本文为您介绍DRDS Writer支持的数据类型、字段映射和数据源等参数及配置示例。
背景信息
DRDS Writer插件为您提供将数据写入DRDS表的功能。在底层实现上,DRDS Writer通过JDBC连接远程DRDS数据库的Proxy,执行相应的
replace into
语句,写入数据至DRDS。
说明
- 执行的SQL语句是
replace into
,为避免数据重复写入,需要您的表具备主键(Primary Key)或唯一性索引(Unique index)。 - 开始配置DRDS Writer插件前,请首先配置好数据源,详情请参见配置DRDS数据源。
- DataWorks不支持DRDS下的MySQL8.0版本。
DRDS Writer面向ETL开发工程师,从数据仓库导入数据至DRDS。同时DRDS Writer可以作为数据迁移工具,为数据库管理员等用户提供服务。
DRDS Writer通过数据同步框架获取Reader生成的协议数据,通过
replace into
(没有遇到主键/唯一性索引冲突时,与insert into
行为一致,冲突时会用新行替换原有行所有字段)语句写入数据至DRDS。DRDS Writer累积一定数据,提交给DRDS的Proxy,该Proxy内部决定数据是写入一张还是多张表,以及多张表写入时如何路由数据。
说明 整个任务至少需要具备
replace into
的权限。是否需要其它权限,取决于您配置任务时在preSql和postSql中指定的语句。
类型转换列表
DRDS Writer支持大部分DRDS类型,但也存在个别类型没有支持的情况,请注意检查您的数据类型。
DRDS Writer针对DRDS类型的转换列表,如下所示。
类型分类 | DRDS数据类型 |
---|---|
整数类 | INT、TINYINT、SMALLINT、MEDIUMINT、BIGINT和YEAR |
浮点类 | FLOAT、DOUBLE和DECIMAL |
字符串类 | VARCHAR、CHAR、TINYTEXT、TEXT、MEDIUMTEXT和LONGTEXT |
日期时间类 | DATE、DATETIME、TIMESTAMP和TIME |
布尔类 | BIT和BOOL |
二进制类 | TINYBLOB、MEDIUMBLOB、BLOB、LONGBLOB和VARBINARY |
参数说明
参数 | 描述 | 必选 | 默认值 |
---|---|---|---|
datasource | 数据源名称,脚本模式支持添加数据源,该配置项填写的内容必须与添加的数据源名称保持一致。 | 是 | 无 |
table | 所选取的需要同步的表。 | 是 | 无 |
writeMode | 选择导入模式,包括insert ignore和replace into:
|
否 | insert ignore |
column | 目标表需要写入数据的字段,字段之间用英文逗号(,)分隔,例如"column": ["id", "name", "age"]。如果要依次写入全部列,使用(*)表示,例如"column": ["*"]。 | 是 | 无 |
preSql | 执行数据同步任务之前率先执行的SQL语句。目前向导模式仅允许执行一条SQL语句,脚本模式可以支持多条SQL语句。
例如 |
否 | 无 |
postSql | 执行数据同步任务之后执行的SQL语句。目前向导模式仅允许执行一条SQL语句,脚本模式可以支持多条SQL语句。
例如 |
否 | 无 |
batchSize | 一次性批量提交的记录数大小,该值可以极大减少数据同步系统与DRDS的网络交互次数,并提升整体吞吐量。如果该值设置过大,会导致数据同步运行进程OOM异常。 | 否 | 1,024 |
向导开发介绍
打开新建的数据同步节点,即可进行同步任务的配置,详情请参见通过向导模式配置任务。
您需要在数据同步任务的编辑页面进行以下配置:
- 选择数据源。
配置同步任务的数据来源和数据去向。
参数 描述 数据源 即上述参数说明中的datasource,通常填写您配置的数据源名称。 表 即上述参数说明中的table。 导入前准备语句 即上述参数说明中的preSql,输入执行数据同步任务之前率先执行的SQL语句。 导入后完成语句 即上述参数说明中的postSql,输入执行数据同步任务之后执行的SQL语句。 主键冲突 即上述参数说明中的writeMode,可以选择需要的导入模式。 - 字段映射,即上述参数说明中的column。左侧的源头表字段和右侧的目标表字段为一一对应关系。
参数 描述 同名映射 单击同名映射,可以根据名称建立相应的映射关系,请注意匹配数据类型。 同行映射 单击同行映射,可以在同行建立相应的映射关系,请注意匹配数据类型。 取消映射 单击取消映射,可以取消建立的映射关系。 自动排版 可以根据相应的规律自动排版。 - 通道控制。
参数 描述 任务期望最大并发数 数据同步任务内,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。 - 通道控制。
参数 描述 任务期望最大并发数 数据同步任务内,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。 分布式处理能力 数据同步时,可以将任务切片分散到多台执行节点上并发执行,提高同步速率。该模式下,配置较大任务并发数会增加数据存储访问压力,如需使用该功能,请提前评估数据存储的访问负载。该功能仅支持在独享数据集成资源组配置,详情请参见独享数据集成资源组和新增和使用独享数据集成资源组。
脚本开发介绍
配置一个写入DRDS的数据同步作业,脚本开发的详情请参见通过脚本模式配置任务。
{
"type":"job",
"version":"2.0",//版本号。
"steps":[
{
"stepType":"stream",
"parameter":{},
"name":"Reader",
"category":"reader"
},
{
"stepType":"drds",//插件名。
"parameter":{
"postSql":[],//执行数据同步任务之后执行的SQL语句。
"datasource":"",//数据源。
"column":[//列名。
"id"
],
"writeMode":"insert ignore",
"batchSize":"1024",//一次性批量提交的记录数大小。
"table":"test",//表名。
"preSql":[]//执行数据同步任务之前执行的SQL语句。
},
"name":"Writer",
"category":"writer"
}
],
"setting":{
"errorLimit":{
"record":"0"//错误记录数。
},
"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"
}
]
}
}