本文为您介绍数据总线DataHub源表的DDL定义、WITH参数、类型映射、属性字段和常见问题。

什么是数据总线DataHub

阿里云流数据处理平台DataHub是流式数据（Streaming Data）的处理平台，提供对流式数据的发布（Publish）、订阅（Subscribe）和分发功能，让您可以轻松构建基于流式数据的分析和应用。

DDL定义

create table datahub_source(
  name varchar,
  age BIGINT,
  birthday BIGINT
) with (
  'connector'='datahub',
  'endPoint'='<endPoint>',
  'project'='<yourProjectName>',
  'topic'='<yourTopicName>',
  'subId'='<yourSubId>',
  'accessId'='<yourAccessId>',
  'accessKey'='<yourAccessKey>'
);

WITH参数

参数 说明 是否必填 备注
connector 源表类型 是 固定值为datahub。
endPoint 消费端点信息 是 详情请参见DataHub域名列表。
accessId AccessKey ID 是 无
accessKey AccessKey Secret 是 无
project 读取的项目 是 无
topic Project下的具体的Topic名称 是 无
subId topic的订阅ID 是 多个任务不能同时使用同一个订阅。
startTime 启动位点的时间 否 格式为yyyy-MM-dd hh:mm:ss。
retryTimeout 最大持续重试时间 否 单位为毫秒，默认值为180000毫秒（半小时）。
retryInterval 重试间隔 否 单位为毫秒，默认值为1000。
maxFetchSize 单次读取条数 否 默认值为50。
maxBufferSize 异步读取的最大缓存数据条数 否 默认值为50。
lengthCheck 单行字段条数检查策略 否
  • NONE（默认值）：
    • 解析出的字段数大于定义字段数时，按从左到右的顺序，取定义字段数量的数据。
    • 解析出的字段数小于定义字段数时，跳过该行数据。
  • SKIP：解析出的字段数和定义字段数不同时跳过该行数据。
  • EXCEPTION：解析出的字段数和定义字段数不同时提示异常。
  • PAD：按从左到右顺序填充。
    • 解析出的字段数大于定义字段数时，按从左到右的顺序，取定义字段数量的数据。
    • 解析出的字段数小于定义字段数时，按从左到右的顺序，在行尾用Null填充缺少的字段。
columnErrorDebug 是否打开调试开关。 否
  • false（默认值）：关闭调试功能。
  • true：打开调试开关，打印解析异常的日志。
说明 使用BLOB类型时，字段需要声明为VARBINARY类型，与METAQ类似。

类型映射

DataHub和Flink字段类型对应关系如下，建议使用该对应关系时进行DDL声明。

DataHub字段类型 Flink字段类型
STRING VARCHAR
TIMESTAMP BIGINT
TINYINT TINYINT
SMALLINT SMALLINT
INTEGER INTEGER
BIGINT BIGINT
FLOAT FLOAT
DOUBLE DOUBLE
BOOLEAN BOOLEAN
DECIMAL DECIMAL

属性字段

Flink SQL支持获取DataHub的属性字段。通过读取属性字段可以获得每条信息输入DataHub的系统时间（System Time）。
字段名 注释说明
TIMESTAMP 每条记录写入DataHub的系统时间（System Time）。
Shard数据抽样

代码示例

CREATE TEMPORARY table datahub_source(
  name VARCHAR
) with (
  'connector'='datahub',
  'endpoint'='<endPoint>',
  'project'='<yourProjectName>',
  'topic'='<yourTopicName>',
  'subId'='<yourSubId>',
  'accessId'='<yourAccessId>',
  'accessKey'='<yourAccessKey>',
  'startTime'='2018-06-01 00:00:00'
);

CREATE TEMPORARY table datahub_sink(
  name  VARCHAR  
) with (
  'connector'='datahub',
  'endpoint'='<endPoint>',
  'project'='<yourProjectName>',
  'topic'='<yourTopicName>',
  'accessId'='<yourAccessId>',
  'accessKey'='<yourAccessKey>'
);

INSERT INTO datahub_sink
SELECT 
  LOWER(name)
from datahub_source;

常见问题

  • Q：分裂或者缩容DataHub Topic后导致Flink作业失败，如何恢复？

    A：如果分裂或者缩容了Flink正在读取的某个Topic，则会导致任务持续出错，无法自行恢复。该情况下需要重新启动（停止->启动）来使任务恢复正常。

  • Q：可以删除正在消费的DataHub Topic吗？

    A：不支持删除或重建正在消费的DataHub Topic。