLimit": {
            "record": "0" #当错误个数超过record个数时，导入任务会失败。
        },
        "speed": {
            "throttle":true, #当throttle值为false时，mbps参数不生效，表示不限流；当throttle值为true时,表示限流。
            "concurrent":1 #作业并发数。
            "mbps":"12" #限流。
        }
    },
    "order": {
        "hops": [
            {
                "from": "Reader",
                "to": "Writer"
            }
        ]
    }
}

您可以通过begin和end来配置导出的数据范围，假设表包含pk1（String类型）和pk2（Integer类型）两个主键列。

如果需要导出全表数据，则配置示例如下：

"begin": [ # 需要导出数据的起始位置。
  {
    "type": "INF_MIN"
  },
  {
    "type": "INF_MIN"
  }
],
"end": [  # 需要导出数据的结束位置。
  {
    "type": "INF_MAX"
  },
  {
    "type": "INF_MAX"
  }
],

如果需要导出pk1="tablestore" 的行，则配置示例如下：

"begin": [ # 导出数据的起始位置。
  {
    "type": "STRING",
    "value": "tablestore"
  },
  {
    "type": "INF_MIN"
  }
],
"end": [  # 导出数据的结束位置。
  {
    "type": "STRING",
    "value": "tablestore"
  },
  {
    "type": "INF_MAX"
  }
],

单击图标，保存配置。
说明
执行后续操作时，如果未保存脚本，则系统会出现保存确认的提示，单击确认即可。

执行同步任务。
重要
全量数据一般只需要同步一次，无需配置调度属性。
1. 单击图标。
2. 在参数对话框，选择运行资源组的名称。
3. 单击运行。
  运行结束后，在同步任务的运行日志页签，单击Detail log url对应的链接后。在任务的详细运行日志页面，查看Current task status对应的状态。
  当Current task status的值为FINISH时，表示任务运行完成。

步骤五：查看导入到MaxCompute中的数据

您可使用开发ODPS SQL任务或创建临时查询功能，通过表操作查询MaxCompute表的数据。

导出全量数据到MaxCompute