HDFS输出组件用于向HDFS数据源写入数据。同步其他数据源的数据至HDFS数据源的场景中,完成源数据的信息配置后,需要配置HDFS输出组件的目标数据源。本文为您介绍如何配置HDFS输出组件。
前提条件
操作步骤
请参见离线管道组件开发入口,进入离线单条管道脚本的开发页面。
按照下图操作指引,进入HDFS输出配置对话框。
在HDFS输出配置对话框,配置参数。
参数
描述
步骤名称
即HDFS输出组件的名称。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:
只能包含汉字、字母、下划线(_)、数字。
不能超过64个字符。
数据源
选择HDFS类型的数据源。
如果您还没有HDFS类型的数据源,单击新建,创建数据源。具体操作,请参见创建HDFS数据源。
文件路径
填写读取文件的路径。您可以在FTP或者HDFS的服务器上获取文件路径。
文件类型
选择将数据转换成存储的文件类型。文件类型包括Text、ORC和Parquet。
文件编码
选择文件编码。文件编码包括UTF-8和GBK。
加载策略
向目标数据源(HDFS数据源)写入数据时,数据写入表中的策略。加载策略包括覆盖数据和追加数据,适用场景说明如下:
覆盖数据:覆盖数据策略下,先删除目标目录下的文件,再新增数据文件。
追加数据:追加数据策略下,直接向目标目录新增数据文件。
行分隔符
文件类型为Text可配置字段之间行分隔符。非必填项。如果您没有填写,则系统自动添加\n作为分隔符。
字段分隔符
文件类型为Text可配置字段之间分隔符。非必填项。如果您没有填写,则系统自动添加英文逗号(,)作为分隔符。
标记完成文件
配置完成文件的路径和格式。有任务级和文件级两种标记完成方式。
任务级:如/ftpuser/test/SUCCESS,任务完成后只会生成一个SUCCESS空文件。
文件级:使用号*作为数据文件名占位符,如/ftpuser/test/.flg,将会为每一个数据文件生成一个同名的flg空文件。
合并策略
选择输出数据的线程:
合并:则所有数据会合并成一个文件,采用单线程输出,大文件输出速度会受影响。
重要合并不支持追加数据。
不合并:采用多线程输出,会生成多个文件。
导出压缩文件
支持是否将文件以压缩文件格式导入目标库,可选择不压缩,直接以所选文件类型导出、gzip压缩格式、zip压缩格式。
导出列头
选择是否导出列头:
导出:会在每一个文件中的第一行输出字段名。
不导出:则文件的第一行为数据。
输入字段
展示从输入表中读取的字段。
输出字段
展示目标表的字段。同时您也可以通过批量添加和新建输出字段的方式手动添加输出字段。
映射关系
映射关系用于将源表的输入字段和目标表的输出字段映射起来。映射关系包括同名映射和同行映射。适用场景说明如下:
同名映射:对字段名称相同的字段进行映射。
同行映射:源表和目标表的字段名称不一致,但字段对应行的数据需要映射。只映射同行的字段。
单击确认,完成HDFS输出组件的配置。
- 本页导读 (0)