迁移Kafka数据至DLI

前提条件

• 已创建DLI的SQL队列。创建DLI队列的操作可以参考创建DLI队列。
  

  创建DLI队列时队列类型需要选择为“SQL队列”。

• 已创建包含Kafka组件的MRS安全集群。具体创建MRS集群的操作可以参考创建MRS集群。
  • 本示例创建的MRS集群版本为：MRS 3.1.0。
  • 本示例创建的MRS集群开启了Kerberos认证。
• 已创建CDM迁移集群。创建CDM集群的操作可以参考创建CDM集群。
  

  • 如果目标数据源为云下的数据库，则需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP、CDM云上安全组出方向放通云下数据源所在的主机、数据源所在的主机可以访问公网且防火墙规则已开放连接端口。
  • 数据源为云上的MRS、DWS时，网络互通需满足如下条件：

    i. CDM集群与云上服务处于不同区域的情况下，需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP，数据源所在的主机可以访问公网且防火墙规则已开放连接端口。

    ii. CDM集群与云上服务同区域情况下，同虚拟私有云、同子网、同安全组的不同实例默认网络互通；如果同虚拟私有云但是子网或安全组不同，还需配置路由规则及安全组规则。

    配置路由规则请参见如何配置路由规则章节，配置安全组规则请参见如何配置安全组规则章节。

    iii. 此外，您还必须确保该云服务的实例与CDM集群所属的企业项目必须相同，如果不同，需要修改工作空间的企业项目。

  本示例CDM集群的虚拟私有云、子网以及安全组和创建的MRS集群保持一致。

步骤一：数据准备

• MRS集群上创建Kafka的Topic并且向Topic发送消息。
  1. 参考访问MRS Manager登录MRS Manager。
  2. 在MRS Manager上，选择“系统 > 权限 > 用户”，单击“添加用户”，在添加用户页面分别配置如下参数。
     1. 用户名：自定义的用户名。当前示例输入为：testuser2。
     2. 用户类型：当前选择为“人机”。
     3. 密码和确认密码：输入当前用户名对应的密码。
     4. 用户组和主组：选择kafkaadmin。
     5. 角色：选择Manager_viewer角色。
        图1 MRS Manager上创建Kafka用户
        
  3. 在MRS Manager上，选择“集群 > 待操作的集群名称 > 服务 > ZooKeeper > 实例”，获取ZooKeeper角色实例的IP地址，为后续步骤做准备。
  4. 在MRS Manager上，选择“集群 > 待操作的集群名称 > 服务 > kafka > 实例”，获取kafka角色实例的IP地址，为后续步骤做准备。
  5. 参考安装MRS客户端下载并安装Kafka客户端。例如，当前Kafka客户端安装在MRS主机节点的“/opt/kafkaclient”目录上。
  6. 以root用户进入客户端安装目录下。

     例如：cd /opt/kafkaclient

  7. 执行以下命令配置环境变量。

     source bigdata_env

  8. 因为当前集群启用了Kerberos认证，则需要执行以下命令进行安全认证。认证用户为2中创建的用户。

     kinit 2中创建的用户名

     例如，kinit testuser2

  9. 执行以下命令创建名字为kafkatopic的Kafka Topic。

     kafka-topics.sh --create --zookeeper ZooKeeper角色实例所在节点IP地址1:2181,ZooKeeper角色实例所在节点IP地址2:2181,ZooKeeper角色实例所在节点IP地址3:2181/kafka --replication-factor 1 --partitions 1 --topic kafkatopic

     上述命令中的“ZooKeeper角色实例所在节点IP地址”即为3中获取的ZooKeeper实例IP。

  10. 执行以下命令向kafkatopic发送消息。

      kafka-console-producer.sh --broker-list Kafka角色实例所在节点的IP地址1:21007,Kafka角色实例所在节点的IP地址2:21007,Kafka角色实例所在节点的IP地址3:21007 --topic kafkatopic --producer.config /opt/kafkaclient/Kafka/kafka/config/producer.properties

      上述命令中的“Kafka角色实例所在节点的IP地址”即为4中获取的Kafka实例IP。

      发送测试消息内容如下：

      {"PageViews":5, "UserID":"4324182021466249494", "Duration":146,"Sign":-1}

• 在DLI上创建数据库和表。
  1. 登录DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列。

     在编辑器中输入以下语句创建数据库，例如当前创建迁移后的DLI数据库testdb。详细的DLI创建数据库的语法可以参考创建DLI数据库。

     create database testdb;

  2. 创建数据库下的表。详细的DLI建表语法可以参考创建DLI表。

     CREATE TABLE testdlitable(value STRING);

步骤二：数据迁移

1. 配置CDM数据源连接。
   1. 配置源端MRS Kafka的数据源连接。
      1. 登录CDM控制台，选择“集群管理”，选择已创建的CDM集群，在操作列选择“作业管理”。
      2. 在作业管理界面，选择“连接管理”，单击“新建连接”，连接器类型选择“MRS Kafka”，单击“下一步”。
         图2 创建MRS Kafka数据源
         
      3. 配置源端MRS Kafka的数据源连接，具体参数配置如下。

         表1 MRS Kafka数据源配置

         参数	值
         名称	自定义MRS Kafka数据源名称。例如当前配置为“source_kafka”。
         Manager IP	单击输入框旁边的“选择”按钮，选择当前MRS Kafka集群即可自动关联出来Manager IP。
         用户名	在2中创建的MRS Kafka用户名。
         密码	对应MRS Kafka用户名的密码。
         认证类型	如果当前MRS集群为普通集群则选择为SIMPLE，如果是MRS集群启用了Kerberos安全认证则选择为KERBEROS。 本示例选择为：KERBEROS。

         更多参数的详细说明可以参考CDM上配置Kafka连接。

         图3 CDM配置MRS Kafka数据源连接
         
      4. 单击“保存”完成MRS Kafka数据源配置。
   2. 配置目的端DLI的数据源连接。
      1. 登录CDM控制台，选择“集群管理”，选择已创建的CDM集群，在操作列选择“作业管理”。
      2. 在作业管理界面，选择“连接管理”，单击“新建连接”，连接器类型选择“数据湖探索（DLI）”，单击“下一步”。
         图4 创建DLI数据源连接
         
      3. 配置目的端DLI数据源连接连接参数。具体参数配置可以参考在CDM上配置DLI连接。
         图5 配置DLI数据源连接参数
         
      4. 配置完成后，单击“保存”完成DLI数据源配置。
2. 创建CDM迁移作业。
   1. 登录CDM控制台，选择“集群管理”，选择已创建的CDM集群，在操作列选择“作业管理”。
   2. 在“作业管理”界面，选择“表/文件迁移”，单击“新建作业”。
   3. 在新建作业界面，配置当前作业配置信息，具体参数参考如下：
      图6 新建CDM作业作业配置
      
      1. 作业名称：自定义数据迁移的作业名称。例如，当前定义为：test。
      2. 源端作业配置，具体参考如下：

         表2 源端作业配置

         参数名	参数值
         源连接名称	选择1.a中已创建的数据源名称。
         Topics	选择MRS Kafka待迁移的Topic名称，支持单个或多个Topic。当前示例为：kafkatopic。
         数据格式	根据实际情况选择当前消息格式。本示例选择为：CDC（DRS_JSON），以DRS_JSON格式解析源数据。
         偏移量参数	从Kafka拉取数据时的初始偏移量。本示例当前选择为：最新。 最新：最大偏移量，即拉取最新的数据。 最早：最小偏移量，即拉取最早的数据。 已提交：拉取已提交的数据。 时间范围：拉取时间范围内的数据。
         是否持久运行	用户自定义是否永久运行。当前示例选择为：否。
         拉取数据超时时间	持续拉取数据多长时间超时，单位分钟。当前示例配置为：15。
         等待时间	可选参数，超出等待时间还是无法读取到数据，则不再读取数据，单位秒。当前示例不配置该参数。
         消费组ID	用户指定消费组ID。当前使用MRS Kafka默认的消息组ID：“example-group1”。

         其他参数的详细配置说明可以参考：CDM配置Kafka源端参数。

      3. 目的端作业配置，具体参考如下：

         表3 目的端作业配置

         参数名	参数值
         目的连接名称	选择1.b已创建的DLI数据源连接。
         资源队列	选择已创建的DLI SQL类型的队列。
         数据库名称	选择DLI下已创建的数据库。当前示例为在DLI上创建数据库和表中创建的数据库名，即为“testdb”。
         表名	选择DLI下已创建的表名。当前示例为在DLI上创建数据库和表中创建的表名，即为“testdlitable”。
         导入前清空数据	选择导入前是否清空目的表的数据。当前示例选择为“否”。 如果设置为是，任务启动前会清除目标表中数据。

         详细的参数配置可以参考：CDM配置DLI目的端参数。

3. 单击“下一步”，进入到字段映射界面，CDM会自动匹配源和目的字段。
   • 如果字段映射顺序不匹配，可通过拖拽字段调整。
   • 如果选择在目的端自动创建类型，这里还需要配置每个类型的字段类型、字段名称。
   • CDM支持迁移过程中转换字段内容，详细请参见字段转换。
   图7 字段映射
   
4. 单击“下一步”配置任务参数，一般情况下全部保持默认即可。

   该步骤用户可以配置如下可选功能：

   • 作业失败重试：如果作业执行失败，可选择是否自动重试，这里保持默认值“不重试”。
   • 作业分组：选择作业所属的分组，默认分组为“DEFAULT”。在CDM“作业管理”界面，支持作业分组显示、按组批量启动作业、按分组导出作业等操作。
   • 是否定时执行：如果需要配置作业定时自动执行，请参见配置定时任务。这里保持默认值“否”。
   • 抽取并发数：设置同时执行的抽取任务数。这里保持默认值“1”。
   • 是否写入脏数据：如果需要将作业执行过程中处理失败的数据、或者被清洗过滤掉的数据写入OBS中，以便后面查看，可通过该参数配置，写入脏数据前需要先配置好OBS连接。这里保持默认值“否”即可，不记录脏数据。
5. 单击“保存并运行”，回到作业管理界面，在作业管理界面可查看作业执行进度和结果。
   图8 迁移作业进度和结果查询
   

步骤三：结果查询

select * from testdlitable;