日志投递MaxCompute后，如何检查数据完整性

使用保留字段作为表分区列，判断数据完整性

使用保留字段__partition_time__作为表分区列，如何判断分区数据是否已完整

__partition_time__由日志的time字段计算得到，由日志的真实时间按照时间格式字符串向下取整得出。其中，日志真实时间既不是投递数据的时间，也不是日志写入服务端时间。

举例：日志时间为2017-05-19 10:43:00，分区字段格式字符串配置为yyyy_MM_dd_HH_mm，每1小时投递一次。那么无论该日志是什么时刻写入服务端，这条日志会存入MaxCompute的2017_05_19_10_00分区，计算细节参考投递日志到MaxCompute（旧版）。

如果不考虑写入了历史数据等问题，在日志实时写入的情况下，有以下两种方法判断分区数据是否已完整：

• 通过API、SDK或控制台判断（推荐）

  使用API、SDK或者控制台获取指定Project/Logstore投递任务列表。例如API返回任务列表如下。控制台会对该返回结果进行可视化展示。

  {
    "count" : 10,
    "total" : 20,
    "statistics" : {
        "running" : 0,
        "success" : 20,
        "fail" : 0 
    }
    "tasks" : [
        ...
        {
            "id" : "abcdefghijk",
            "taskStatus" : "success",
            "taskMessage" : "",
            "taskCreateTime" : 1448925013,
            "taskLastDataReceiveTime" : 1448915013,
            "taskFinishTime" : 1448926013
        },
        {
            "id" : "xfegeagege",
            "taskStatus" : "success",
            "taskMessage" : "",
            "taskCreateTime" : 1448926813,
            "taskLastDataReceiveTime" : 1448930000,
            "taskFinishTime" : 1448936910
        }
    ]
  }

  taskLastDataReceiveTime表示日志服务接收到数据的时间，根据该参数判断时间为T以前的数据是否已经全部投递到MaxCompute表。

  • 如果taskLastDataReceiveTime < T + 300s（300秒是为了容忍数据发送服务端发生错误重试）以前的每个投递任务状态都是success，说明T时刻的数据都已经入库。

  • 如果任务列表中有ready或者running状态任务，说明数据还不完整，需要等待任务执行结束。

  • 如果任务列表中有failed状态任务，请查看原因并在解决后重试任务。您可以尝试修改投递配置，以解决投递问题。

• 通过MaxCompute分区粗略估计

  比如在MaxCompute中以半小时做一次分区，投递任务为每30分钟一次，当表中包含以下分区：

  2017_05_19_10_00
  2017_05_19_10_30

  当发现分区2017_05_19_11_00出现时，说明11:00之前分区数据已经完整。

  该方法不依赖API，判断方式简单但结果并不精确，仅用作粗略估计。

自定义日志字段作为表分区列，判断数据完整性

使用自定义日志字段作为表分区列，如何判断分区数据已完整

比如日志中有一个字段date，取值：20170518，20170519，在配置投递规则时将date列映射到表分区列。

这种情况下，需要考虑date字段与写入服务端时间差，结合使用保留字段方法，根据接收日志数据时间判断。