适用场景

业务系统中，数据源往往会采用分表的形式，以减少单表大小，支持复杂的业务应用场景。

在这种情况下，通过CDM进行数据集成时，需要针对每张表创建一个数据迁移作业。您可以参考本教程，通过数据开发模块的For Each算子和CDM节点算子，配合作业参数，实现批量创建分表迁移作业。

本教程中，源端MySQL数据库中存在三张分表，分别是mail01、mail02和mail03，且表结构一致，数据内容不同。目的端为MRS HIVE服务。

操作前提

• 已创建CDM集群。
• 已经开通了MRS HIVE服务。
• 已经在MRS HIVE服务中创建了数据库和表。

创建连接

1. 登录DGC控制台，找到所需要的DGC实例，单击实例卡片上的“进入控制台”，进入概览页面。
2. 找到所需要的工作空间，单击工作空间的“数据集成”，系统跳转至数据集成页面。
3. 单击CDM集群后的“作业管理”，进入作业管理界面。
4. 单击“连接管理->驱动管理”，参考管理驱动页面，上传MySQL数据库驱动。
5. 选择“连接管理 > 新建连接”，新建MySQL连接。连接器类型选择“MySQL”，然后单击“下一步”配置连接参数，参数说明如表1所示。配置完成后，单击“保存”回到连接管理界面。
   图1 配置MySQL连接
   

   表1 MySQL连接参数

   参数名	说明	取值样例
   名称	连接的名称，根据连接的数据源类型，用户可自定义便于记忆、区分的连接名。	mysql
   数据库服务器	配置为要连接的数据库的IP地址或域名。	192.168.0.1
   端口	配置为要连接的数据库的端口。	3306
   数据库名称	配置为要连接的数据库名称。	mysql
   用户名	待连接数据库的用户。该数据库用户需要有数据表的读写权限，以及对元数据的读取权限。	root
   密码	用户密码。	-
   使用Agent	是否选择通过Agent从源端提取数据。	否

6. 再次选择“连接管理 > 新建连接”，新建MRS Hive连接。连接器类型选择“MRS Hive”，然后单击“下一步”配置连接参数，参数说明如表2所示。配置完成后，单击“保存”回到连接管理界面。
   图2 配置MRS Hive连接
   

   表2 MRS Hive连接参数

   参数名	说明	取值样例
   名称	连接的名称，根据连接的数据源类型，用户可自定义便于记忆、区分的连接名。	hive
   Manager IP	MRS Manager的浮动IP地址，可以单击输入框后的“选择”来选定已创建的MRS集群，CDM会自动填充下面的鉴权参数。	127.0.0.1
   认证类型	访问MRS的认证类型： SIMPLE：非安全模式选择Simple鉴权。 KERBEROS：安全模式选择Kerberos鉴权。	KERBEROS
   Hive版本	Hive的版本。根据服务端Hive版本设置。	HIVE_3_X
   用户名	选择KERBEROS鉴权时，需要配置MRS Manager的用户名和密码。从HDFS导出目录时，如果需要创建快照，这里配置的用户需要HDFS系统的管理员权限。 如果要创建MRS安全集群的数据连接，不能使用admin用户。因为admin用户是默认的管理页面用户，这个用户无法作为安全集群的认证用户来使用。您可以创建一个新的MRS用户，然后在创建MRS数据连接时，“用户名”和“密码”填写为新建的MRS用户及其密码。 说明： 如果CDM集群为2.9.0版本及之后版本，且MRS集群为3.1.0及之后版本，则所创建的用户至少需具备Manager_viewer的角色权限才能在CDM创建连接；如果需要对应组件的进行库、表、数据的操作，还需要添加对应组件的用户组权限。 如果CDM集群为2.9.0之前的版本，或MRS集群为3.1.0之前的版本，则所创建的用户需要具备Manager_administrator、Manager_tenant或System_administrator权限，才能在CDM创建连接。	cdm
   密码	访问MRS Manager的用户密码。	-
   OBS支持	需服务端支持OBS存储。在创建Hive表时，您可以指定将表存储在OBS中。	否
   运行模式	“HIVE_3_X”版本支持该参数。支持以下模式： EMBEDDED：连接实例与CDM运行在一起，该模式性能较好。 STANDALONE：连接实例运行在独立进程。如果CDM需要对接多个Hadoop数据源（MRS、Hadoop或CloudTable），并且既有KERBEROS认证模式又有SIMPLE认证模式，只能使用STANDALONE模式或者配置不同的Agent。 说明：STANDALONE模式主要是用来解决版本冲突问题的运行模式。当同一种数据连接的源端或者目的端连接器的版本不一致时，存在jar包冲突的情况，这时需要将源端或目的端放在STANDALONE进程里，防止冲突导致迁移失败。	EMBEDDED
   是否使用集群配置	您可以通过使用集群配置，简化Hadoop连接参数配置。	否

创建样例作业

1. 创建MySQL第一个分表mail001到MRS Hive目标表mail的数据集成作业，具体如下图所示。

   注意，作业任务配置中，需要将“作业运行完是否删除”配置为“不删除”。

   

   

   

2. 样例作业创建完毕后，如下图查看作业JSON，并复制作业JSON，用于后续数据开发作业配置。

   

   

创建数据开发作业

1. 单击工作空间的“数据开发”，进入DGC数据开发模块。
2. 创建子作业“分表作业”，选择CDM节点，节点属性中作业类型配置为“创建新作业”，并将步骤2中复制的作业JSON粘贴到“CDM作业消息体”中。

   

3. 编辑“CDM作业消息体”。
   1. 由于源表有三个，分别为mail001、mail002、mail003，因此需要将作业JSON中的“fromJobConfig.tableName”属性值配置为“mail${num}”，即源表名是通过参数配置。如下图所示：

      

   2. 由于数据迁移作业名不能重复，因此修改JSON中作业名称“name”属性值配置为“mail${num}”，目的是创建多个CDM集成作业，避免作业名称重复。如下图所示：
      

      如果需要创建分库的作业，也可将作业JSON中的源连接修改为变量，方便替换。

      

4. 添加作业参数num，用于作业JSON中调用。如下图所示：

   

   添加完成后点击“保存并提交版本”，以保存子作业。

5. 创建主作业“集成管理”，选择For Each节点，每次循环调用分表作业，分别将参数001、002、003传递给子作业，生成不同的分表抽取任务。
   关键配置如下：

   • 子作业：选择“分表作业”
   • 数据集：[['001'],['002'],['003']]
   • 作业运行参数：@@#{Loop.current[0]}@@
     

     此处作业运行参数的EL表达式需要添加@@。如果不加@@包围，数据集001会被识别为1，导致源表名不存在的问题。

   如下图所示：

   

   配置完成后点击“保存并提交版本”，以保存主作业。

6. 创建主作业和子作业完成后，通过测试运行主作业“集成管理”，检查数据集成作业创建情况。运行成功后，创建并运行CDM子作业成功。

   

注意事项

1. 由于CDM版本不同，某些属性可能不支持，比如fromJobConfig.BatchJob。当创建任务报错时，需要在请求体中删除该属性。如下图所示：

   

2. CDM节点配置为创建作业时，节点运行会检测是否有同名CDM作业。
   • 如果CDM作业未运行，则按照请求体内容更新同名作业。
   • 如果同名CDM作业正在运行中，则等待作业运行完成。此时该CDM作业可能被其他任务启动，可能会导致数据抽取不符合预期（如作业配置未更新、运行时间宏未替换正确等），因此请注意不要启动或者创建多个同名作业。