首页 云原生大数据计算服务 MaxCompute 实践教程 最佳实践 数据迁移 日志数据迁移至MaxCompute 通过DataWorks数据集成迁移日志数据至MaxCompute

通过DataWorks数据集成迁移日志数据至MaxCompute

更新时间: 2023-06-12 18:00:29

本文为您介绍如何通过数据集成功能同步LogHub数据至MaxCompute。

背景信息

日志服务支持以下数据同步场景：
  • 跨地域的LogHub与MaxCompute等数据源的数据同步。
  • 不同阿里云账号下的LogHub与MaxCompute等数据源间的数据同步。
  • 同一阿里云账号下的LogHub与MaxCompute等数据源间的数据同步。
  • 公共云与金融云账号下的LogHub与MaxCompute等数据源间的数据同步。
以B账号进入数据集成配置同步任务，将A账号的LogHub数据同步至B账号的MaxCompute为例，跨阿里云账号的特别说明如下：
  1. 使用A账号的AccessKey ID和AccessKey Secret创建LogHub数据源。

    此时B账号可以同步A账号下所有日志服务项目的数据。

  2. 使用A账号下的RAM用户A1的AccessKey ID和AccessKey Secret创建LogHub数据源。
    • A账号为RAM用户A1赋予日志服务的通用权限，即AliyunLogFullAccess和AliyunLogReadOnlyAccess，详情请参见创建RAM用户及授权。
    • A账号给RAM用户A1赋予日志服务的自定义权限。

      主账号A进入RAM控制台 > 权限管理 > 权限策略页面，单击创建授权策略。

      相关的授权请参见访问控制RAM和RAM子用户访问。

      根据下述策略进行授权后，B账号通过RAM用户A1只能同步日志服务project_name1以及project_name2的数据。 
      {
"Version": "1",
"Statement": [
{
"Action": [
"log:Get*",
"log:List*",
"log:CreateConsumerGroup",
"log:UpdateConsumerGroup",
"log:DeleteConsumerGroup",
"log:ListConsumerGroup",
"log:ConsumerGroupUpdateCheckPoint",
"log:ConsumerGroupHeartBeat",
"log:GetConsumerGroupCheckPoint"
],
"Resource": [
"acs:log:*:*:project/project_name1",
"acs:log:*:*:project/project_name1/*",
"acs:log:*:*:project/project_name2",
"acs:log:*:*:project/project_name2/*"
],
"Effect": "Allow"
}
]
}

新建LogHub数据源

  1. 登录DataWorks控制台，单击相应工作空间后的数据集成。
  2. 单击左侧导航栏中的数据源，即可跳转至工作空间管理 > 数据源管理页面。
  3. 在数据源管理页面，单击右上角的新增数据源。
  4. 在新增数据源对话框中，选择数据源类型为LogHub。
  5. 填写新增LogHub数据源对话框中的配置。
    参数描述
    数据源名称数据源名称必须以字母、数字、下划线组合，且不能以数字和下划线开头。
    数据源描述对数据源进行简单描述，不得超过80个字符。
    LogHub EndpointLogHub的Endpoint，格式为http://example.com。详情请参见服务入口。
    Project输入项目名称。
    AccessKey ID访问密钥中的AccessKey ID，您可以进入控制台的用户信息管理页面进行复制。
    AccessKey Secret访问密钥中的AccessKey Secret，相当于登录密码。
  6. 单击测试连通性。
  7. 连通性测试通过后，单击完成。

新建离线同步节点

  1. 在数据源页面，单击左上角的图标，选择全部产品 > DataStudio（数据开发）。
  2. 在数据开发页面，鼠标悬停至新建图标，单击业务流程。
  3. 在新建业务流程对话框中，输入业务流程名称和描述，单击新建。
  4. 展开业务流程，右键单击数据集成，选择新建 > 离线同步。
  5. 在新建节点对话框中，输入节点名称，并选择目标文件夹。
  6. 单击提交，进入离线节点编辑页面。

通过向导模式配置同步任务

  1. 在离线节点编辑页面，选择数据来源。
    数据来源
    参数描述
    数据源输入LogHub数据源的名称。
    Logstore目标日志库的名称。
    日志开始时间数据消费的开始时间位点，为时间范围（左闭右开）的左边界，为yyyyMMddHHmmss格式的时间字符串（例如20180111013000）。该参数可以和DataWorks的调度时间参数配合使用。
    日志结束时间数据消费的结束时间位点，为时间范围（左闭右开）的右边界，为yyyyMMddHHmmss格式的时间字符串（例如20180111013010）。该参数可以和DataWorks的调度时间参数配合使用。
    批量条数一次读取的数据条数，默认为256。
    说明 您可以进行数据预览，此处仅选择LogHub中的几条数据展现在预览框。由于您在进行同步任务时，会指定开始时间和结束时间，会导致预览结果和实际的同步结果不一致。
  2. 选择MaxCompute数据源及目标表。
  3. 选择字段的映射关系。
  4. 在通道控制中配置作业速率上限和脏数据检查规则。
  5. 确认当前节点的配置无误后，单击左上角的保存。
  6. 运行离线同步节点。
    您可以通过以下两种方式运行离线同步节点：
    • 直接运行（一次性运行）
      单击节点编辑页面工具栏中的运行图标，直接在页面运行。
      说明 运行之前需要配置自定义参数的具体取值。
    • 调度运行
      单击节点编辑页面工具栏中的提交图标，提交离线同步节点至调度系统，调度系统会根据配置的属性，从第2天开始自动定时运行。提交
      如上图所示，设置开始时间为系统前10分钟，结束时间为系统前5分钟：startTime=$[yyyymmddhh24miss-10/24/60] endTime=$[yyyymmddhh24miss-5/24/60]。分调度

      如上图所示，设置离线同步节点的调度周期为分钟，从00:00~23:59每5分钟调度一次。

通过脚本模式配置离线同步节点

  1. 成功创建离线同步节点后，单击工具栏中的转换脚本。
    转换脚本
  2. 单击提示对话框中的确认，即可进入脚本模式进行开发。
  3. 单击工具栏中的导入模板。
    导入模板
  4. 在导入模板对话框中，选择从来源端的LogHub数据源同步至目标端的ODPS数据源的导入模板，单击确认。
  5. 导入模板后，根据自身需求编辑代码，示例脚本如下。
    {
"type": "job",
"version": "1.0",
"configuration": {
"reader": {
"plugin": "loghub",
"parameter": {
"datasource": "loghub_lzz",//数据源名，需要和您添加的数据源名一致。
"logstore": "logstore-ut2",//目标日志库的名字，LogStore是日志服务中日志数据的采集、存储和查询单元。
"beginDateTime": "${startTime}",//数据消费的开始时间位点，为时间范围（左闭右开）的左边界。
"endDateTime": "${endTime}",//数据消费的结束时间位点，为时间范围（左闭右开）的右边界。
"batchSize": 256,//一次读取的数据条数，默认为256。
"splitPk": "",
"column": [
"key1",
"key2",
"key3"
]
}
},
"writer": {
"plugin": "odps",
"parameter": {
"datasource": "odps_first",//数据源名，需要和您添加的数据源名一致。
"table": "ok",//目标表名。
"truncate": true,
"partition": "",//分区信息。
"column": [//目标列名。
"key1",
"key2",
"key3"
]
}
},
"setting": {
"speed": {
"mbps": 8,//作业速率上限。
"concurrent": 7//并发数。
}
}
}
}
阿里云首页 云原生大数据计算服务 MaxCompute 相关技术圈