DataWorks on EMR Serverless StarRocks最佳实践

背景信息

前提条件

• 已开通DataWorks并创建工作空间。操作详情请参见开通DataWorks服务。

• 已购买资源组并完成资源组的空间绑定、网络等配置。详情请参见资源组管理。

• 已创建EMR Serverless StarRocks实例，操作详情请参见快速使用存算一体版实例。

  说明

  创建完成StarRocks实例后，您可以通过在EMR控制台查看实例信息，并通过EMR StarRocks Manager连接实例查看数据库、表等信息。

• 已将DataWorks资源组的白名单IP地址添加至EMR Serverless StarRocks实例的白名单中。

  添加EMR Serverless StarRocks实例白名单的操作入口如下。

  

创建数据源

在DataWorks上使用EMR Serverless StarRocks时，您需要先创建StarRocks类型的数据源，对接已创建的EMR Serverless StarRocks数据库，以便后续在DataWorks的各个子模块中使用EMR Serverless StarRocks。

数据源介绍详情请参见StarRocks数据源，数据源的创建入口及配置要点如下。

1. 进入数据源页面。

   1. 登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的更多 > 管理中心，在下拉框中选择对应工作空间后单击进入管理中心。

   2. 进入工作空间管理中心页面后，单击左侧导航栏的数据源，进入数据源页面。

2. 单击新增数据源，数据源配置要点如下，其他参数可保持默认值。

   根据StarRocks实例与DataWorks资源组的网络连通情况，选择对应的方式创建数据源。具体网络连通方案，请参见网络连通方案。

   内网连通

   关键参数	说明
   配置模式	选择阿里云实例模式。
   所属云账号	如果EMR Serverless StarRocks实例与DataWorks属于同一账号，则选择当前阿里云主账号。 如果EMR Serverless StarRocks实例属于其他阿里云账号，则选择其他阿里云主账号，选择其他阿里云主账号后，还需配置对方阿里云主账号UID和对方RAM角色，对方RAM角色配置的更多信息，请参见跨账号授权配置。
   地域	选择EMR Serverless StarRocks实例所在的地域。
   实例	选择具体Serverless版的StarRocks实例。
   数据库名称	待连接使用的数据库名称。您可以通过EMR StarRocks Manager连接实例后，在元数据管理中查看。
   用户名/密码	实例的用户名和密码。 创建StarRocks实例默认创建一个admin用户，密码为创建实例时自定义的密码。
   连接配置	您需要测试数据源与购买的资源组的连通性，连通状态为可连通表明数据源与资源组间网络是连通的。

   公网连通

   关键参数	说明
   配置模式	选择连接串模式。
   主机地址/IP	EMR Serverless StarRocks实例中FE的公网地址。
   端口	EMR Serverless StarRocks实例中FE的查询端口（默认为9030）。
   Load URL	StarRocks FE的地址用于Streamload，可以为多个FE地址，形如FE公网地址:FE的HTTP端口，使用逗号分割。
   数据库名称	待连接使用的数据库名称。您可以通过EMR StarRocks Manager连接实例后，在元数据管理中查看。
   用户名/密码	实例的用户名和密码。 创建StarRocks实例默认创建一个admin用户，密码为创建实例时自定义的密码。
   连接配置	您需要测试数据源与购买的资源组的连通性，连通状态为可连通表明数据源与资源组间网络是连通的。

数据集成

DataWorks支持同步多种数据源的数据至EMR Serverless StarRocks表中，如MySQL、Hive、Kafka、OSS、HDFS等。以下以离线同步一个MySQL数据至EMR Serverless StarRocks表中为例，为您介绍操作要点。

1. 进入数据开发页面。

   登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据开发与运维 > 数据开发，在下拉框中选择对应工作空间后单击进入数据开发。

2. 创建离线同步节点，设置数据来源为MySQL，数据去向为StarRocks数据源。

   

3. 选择资源组后，并分别测试与来源数据源、去向数据源的连通性。

4. 设置调度周期，提交发布节点后周期执行任务。

   完成调试后，您可以单击侧边栏的调度配置，配置调度周期、重跑策略等调度参数，设置任务使用的资源组，完成后单击提交、发布按钮。

数据开发与调度运维

对于需要周期调度的EMR Serverless StarRocks任务，您可以在DataStudio模块中创建StarRocks节点，选择已经连接到的StarRocks数据源，即可编写EMR Serverless StarRocks SQL任务，并设置调度周期来周期执行。操作步骤要点如下：

1. 进入数据开发页面。

   登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据开发与运维 > 数据开发，在下拉框中选择对应工作空间后单击进入数据开发。

2. 在DataStudio中创建StarRocks节点，选择已经连接到的StarRocks的数据源，即可编写EMR Serverless StarRocks SQL任务。

   

3. 在DataStudio调试EMR Serverless StarRocks SQL任务时，您需要选中待调试的SQL命令并单击运行按钮，选中资源组后进行调试。

4. 设置调度周期，提交发布节点后周期执行任务。

   完成调试后，您可以单击侧边栏的调度配置，配置调度周期、重跑策略等调度参数，设置任务使用的资源组，完成后单击提交、发布按钮。

数据分析

您可以使用DataWorks的数据分析子模块，对EMR Serverless StarRocks表数据进行快速分析，操作要点如下。

1. 进入SQL查询页面。

   登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据分析与服务 > 数据分析，单击进入数据分析页面，单击左侧导航栏的SQL查询进入SQL查询页面。

2. 单击左边侧边栏的图标，单击更多 > 系统管理，进入系统管理页面，设置StarRocks类的查询资源组为任务使用的资源组。

   

3. 回到SQL查询页面，在右上角切换引擎类型为StarRocks，并选择数据源，即可编辑查询语句并运行，进行EMR Serverless StarRocks数据分析。

   

数据服务

数据服务支持生成StarRocks数据源类型的API。

1. 进入数据服务页面。

   登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据分析与服务 > 数据服务，在下拉框中选择对应工作空间后单击进入数据服务。

2. 生成一个API，并配置API参数。

   数据服务支持向导模式和脚本模式两种编辑场景，脚本模式支持根据查询SQL语句自动生成API的请求参数和返回参数。以下以向导模式为例为您示例操作要点。

   

   选择数据源类型为StarRocks，选择创建的StarRocks数据源后，选择对应的表，根据界面选择API的请求参数、返回参数等API配置。

3. 单击右边侧边栏的服务资源组，配置资源组为独享数据服务资源组。

   

4. 测试API成功后，提交并发布API。

数据地图

数据地图模块支持对StarRocks数据的元数据采集、搜索和表详情页。