本文介绍了基于LHM调度迁移工具将DolphinScheduler调度任务流迁移到DataWorks的方案与操作流程，包括三步，DolphinScheduler任务导出、调度任务转换、DataWorks任务导入。
一、导出DolphinScheduler调度任务流
导出工具通过调用DolphinScheduler的API获取项目空间信息、工作流定义、数据源定义、资源文件等信息，支持DolphinScheduler 1.x、2.x、3.x全版本，操作流程如下。
1 前置条件
准备JDK17运行环境，打通运行环境和DolphinScheduler的网络连接，下载调度迁移工具到本地并解压缩。
网络连接测试方法：验证DolphinScheduler的ListProject API能否成功返回信息，且返回的列表中包含待迁移的项目；token的获取方式见下一小节。
# DolphinScheduler 1.x
curl -H "token:<YourToken>" -X GET http://<YourIp>:12345/dolphinscheduler/projects/query-project-list
# DolphinScheduler 2.x
curl -H "token:<YourToken>" -X GET http://<YourIp>:12345/dolphinscheduler/projects/list
# DolphinScheduler 3.x
curl -H "token:<YourToken>" -X GET http://<YourIp>:12345/dolphinscheduler/projects/list2 配置连接信息
在工程目录的conf文件夹下创建导出配置文件（JSON格式），如read.JSON。
使用前请删除JSON中的注释。
{
"schedule_datasource": {
"name": "YourDolphin", // 给你的Dolphin数据源起个名称！
"type": "DolphinScheduler", // 数据源类型（DolphinScheduler）
"properties": {
"endpoint": "http://localhost:12345", // 连接地址
"project": "综合测试Test", // 项目空间名称
"token": "***********************" // Token
},
"operaterType": "AUTO" // 连接类型（AUTO：通过API自动获取调度信息）
},
"conf": {
}
}2.1 Endpoint获取方式
连接地址为API连接地址，通常与前端页面所在地址一致，如下图中“http://120.55.X.XXX:12345”。
若DolphinScheduler地址为“http://your-company:12345/dolphinscheduler/ui/home”，则endpoint为“http://your-company:12345”。
DolphinScheduler作为一种开源调度引擎，其API模块也可能存在二开，如遇到调用失败的问题，可以找到其Swagger页面佐以简单的测试对API特性进行确认。
2.2 Token获取方式
在安全中心-令牌管理页面，创建令牌并设置充足的失效时间。
注意，用户的token需要具有对待迁移项目的权限。
2.3 Project获取方式
打开项目管理页面，复制待迁移的项目名称填写至Project中。
3 运行调度探查工具
调度探查工具一次运行将产生两个文件，分别存储以下内容：
DolphinScheduler API输出的原始信息（简称ApiOutput包）。
探查工具解析包，是对原始信息的数据结构标准化（简称ReaderOuput包）。
ReaderOutput是调度导出的最终结果；ApiOutput是中间结果，仅用于导出过程中的问题排查。
探查工具通过命令行调用，调用命令如下：
sh ./bin/run.sh read \
-c ./conf/<你的配置文件>.JSON \
-f ./data/0_OriginalPackage/<API原始信息的保存包>.zip \
-o ./data/1_ReaderOutput/<源端探查导出包>.zip \
-t <PluginName>其中-c为配置文件路径，-f为ApiOutput包存储路径，-o为ReaderOutput包存储路径，-t为探查插件名称。
DolphinScheduler 1.x、2.x、3.x的导出插件分别为dolphinv1-reader、dolphinv2-reader、dolphinv3-reader。
例如，当前需要导出Dolphin Scheduler 3.2.0的项目A：
sh ./bin/run.sh read \
-c ./conf/projectA_read.JSON \
-f ./data/0_OriginalPackage/projectA_ApiOutput.zip \
-o ./data/1_ReaderOutput/projectA_ReaderOutput.zip \
-t dolphinv3-reader4 查看导出结果
打开./data/1_ReaderOutput/下的生成包ReaderOutput.zip，可预览导出结果。
其中，统计报表是对DolphinScheduler中任务流、节点、资源、函数、数据源基本信息的汇总展示。
而data/project文件夹下是对DolphinScheduler调度信息数据结构标准化后的结果。
统计报表:
sheet1“概览”中展示Reader导出结果的汇总信息，取名为“WORKFLOW”、“WORKFLOWNODE”等的sheet中是具体的工作流、节点、资源、函数、数据源信息。
统计报表提供了两项特殊能力：
1、报表中工作流、节点的部分属性被允许更改，允许更改的字段以蓝色字体标识。在下一阶段调度转换中，在初始化阶段，工具将获取表格中的属性变更并使其生效。
2、报表允许通过删除工作流子表中的行，使得在转换时跳过这些工作流（工作流黑名单）。注意！若工作流存在相互依赖关系，相关联的工作流需要同批次转换，不可通过黑名单进行分割。分割会产生异常！
5 Q&A
5.1 （批量探查）能否一次探查多个项目？
支持，在配置项中project中支持一次填写多个项目名，以单个英文逗号分隔，不可加入空格（这是由于DolphinScheduler的项目名称中可以带空格，因此我们将空格作为名称的一部分进行匹配）。
使用前请删除JSON中的注释。
{
"schedule_datasource": {
"name": "YourDolphin", // 给你的Dolphin数据源起个名称！
"type": "DolphinScheduler", // 数据源类型（DolphinScheduler）
"properties": {
"endpoint": "http://localhost:12345", // 连接地址
"project": "项目1,项目2", // 项目空间名称
"token": "***********************" // Token
},
"operaterType": "AUTO" // 连接类型（AUTO：通过API自动获取调度信息）
},
"conf": {
}
}运行命令中-f和-o入参须填写一个文件夹路径，工具将自动为每个项目分别创建导出包。
sh ./bin/run.sh read \
-c ./conf/<你的配置文件>.JSON \
-f ./data/0_OriginalPackage/ \
-o ./data/1_ReaderOutput/ \
-t <dolphinv1/2/3-reader>5.2 （手动模式）没有API怎么办？
部分开发者拿掉了DolphinScheduler的API模块，以API的连接方式无法获取调度信息。备用方案是手动在./data/0_OriginalPackage/下构造原始信息包，并在配置项中将operaterType修改为MANUAL。工具将以手动构造的原始包为输入，完成DolphinScheduler的探查。
使用前请删除JSON中的注释。
{
"schedule_datasource": {
"name": "YourDolphin", // 给你的Dolphin数据源起个名称！
"type": "DolphinScheduler", // 数据源类型（DolphinScheduler）
"properties": {
"endpoint": "http://localhost:12345", // 连接地址
"project": "综合测试Test", // 项目空间名称
"token": "***********************" // Token
},
"operaterType": "MANUAL" // 连接类型（MANUAL：离线模式）
},
"conf": {
}
}原始包结构示例：
.
├── package_info.JSON
├── projects.JSON
├── projects
│ └── 综合测试Test
│ └── processDefinition
│ └── process_definitions_page_1.JSON
├── datasource
│ └── datasource_page_1.JSON
├── resource
│ └── resources.JSON
└── udfFunction
└── udf_function_page_1.JSONpackage_info.JSON是包信息，其中记录了DolphinScheduler版本。
{
"version": "3.2.0"
}projects.JSON是项目信息，手动构造时重点填写id、userId、code和name。
[
{
"id": 2,
"userId": 1,
"code": 16372996967936,
"name": "综合测试Test",
"description": "",
"createTime": "2025-01-20 11:40:39",
"updateTime": "2025-01-20 11:40:39",
"perm": 0,
"defCount": 0,
"instRunningCount": 0
}
]projects文件夹存储了工作流定义。在手动构造时，其下一级目录需修改为项目名称。然后在DolphinScheduler的界面上导出工作流定义，依次重命名为process_definitions_page_*.JSON，并放置于processDefinition下。
datasource、resource、udfFunction分别是数据源信息、资源文件信息、UDF信息，由于DolphinScheduler界面上缺少导出能力，这些元素可缺省。datasource_page_1.JSON、resources.JSON、udf_function_page_1.JSON中填写空串[]即可。上述元素的缺省对任务流迁移的细节有少量影响，影响涉及Sql节点关联数据源的映射、DataX节点（非自定义模板模式）关联数据源的映射、节点与资源引用关系的迁移等。受影响的节点在DataWorks中会被正常创建，只是节点与数据源、资源的绑定需要在DataWorks中手动配置。
5.3 Token有效，但导出任务流部分丢失怎么办？
首先检查Token是否对项目具有权限。
此外，我们发现DolphinScheduler 1.x部分小版本的API存在导出丢失的情况。可结合导出结果中的统计报表对丢失的任务流进行梳理与补全。
二、DolphinScheduler->DataWorks任务流转换
Dolphin Scheduler作为一种主流开源的调度迁移引擎深受海量用户喜爱，DataWorks完全覆盖了Dolphin Scheduler的调度能力。经迁移工具改造，任务流可实现与Dolphin Scheduler上相同的运行效果。
1 前置条件
探查工具运行完成，DolphinScheduler调度信息被成功导出，ReaderOutput.zip被成功生成。
（可选，推荐）打开探查导出包，查看统计报表，核对待迁移范围是否被导出完全。
2 转换配置项
2.1 转换配置项模板
使用前请删除JSON中的注释。
{
"conf": {},
"self": {
"if.use.default.convert": false,
"if.use.migrationx.before": false,
"if.use.dataworks.newidea": true,
"owner.map": [ // 责任人映射
{
"src": "1", // DolphinScheduler用户ID
"tgt": "202006995118212119" // DataWorks用户ID
}
],
"conf": [
{
"nodes": "all", // 规则组生效范围
"rule": {
"settings": {
// DolphinScheduler Shell节点转换为DataWorks Shell节点
"workflow.converter.shellNodeType": "DIDE_SHELL",
// 未知节点默认转换至DataWorks虚拟节点
"workflow.converter.target.unknownNodeTypeAs": "VIRTUAL",
// DolphinScheduer SQL节点根据数据源类型转换为对应DataWorks SQL节点或数据库节点
"workflow.converter.dolphinscheduler.sqlNodeTypeMapping": {
"CLICKHOUSE": "CLICK_SQL",
"HIVE": "ODPS_SQL",
"STARROCKS": "StarRocks",
"DORIS": "HOLOGRES_SQL",
"MYSQL": "MYSQL",
"REDSHIFT": "Redshift",
"SQLSERVER": "SQLSERVER",
"PRESTO": "EMR_PRESTO",
"POSTGRESQL": "POSTGRESQL",
"ORACLE": "Oracle",
"ATHENA": "MYSQL"
},
// DolphinScheduler数据源、DataWorks数据源名称映射
"workflow.converter.connection.mapping": {
"mysqlDb1": "dataworks_mysqlDb1",
"srDb1": "dataworks_srDb1"
},
// Dataworks上绑定的主要计算引擎（EMR/MaxCompute/Hologres）
"workflow.converter.target.engine.type": "EMR",
// DolphinScheduler Spark节点转换为DataWorks MaxCompute Spark节点
"workflow.converter.sparkSubmitAs": "ODPS_SPARK",
"workflow.converter.sparkVersion": "3.x",
}
}
}
]
},
"schedule_datasource": {
"name": "DsProject",
"type": "DolphinScheduler"
},
"target_schedule_datasource": {}
}2.2 责任人映射
DolphinScheduler会记录任务流的所属用户，对于团队开发而言，所属用户是非常关键的信息。工具支持通过配置DolphinScheduler用户与DataWorks用户的映射，对任务流和节点标记相应的责任人。
DolphinScheduler用户名称与ID通过用户管理页面获取。
DataWorks工作空间中可以添加用户作为工作空间的成员，用户ID可以在右上角获取。
也可以在数据开发页面，责任人下拉框中获取ID。
2.3 节点转换规则
2.3.1 规则的生效范围
节点转换规则的配置规则可设置生效范围，如所有节点按统一规则转换，可以配置"nodes": "all"并填写Settings。通常，用户只需要配置一个all规则组即可。
使用前请删除JSON中的注释。
{
"conf": {},
"self": {
"conf": [
{
"nodes": "all", // 规则组生效范围为ALL，所有节点依据此规则转换
"rule": {
"settings": {
// Settings
}
}
]
}
}如部分节点使用独立的转换规则，可以在nodes中填写任务ID/Name以指定规则的生效范围，需为一批节点设置时可使用逗号分隔填写生效范围。建议使用ID指定，使用Name指定可能导致误设置。此处也支持使用正则表达式匹配节点名称。此外，强烈建议设置一个normal规则组，为其余节点设置一个默认转换规则。
使用前请删除JSON中的注释。
{
"conf": {},
"self": {
"conf": [
{
"nodes": "node1Name, node2Id", // 规则组生效范围为node1、node2
"rule": {
"settings": {
// Settings 1
}
},
{
"nodes": "node3Name, node4Id", // 规则组生效范围为node3、node4
"rule": {
"settings": {
// Settings 2
}
},
{
"nodes": "regexExpression", // 支持用正则表达式对节点名称进行筛选
"rule": {
"settings": {
// Settings 3
}
},
{
"nodes": "normal", // 其余节点的转换规则
"rule": {
"settings": {
// Settings 4
}
}
]
}
}2.3.2 转换规则
DolphinScheduler 1.x、2.x、3.x在支持的节点种类上有所差异，因此转换方案与配置项所有不同，具体如下。
2.3.2.1 DolphinScheduler3.x转换配置项
工具当前支持转换的DolphinScheduler 3.x节点包括以下类型：
SHELL、SQL、PYTHON、DATAX、SQOOP、SEATUNNEL、HIVECLI、SPARK(Java, Python, Sql)、MR、PROCEDURE、HTTP、CONDITIONS、SWITCH、DEPENDENT、SUB_PROCESS
其中可配置DataWorks映射规则的包括以下类型：
SHELL（workflow.converter.shellNodeType）:
推荐转换为DIDE_SHELL, EMR_SHELL, VIRTUAL节点等。
SQL（workflow.converter.dolphinscheduler.sqlNodeTypeMapping）:
推荐转换为各类SQL节点、数据库节点等。
PROCEDURE（workflow.converter.dolphinscheduler.sqlNodeTypeMapping）:
推荐转换为各类SQL节点、数据库节点等。
PYTHON（workflow.converter.pyNodeType）:
推荐转换为PYTHON, PYODPS, PYODPS3, EMR_SHELL等。
HIVECLI（workflow.converter.dolphinscheduler.sqlNodeTypeMapping/HIVE）:
推荐转换为EMR_HIVE, ODPS_SQL等。
SPARK（workflow.converter.sparkSubmitAs）:
SparkJava、SparkPython推荐转换为ODPS_SPARK, EMR_SPARK；
SparkSql推荐转换为ODPS_SQL, EMR_SPARK_SQL。
MR（workflow.converter.mrNodeType）:
推荐转换为ODPS_MR, EMR_MR。
DataWorks节点类型可参考此枚举类：
固定转换规则的节点类型：
DATAX: 转换为DI节点，支持自定义模板模式（JSON Script模式）和常规模式（前端填写模式）。
支持以下数据源读插件配置项转换：MYSQL -> mysql, POSTGRESQL -> postgresql, ORACLE -> oracle, SQLSERVER -> sqlserver, ODPS -> odps, OSS -> oss, HIVE -> hdfs, HDFS -> hdfs, CLICKHOUSE -> clickhouse, MONGODB -> mongodb；
支持以下数据源写插件配置项转换：MYSQL -> mysql, POSTGRESQL -> postgresql, ORACLE -> oracle, SQLSERVER -> sqlserver, ODPS -> odps, OSS -> oss, HIVE -> hdfs, HDFS -> hdfs, CLICKHOUSE -> clickhouse, MONGODB -> mongodb。
SQOOP: 转换为DI节点。
支持以下数据源读插件配置项转换：Mysql -> mysql, Hive -> hive, HDFS -> hdfs；
支持以下数据源写插件配置项转换：Mysql -> mysql, Hive -> hive, HDFS -> hdfs。
SEATUNNEL: 转换为DI节点。
暂未支持脚本转换，仅转换节点和调度信息。
HTTP: 转换为DIDE_SHELL(通用Shell)节点，迁移工具将请求参数自动拼接为curl命令。
SWITCH: 转换为CONTROLLER_BRANCH（分支）节点，迁移前后功能一致。
SUB_PROCESS: 转换为SUB_PROCESS节点，迁移前后功能一致；注意，在导入DataWorks时，迁移工具将会将被引用的任务流的“可被引用”开关打开，被引用的任务流只能通过SUB_PROCESS的调用而启动，无法自行调度启动。
DEPENDENT: 转换为VITRTUAL节点，依赖关系转换为节点血缘依赖。如Dependent节点依赖于Workflow A时，依赖关系转换为Workflow A尾节点到Dependent节点的血缘；如Dependent节点依赖于Node A，自来关系转换为Node A到Dependent节点的血缘。见下图示意：
CONDITIONS: 节点中包含两层逻辑，使用双层CONTROLLER_JOIN（归并）节点进行分别实现。以下图中的Case为例，CONDITIONS有两个上游A和B、两个下游C和D，逻辑表达式为((!A&B)|(A&!B)|(!A&!B))，若为真则流转至C，若为假则流转至D。上层生成了3个归并节点分别用来计算!A&B、A&!B、!A&!B的结果，下层生成了2个节点，其中一个在((!A&B)|(A&!B)|(!A&!B))==true时触发下游C节点执行，另一个在(!(!A&B)&!(A&!B)&!(!A&!B))==true时触发下游D节点执行，以实现CONDITIONS的效果。
2.3.2.2 DolphinScheduler2.x转换配置项
工具当前支持转换的DolphinScheduler 2.x节点包括以下类型：
SHELL、SQL、PYTHON、DATAX、SQOOP、HIVECLI、SPARK(Java, Python, Sql)、MR、PROCEDURE、HTTP、CONDITIONS、SWITCH、DEPENDENT、SUB_PROCESS
DolphinScheduler 3.x相比2.x仅多出一种SEATUNNEL节点，其余节点的转换方案及配置项同DolphinScheduler 3.x一致，可参考上一小节进行配置。
2.3.2.3 DolphinScheduler1.x转换配置项
工具当前支持转换的DolphinScheduler 1.x节点包括以下类型：
SHELL、SQL、PYTHON、DATAX、SQOOP、SPARK(Java, Python, Sql)、MR、CONDITIONS、DEPENDENT、SUB_PROCESS
以上节点转换方案及配置项同DolphinScheduler 3.x一致，可参考上一小节进行配置。
3 运行调度转换工具
转换工具通过命令行调用，调用命令如下：
sh ./bin/run.sh convert \
-c ./conf/<你的配置文件>.JSON \
-f ./data/1_ReaderOutput/<源端探查导出包>.zip \
-o ./data/2_ConverterOutput/<转换结果输出包>.zip \
-t <PluginName>其中-c为配置文件路径；-f为ReaderOutput包存储路径；-o为ConverterOutput包存储路径；-t为转换插件名称，DolphinScheduler 1.x、2.x、3.x的转换插件分别为dolphinv1-dw-conveter、dolphinv2-dw-conveter、dolphinv3-dw-conveter。
例如，当前需要转换的DolphinScheduler 3.x项目A：
sh ./bin/run.sh convert \
-c ./conf/projectA_convert.JSON \
-f ./data/1_ReaderOutput/projectA_ReaderOutput.zip \
-o ./data/2_ConverterOutput/projectA_ConverterOutput.zip \
-t dolphinv3-dw-conveter转换工具运行中将打印过程信息，请关注运行过程中是否有报错。转换完成后将在命令行中打印转换成功与失败的统计信息。注意，部分节点的转换失败不会影响整体转换流程，如遇少量节点转换失败，可在迁移至DataWorks后进行手动修改。
4 查看转换结果
打开./data/2_ConverterOutput/下的生成包ConverterOutput.zip，可预览导出结果。
其中，统计报表是对转换结果任务流、节点、资源、函数、数据源基本信息的汇总展示。
而data/project文件夹是转换完成的调度迁移包本体。
统计报表提供了两项特殊能力：
1、报表中工作流、节点的部分属性被允许更改，允许更改的字段以蓝色字体标识。在下一阶段导入DataWorks时，工具将获取表格中的属性变更并使其生效。
2、报表允许通过删除工作流子表中的行，使得在导入DataWorks时跳过这些工作流（工作流黑名单）。注意！若工作流存在相互依赖关系，相关联的工作流需要同批次导入，不可通过黑名单进行分割。分割会产生异常！
三、导入DataWorks
LHM迁移工具异构转换已将迁移源端的调度元素转换为DataWorks调度格式，工具得以针对不同的迁移场景提供了统一的上传入口，实现任务流导入DataWorks。
导入工具支持多轮刷写，会自动选择创建/更新任务流（OverWrite模式）。
1 前置条件
1.1 转换成功
转换工具运行完成，源端调度信息被成功转换为DataWorks调度信息，ConverterOutput.zip被成功生成。
（可选，推荐）打开转换输出包，查看统计报表，核对待迁移范围是否被转换成功。
1.2 DataWorks侧配置
DataWorks侧需进行以下动作：
1、创建工作空间。
2、创建AK、SK且保证AK、SK对工作空间具有管理员权限。（强烈建议建立与账号有绑定关系的AK、SK，以便在写入遇到问题时进行排查）
3、在工作空间中建立数据源、绑定计算资源、创建资源组。
4、在工作空间中上传文件资源、创建UDF。
1.3 网络连通性检查
验证能否连通DataWorks Endpoint。
服务接入点列表：
ping dataworks.aliyuncs.com2 导入配置项
在工程目录的conf文件夹下创建导出配置文件（JSON格式），如writer.JSON。
使用前请删除JSON中的注释。
{
"schedule_datasource": {
"name": "YourDataWorks", //给你的DataWorks数据源起个名字！
"type": "DataWorks",
"properties": {
"endpoint": "dataworks.cn-hangzhou.aliyuncs.com", // 服务接入点
"project_id": "YourProjectId", // 工作空间ID
"project_name": "YourProject", // 工作空间名称
"ak": "************", // AK
"sk": "************", // SK
},
"operaterType": "MANUAL"
},
"conf": {
"di.resource.group.identifier": "Serverless_res_group_***_***", // 调度资源组
"resource.group.identifier": "Serverless_res_group_***_***", // 数据集成资源组
"dataworks.node.type.xls": "/Software/bwm-client/conf/CodeProgramType.xls", // DataWorks节点类型表的路径
"qps.limit": 5 // 向DataWorks发送API请求的QPS上限
}
}2.1 服务接入点
根据DataWorks所在Region选择服务接入点，参考文档：
2.2 工作空间ID与名称
打开DataWorks控制台，打开工作空间详情页，从右侧基本信息中获取工作空间ID与名称。
2.3 创建AK、SK并授权
在用户页创建AK、SK，要求对目标DataWorks工作空间拥有管理员读写权限。
权限管理包括两处，如果账号是RAM账号，则需先对RAM账号进行DataWorks操作授权。
权限策略页面：https://ram.console.aliyun.com/policies
然后在DataWorks工作空间中，将工作空间权限赋给账号。
注意！AccessKey可设置网络访问限制策略，请务必保证迁移工具所在机器的IP被允许访问。
2.4 资源组
由DataWorks工作空间详情页左侧菜单栏进入资源组页面，绑定资源组，并获取资源组ID。
通用资源组可用于节点调度，也可用于数据集成。配置项中调度资源组resource.group.identifier和数据集成资源组di.resource.group.identifier可以配置为同一通用资源组。
2.5 QPS设置
工具通过调用DataWorks的API进行导入操作。不同DataWorks版本中的读、写OpenAPI分别有相应的QPS限制和每日调用次数限制，详见链接：使用限制。
DataWorks基础版、标准版、专业版建议填写"qps.limit": 5，企业版建议填写"qps.limit": 20。
注意，请尽可能避免多个导入工具同时运行。
2.6 DataWorks节点类型ID设置
在DataWorks中，部分节点类型在不同Region中被分配了不同的TypeId。具体TypeID以DataWorks数据开发实际界面为准。存在此特性的节点类型以数据库节点为主：数据库节点。
如：MySQL节点在杭州Region的NodeTypeId为1000039、在深圳Region的NodeTypeId为1000041。
为适应上述DataWorks不同Region的差异特性，工具提供了一种可配置的方式，允许用户配置工具所使用的节点TypeId表。
表格通过导入工具的配置项引入：
"conf": {
"dataworks.node.type.xls": "/Software/bwm-client/conf/CodeProgramType.xls" // DataWorks节点类型表的路径
}从DataWorks数据开发界面上获取节点类型Id的方法：在界面上新建一个工作流，并在工作流中新建一个节点，在点击保存后查看工作流的Spec。
若节点类型配置错误，在任务流发布时将提示以下错误。
3 运行DataWorks导入工具
转换工具通过命令行调用，调用命令如下：
sh ./bin/run.sh write \
-c ./conf/<你的配置文件>.JSON \
-f ./data/2_ConverterOutput/<转换结果输出包>.zip \
-o ./data/4_WriterOutput/<导入结果存储包>.zip \
-t dw-newide-writer其中-c为配置文件路径，-f为ConverterOutput包存储路径，-o为WriterOutput包存储路径，-t为提交插件名称。
例如，当前需要导入DataWorks的项目A：
sh ./bin/run.sh write \
-c ./conf/projectA_write.JSON \
-f ./data/2_ConverterOutput/projectA_ConverterOutput.zip \
-o ./data/4_WriterOutput/projectA_WriterOutput.zip \
-t dw-newide-writer导入工具运行中将打印过程信息，请关注运行过程中是否有报错。导入完成后将在命令行中打印导入成功与失败的统计信息。注意，部分节点的导入失败不会影响整体导入流程，如遇少量节点导入失败，可在DataWorks中进行手动修改。
4 查看导入结果
导入完成后，可在DataWorks中查看导入结果。导入过程中亦可查看工作流逐个导入的过程，如发现问题需要终止导入，可运行jps命令找到BwmClientApp，并使用kill -9终止导入。
5 Q&A
5.1 源端持续在进行开发，这些增量与变更如何提交到DataWorks？
迁移工具为OverWrite模式，重新运行导出、转换、导入可实现将源端增量提交到DataWorks的能力。请注意，工具将根据全路径匹配任务流以选择创建任务流/更新任务流。如需进行变更迁移，请勿移动任务流。
5.2 源端持续在进行开发，同时进行DataWorks上任务流改造与治理，增量迁移时是否会覆盖DataWorks上的变更？
是的，迁移工具为OverWrite模式，建议您在完成迁移后再在DataWorks上进行后续改造。或者采用分批迁移的方式，已迁移等任务流再确认不再刷写后开始DataWorks改造，不同批次之间互相不会影响。
5.3 整个包导入耗时太长，能否只导入一部分
可以，可手动裁剪待导入包来实现部分导入：将data/project/workflow文件夹下需要导入的任务流保留、其他任务流删除，重新压缩回压缩包，再运行导入工具。注意，存在相互依赖的任务流需要捆绑导入，否则任务流间的节点血缘将会丢失。