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。
table 所选取的需要同步的表。
writeMode 选择导入模式,包括insert ignorereplace
  • insert ignore:当主键或约束冲突时,忽略来源数据。
  • replace:当主键或约束冲突时,使用来源数据替换目标数据。
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": ["*"]
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delete * from table xxx;,表示同步写入数据前清理xxx表的数据。请根据自身需求进行配置。

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delete * from table xxx where xx=xx;,表示同步数据后,删除符合某条件的数据。请根据自身需求进行配置。

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。 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:
  1. 选择数据源。
    配置同步任务的数据来源数据去向选择数据源
    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。
    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。
  2. 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。字段映射
    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。
  3. 通道控制。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。
  4. 通道控制。通道配置
    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flase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"
                }
            ]
        }
    }