DataWorks数据开发（DataStudio）模块用于定义周期调度任务的开发及调度属性，与运维中心配合使用，面向各引擎（MaxCompute、Hologres、EMR等）提供可视化开发主界面，支持智能代码开发、多引擎混编工作流、规范化任务发布等能力，帮助您轻松构建离线数仓、实时数仓与即席分析系统，保证数据生产的高效稳定。

进入数据开发

  1. 登录DataWorks控制台。
  2. 选择目标区域后，在左侧导航栏单击工作空间列表。
  3. 单击目标工作空间后的数据开发，即可进入该工作空间的数据开发（DataStudio）模块。

数据开发主要功能

数据开发（DataStudio）的主要功能介绍如下。您可参考数据开发相关概念辅助理解。数据开发功能
类型描述
对象组织及管理DataWorks数据开发提供的对象组织与管理机制如下。更多详情请参见创建业务流程、任务组织与管理方式。
  • 对象组织：提供解决方案 > 业务流程两级管理模式。DataWorks基于业务流程提供目录树与可视化面板两种对象组织方式。您可通过目录树创建所需对象，或使用业务流程可视化面板拖拽组件，快速构建数据加工流，并支持通过解决方案对业务流程进行进一步的管理。
  • 对象管理：支持使用可视化方式创建及管理节点、表、资源及函数。
任务开发
  • 能力更丰富
    • 提供丰富的引擎节点，对引擎能力进行全面封装。
    • 提供通用类节点，可结合引擎节点进行复杂逻辑处理。例如，外部系统触发调度，文件对象检查、条件分支、循环执行代码、输出结果传递等复杂流程控制。
    • 提供自定义节点插件化机制，支持您扩展计算任务类型，自主接入自定义计算服务。
  • 操作更简单
    • 提供业务流程可视化开发机制，可通过拖拽组件方式快速实现多引擎任务的混合编排。
    • 提供智能化的SQL编辑器。使用SQL编辑器时，提供智能提示、SQL算子结构可视化展示、权限校验等功能。
DataWokrs支持的节点类型，详情请参见DataWorks节点合集。
任务调度
  • 触发方式：支持外部系统触发、事件触发、以及通过内部血缘解析上游触发任务调度运行。
  • 依赖类型：支持设置同周期与跨周期依赖，以及多种调度周期、不同类型任务的相互依赖。
  • 执行控制：支持设置任务是否重跑；支持通过上游任务控制下游整体调度时间；支持设置调度任务的生效日期；支持定义任务的调度类型。例如，空跑（即不执行且不阻塞下游任务调度）；冻结（不执行并阻塞下游任务调度）。
  • 幂等保障：提供任务重跑机制，支持自定义重跑条件与重跑次数。
更多调度相关说明，详情请参见时间属性配置说明、调度依赖配置指引。
任务调试提供单任务调试机制与基于业务流程的工作流调试机制。详情请参见任务调试流程。
流程管控提供规范化任务发布机制，及多种方式的流程管控机制。包括但不限于以下场景：
  • 提供任务发布前人工评审代码（代码评审），与冒烟测试，并支持阻塞发布存在问题的生产调度流程。
  • 支持结合数据治理的治理项检查、扩展程序自定义校验逻辑等方式，对任务提交及发布生产调度的操作进行自定义且自动化的流程管控。
其他
  • 开放能力：结合开放平台提供丰富的OpenAPI，并内置大量扩展点，可通过DataWorks开放平台实现DataWorks数据开发相关事件消息的订阅。
  • 权限控制：支持界面功能权限及数据访问权限控制。详情请参见空间级模块权限管控。
  • 查看操作记录：DataWorks集成阿里云操作审计（ActionTrail）产品，您可在ActionTrail中查看及检索阿里云账号最近在DataWorks上的操作行为事件日志。详情请参见查看数据开发操作记录。

数据开发界面认识

您可通过数据开发功能索引了解数据开发操作界面，以及各模块功能如何使用。

任务开发流程

DataWorks数据开发支持创建多种类型引擎的实时同步任务、离线调度任务（包括离线同步任务、离线加工任务）、手动触发式任务。其中，数据同步相关能力您可前往数据集成模块了解；实际开发调度任务时，不同引擎任务的配置要求存在差异，您需先了解不同引擎基于DataWorks开发的注意事项及相关说明，再根据待开发的任务类型开始数据开发工作。
  • 各引擎开发说明：DataWorks支持绑定各种引擎并进行引擎开发任务，不同引擎任务所需的配置存在差异，其中主要引擎任务的开发说明请参见：
  • 通用开发流程：DataWorks的工作空间分为标准模式和简单模式，不同模式工作空间下调度任务的开发流程存在一定差异，具体如下。
    标准模式工作空间开发流程标准模式工作空间开发流程
    简单模式工作空间开发流程简单模式工作空间开发流程
    • 基本流程：以标准模式为例，调度任务的开发流程包括开发、调试、调度配置、提交、发布、运维等阶段。其中，任务开发的通用开发流程，请参见通用开发流程。
    • 流程管控：任务在开发过程可结合数据开发（DataStudio）自带的代码评审、冒烟测试等功能，以及数据治理中心预设的检查项、开放平台基于扩展程序实现自定义逻辑校验等功能，保障开发任务符合规范。
      说明 不同工作空间模式涉及的流程管控操作存在差异，具体请以实际管控功能为准。

任务组织与管理方式

DataWorks数据开发的业务流程是具体代码开发、资源组织的单位，是业务的抽象实体，帮助您使用业务视角来组织数据代码开发。工作空间之间的业务流程、任务节点为独立开发，互不影响。更多关于业务流程的使用，详情请参见创建业务流程。

业务流程的呈现包括目录树及操作面板两种方式，帮助您基于业务视角组织代码，使得资源类别更明确，业务逻辑更清晰。
  • 目录树结构：提供基于任务类型的代码组织方式。
  • 业务流程面板：提供流程化的业务逻辑展现方式。
开发组织结构

附录：数据开发支持的节点合集

DataWorks的数据开发（DataStudio）模块提供了多种类型节点，同时，多种类型节点支持周期性任务调度，您可基于业务需要选择合适的节点进行相关开发操作。DataWorks支持的节点合集，详情请参见DataWorks节点合集。

附录：数据开发相关概念

  • 任务开发相关
    概念描述
    解决方案业务流程的集合。您可将一类业务流程划分为一个解决方案进行统筹管理。一个业务流程可被多个解决方案复用。进行数据开发时，其他用户可在其它解决方案中，直接编辑您解决方案中引用的业务流程，进行协同开发。
    业务流程面向某一特定业务需求的任务、表、资源、函数的集合，业务的抽象实体。该类业务流程中的任务可按计划定时触发运行。
    手动业务流程面向某一特定业务需求的任务、表、资源、函数的集合。

    手动业务流程与业务流程的区别为：手动业务流程中的任务需手动触发运行，而业务流程中的任务是按计划来定时触发运行。

    DAG英文Directed Acyclic Graph的缩写，即有向无环图。用于展示节点及其依赖关系。在数据开发（DataStudio）中，业务流程下的所有任务会展示在同一个DAG中，方便您进行任务开发及依赖关系配置。
    任务任务是DataWorks的基本执行单元。DataWorks根据任务间的依赖关系依次执行各个任务。
    节点节点用于指代DAG中的一个任务。DataWorks根据节点间的依赖关系依次运行各个节点。
  • 任务调度相关
    概念描述
    依赖关系任务间通过依赖关系定义任务的运行顺序。如果节点A运行后，节点B才能运行，我们称A是B的上游依赖，或者B依赖A。在DAG中，依赖关系用节点间的箭头表示。
    输出名用于区分本节点与其他节点的标识符。输出名全局唯一，一个节点可包含多个输出名。DataWorks通过输出名设置节点调度依赖关系。
    调度资源组部署了DataWorks调度程序的一组ECS实例，分为公共调度资源组、独享调度资源组。
    • 公共调度资源组：所有DataWorks租户共享，高峰期可能出现任务排队情况。适用于任务量少、时效性要求不高的场景。
    • 独享调度资源组：租户独享，用于任务量大、时效性要求高的场景。Shell等类型的任务必须使用独享调度资源组。
    调度参数调度参数是代码中用于调度运行时动态取值的变量。代码在重复运行时若希望获取到运行环境的一些信息，例如日期、时间等，可根据DataWorks调度系统的调度参数定义，动态为代码中的变量赋值。
    业务日期数据加工任务需对数据进行相关处理，业务日期则是该数据的产生日期。在离线计算场景中，数据加工任务的实际运行日期与数据的产生日期相比存在滞后。例如，今天计算昨天的商品交易总额，业务日期为昨天。