配置HDFS输入组件

前提条件

• 已创建HDFS数据源，如何创建，请参见创建HDFS数据源。

• 进行HDFS输入组件属性配置的账号，需具备该数据源的同步读权限。如果没有权限，则需要申请数据源权限，详情请参见申请数据源权限。

操作步骤

1. 在Dataphin首页顶部菜单栏，选择研发 > 数据集成。

2. 在集成页面顶部菜单栏选择项目（Dev-Prod模式需要选择环境）。

3. 在左侧导航栏中单击离线集成，在离线集成列表中单击需要开发的离线管道，打开该离线管道的配置页面。

4. 单击页面右上角的组件库，打开组件库面板。

5. 在组件库面板左侧导航栏中需选择输入，在右侧的输入组件列表中找到HDFS组件，并拖动该组件至画布。

6. 单击HDFS输入组件卡片中的图标，打开HDFS输入配置对话框。

7. 在HDFS输入配置对话框，配置参数。

   参数	描述
   步骤名称	即HDFS输入组件的名称。Dataphin自动生成步骤名称，您也可以根据业务场景修改。命名规则如下： 只能包含中文、字母、下划线（_）、数字。 长度不超过64个字符。
   数据源	在数据源下拉列表中，展示当前Dataphin中所有HDFS类型的数据源，包括您已拥有同步读权限的数据源和没有同步读权限的数据源。 单击图标，可复制当前数据源名称。 对于没有同步读权限的数据源，您可以单击数据源后的申请，申请数据源的同步读权限。具体操作，请参见申请数据源权限。 如果您还没有HDFS类型的数据源，单击新建数据源，创建数据源。具体操作，请参见创建HDFS数据源。
   文件路径	填写文件所在路径。因数据源已经配置NameNode，无需填写hdfs://<namenode>:<port>前缀，只需填写绝对路径。例如，/hadoop/input/file.txt。系统访问的实际路径为：hdfs://<数据源已经配置的NameNode>:<数据源已经配置的IPC Port><填写的文件路径>。
   文件类型	选择文件类型。 系统支持的文件类型包括Text、ORC、RC、Sequence、CSV、Parquet。
   文件不存在时	当读取的文件不存在时，支持忽略或置任务失败。 忽略：当读取的文件不存在时，忽略该文件，并继续读取其他文件。 置任务失败：当读取的文件不存在时，终止该任务并置失败。
   文件为空时	当读取的文件为空时，支持忽略或置任务失败。 忽略：当读取的文件为空时，忽略该文件，并继续读取其他文件。 置任务失败：当读取的文件为空时，终止该任务并置失败。
   数据内容起始行	文件类型为Text或CSV时需配置该项。默认为1，从第一行开始为数据内容。若需忽略前N行，您可将数据内容起始行设置为N+1。
   文件编码（非必填）	选择文件编码。系统支持的文件编码包括UTF-8和GBK。
   字段分隔符（非必填）	文件类型为Text或CSV时需配置该项。请根据实际存储情况，填写文件内，内容字段之间的分隔符，如果不填写默认为（,）英文逗号。
   压缩格式（非必填）	选择文件的压缩格式。系统支持的压缩格式包括： zip gzip bzip2
   输出字段	为您展示输出字段。 您可以手动添加输出字段： 单击批量添加，支持JSON、TEXT格式批量配置。 以JSON格式批量配置，例如： [{ "index": 0, "type": "double", "name": "HDFS1" }, 说明 index表示引入的字段索引，type表示引入后的字段类型。 name表示字段名。 以TEXT格式批量配置，例如： 0,HDFS1,Double 1,HDFS2,String 行分隔符用于分隔每个字段的信息，默认为换行符（\n），可支持换行符（\n）、分号（;）、点（.）。 列分隔符用于分隔字段名与字段类型，默认英文逗号（,）。 单击新建输出字段，根据页面提示填写字段及选择类型。 同时您也可以对已添加的字段执行如下操作： 单击操作列下的图标，编辑已有的字段。 单击操作列下的图标，删除已有的字段。

8. 单击确认，完成HDFS输入组件的属性配置。