本文介绍如何通过向导创建OSS元数据发现任务，自动发现与云原生数据仓库AnalyticDB MySQL版湖仓版（3.0）集群相同地域下OSS的Bucket和数据文件。

背景信息

企业的业务服务所产生的一些标准化表单、日志等数据文件，会被周期性地上传到OSS。但是这些存储在OSS的文件缺少元数据管理，导致难以分析和计算。元数据发现任务具备自动映射OSS路径、自动对OSS文件分组、自动探索OSS文件字段、自动感知字段变化的能力，能够自动创建和更新数据湖元数据。

前提条件

  • 已在湖仓版（3.0）集群同一地域开通OSS服务并创建存储空间。详情请参见开通OSS服务和创建存储空间。
  • 已上传文件到OSS的Bucket中，且OSS路径格式满足如下条件。
    • OSS路径需为“<Bucket_name>/目录/.../目录/表/文件”或者“<Bucket_name>/目录/.../目录/表/分区/.../分区/文件”的格式。
    • Bucket层级下至少有一层目录。
    • OSS路径的同一表或分区中的文件类型必须一致。
    • OSS路径的同一表或分区中文件的字段类型和字段数量必须一致。

使用限制

同一个OSS路径，在一个集群中只能创建一个元数据任务。

操作步骤

  1. 登录云原生数据仓库AnalyticDB MySQL控制台。
  2. 在页面左上角，选择集群所在地域。
  3. 在左侧导航栏，单击集群列表。
  4. 在湖仓版（3.0）页签下，单击目标集群ID。
  5. 在左侧导航栏，单击数据接入 > 元数据发现。
  6. 在元数据发现页面的OSS数据源区域，单击进入向导。
  7. 在OSS数据源页签，根据页面提示进行参数配置，配置说明如下：
    配置项 参数 说明
    数据源配置 数仓模式 为“基于OSS而构建的标准数据仓库”的场景构建自动化元数据发现，识别精度高。
    说明 自由模式暂不支持。
    OSS目录位置 文件所在OSS中的存储路径，以/结尾。

    选择不同的OSS目录位置会得到不同的映射结果，详情请参见OSS路径映射到AnalyticDB MySQL的示例。

    重要 选择OSS目录位置时，请确保OSS目录位置后至少有一层目录，不能选择到文件的上一层目录。
    路径过滤规则 填写需要映射到AnalyticDB MySQL文件的存储路径。
    • 包含：填写的存储路径中所有文件都会映射到AnalyticDB MySQL。
      重要 当所选存储路径中有多个文件时，文件类型需要相同，且文件中列的类型和列的数量一致，才能进行映射。
    • 排除：填写的存储路径中所有文件不会映射到AnalyticDB MySQL。
    格式解析器 格式解析器会读取数据文件内容，从而确定文件的数据格式。默认为自动解析，即按照顺序调用所有内置解析器。
    您可以根据OSS路径中文件的格式，选择与文件格式相同的格式解析器。
    重要 选择的格式解析器类型和文件格式不一致时，会映射失败。
    配置选项（可选） 高级自定义设置项。当格式解析器选择CSV时，您可以设置如下参数：
    • 字段分隔符：指定CSV数据文件的列分隔符。
    • 引用标识：指定解析后AnalyticDB MySQL表的引用标识符。
    • 表头模式：识别CSV的表头，从而确定表的列名称。
    • 允许单个列字段：是否允许CSV数据文件的一行记录只有一列。
      • false：不允许。
      • true：允许。
    • 其他配置：通过参数配置指定是否使用CSV文件第一行作为列名。若有需求请联系技术支持。
    调度配置 调度频率 如果想要定期获取数据文件中列或数据的变更，可以通过设置调度频率，定期执行元数据发现任务。

    OSS文件数据变更，重新映射到AnalyticDB MySQL的表数据会根据目标元数据配置规则更新。

    目标元数据配置 Schema名称 设置Schema名称，映射到AnalyticDB MySQL的数据库名称（默认每个发现任务会创建一个新的Schema）。
    数据库名称填写，需要注意如下两点：
    • 不能是AnalyticDB MySQL中已有的库名。
    • 不能与其他元数据任务的库名相同。
    配置选项（可选） OSS文件字段变更或OSS文件删除时，如何更新映射到AnalyticDB MySQL的表。
    • 文件字段变更规则：仅支持只增加列，即OSS文件增加列时，再次执行元数据发现任务，映射到AnalyticDB MySQL的表也会增加列。
    • 对象删除变更规则：仅支持忽略删除更新，即OSS文件删除时，再次执行元数据发现任务，映射到AnalyticDB MySQL的表仍然存在。
    重要 您可以对映射到AnalyticDB MySQL的表进行DDL和DML操作。
    • 如果您在AnalyticDB MySQL表中新增了列，再次执行元数据发现任务，该列不会被覆盖，仍然存在。
    • 若删除了映射到AnalyticDB MySQL表的某列，再次执行元数据发现任务，被删除的列会被再次映射到AnalyticDB MySQL。
  8. 完成上述参数配置后，单击创建，开始创建元数据发现任务。
    说明 元数据发现任务创建完成后，自动在您设定的时间周期运行发现任务。如果您想立即同步数据，可以在任务列表的操作栏中单击执行。
  9. 任务开始运行后，可以在任务列表界面管理任务的运行情况，支持查看任务的运行状态、配置的修改等。
    说明 任务运行成功后，可以在作业编辑器 > SQL开发页面，查看映射到AnalyticDB MySQL的库、表、分区等。

OSS路径映射到AnalyticDB MySQL的示例

OSS路径映射到AnalyticDB MySQL的结果，与以下两个因素有关。
  • OSS文件及其所在路径。
  • 元数据发现任务中选择的OSS目录位置。
系统会根据您选择的OSS目录位置自动将OSS目录位置后的第一层目录名映射为表名，OSS目录位置后的第二层至最后一层目录名映射为分区，示例如下。
OSS路径 OSS目录位置 映射到AnalyticDB MySQL的表
oss://adb/Table1/file1.csv

oss://adb/Table1/file2.json

 oss://adb/ 不能映射表。
原因：Table1目录下的文件类型为CSV和JSON，文件类型不一致，故而不能映射表。
重要 如果文件类型相同，但文件中字段的数据类型不一致，也不能进行映射。
oss://adb/Table2/year/month/day/file3.json

oss://adb/Table2/year/month/day/file4.json

 oss://adb/ 映射到AnalyticDB MySQL的表为分区表，表名为Table2，分区字段为partition_0、partition_1和partition_2。
说明 由于没有分区键，这里使用partition_num来补充。
oss://adb/Table2/ 映射到AnalyticDB MySQL的表为分区表，表名为year，分区字段为partition_0和partition_1。
oss://adb/Table2/year/month/ 映射到AnalyticDB MySQL的表为非分区表，表名为day。
oss://adb/Table2/year/month/day/ 不能映射表。

原因：选择的OSS目录位置后无其他层目录。

oss://adb/Table3/year=2022/month=03/day=01/file5.csv

oss://adb/Table3/year=2022/month=03/day=01/file6.csv

 oss://adb/ 映射到AnalyticDB MySQL的表为分区表，表名为Table3，分区字段为year、month和day。
  • oss://adb/Table3/
  • oss://adb/Table3/year=2022/
 不能映射表。

原因：year=2022或month=03不符合AnalyticDB MySQL表的命名规则。表命名规则的详细信息，请参见使用限制。

oss://adb/Table4/2020/03/30/file7.csv

oss://adb/Table3/2020/03/30/file8.csv

 oss://adb/ 映射到AnalyticDB MySQL的表为分区表，表名为Table4，分区字段为partition_0、partition_1和partition_2。
说明 由于没有分区键，这里使用partition_num来补充。
  • oss://adb/Table3/
  • oss://adb/Table3/2020/
 不能映射表。

原因：2020或03不符合adb表的命名规则。表命名规则的详细信息，请参见使用限制。