StarRocks Reader插件用于从StarRocks数据库读取数据。本文为您介绍StarRocks Reader支持的数据类型、字段映射和数据源等参数及配置示例。

使用限制

支持EMR-StarRocks 2.1版本。详情请参见:StarRocks概述

实现原理

StarRocks Reader通过JDBC连接器连接至远程的StarRocks数据库,根据您配置的信息生成查询语句,并发送至远程StarRocks数据库。然后使用数据集成自定义的数据类型,将该SQL执行返回结果拼装为抽象的数据集,并传递给下游Writer处理。

支持的数据类型

StarRocks Reader支持大部分StarRocks类型,包括数值类型、字符串类型、日期类型。

参数说明

参数 描述 是否必选 默认值
datasource StarRocks数据源名称。
selectedDatabase StarRocks数据库名称。 StarRocks数据源内配置的数据库名称。
column 所配置的表中需要同步的列名集合。
where 筛选条件,在实际业务场景中,往往会选择当天的数据进行同步,将where条件指定为gmt_create>$bizdate
  • where条件可以有效地进行业务增量同步。
  • where语句,包括不提供where的key或value,数据同步均视作同步全量数据。
table 选取的需要同步的表名称。
splitPk StarRocks Reader进行数据抽取时,如果指定splitPk,表示您希望使用splitPk代表的字段进行数据分片,数据同步因此会启动并发任务进行数据同步,提高数据同步的效能。推荐splitPk用户使用表主键,因为表主键通常情况下比较均匀,因此切分出来的分片也不容易出现数据热点。

向导开发介绍

  1. 选择数据源。
    配置同步任务的数据来源数据去向数据源
    参数 描述
    数据源 即上述脚本模式参数说明中的datasource,通常输入您配置的数据源名称。
    数据库 即上述脚本模式参数说明中的selectedDatabase,选择要读取的数据库名称。
    即上述参数说明中的table
    数据过滤 填写where过滤语句对读取数据进行过滤,不需要填写where关键词。
    切分键 您可以将源数据表中某一列作为切分键,建议使用主键或有索引的列作为切分键,仅支持类型为整型的字段。
    读取数据时,根据配置的字段进行数据分片,实现并发读取,可以提升数据同步效率。
    说明 切分键与数据同步中的选择来源有关,配置数据来源时才显示切分键配置项。
  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。单击添加一行可以增加单个字段,鼠标放至需要删除的字段上,即可单击删除图标进行删除 。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。
    手动编辑源表字段 请手动编辑字段,一行表示一个字段,首尾空行会被采用,其他空行会被忽略。
    添加一行 单击添加一行,您可以输入以下类型的字段:
    • 可以输入常量,输入的值需要使用英文单引号,如'abc’'123’等。
    • 可以配合调度参数使用,例如${bizdate}等。
    • 可以输入关系数据库支持的函数,例如now()count(1)等。
    • 如果您输入的值无法解析,则类型显示为未识别。
  3. 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概述新增和使用独享数据集成资源组

脚本开发介绍

使用脚本开发的详情请参见通过脚本模式配置任务

脚本配置样例如下所示,具体参数填写请参见参数说明。

{
    "stepType": "starrocks",
    "parameter": {
        "selectedDatabase": "didb1",
        "datasource": "starrocks_datasource",
        "column": [
            "id",
            "name"
        ],
        "where": "id>100",
        "table": "table1",
        "splitPk": "id"
    },
    "name": "Reader",
    "category": "reader"
}