MySQL数据迁移到DWS

操作场景

CDM支持表到表的迁移，本章节以MySQL-->DWS为例，介绍如何通过CDM将表数据迁移到表中。流程如下：

1. 创建CDM集群并绑定EIP
2. 创建MySQL连接
3. 创建DWS连接
4. 创建迁移作业

前提条件

• 已获取DWS数据库的IP地址、端口、数据库名称、用户名、密码，且该用户拥有DWS数据库的读、写和删除权限。
• 已获取连接MySQL数据库的IP地址、端口、数据库名称、用户名、密码，且该用户拥有MySQL数据库的读写权限。
• 已在CDM集群的“作业管理 > 连接管理 > 驱动管理”页面，上传了MySQL数据库驱动。

创建CDM集群并绑定EIP

1. 如果是独立CDM服务，参考创建集群创建CDM集群；如果是作为DataArts Studio服务CDM组件使用，参考创建集群创建CDM集群。

   关键配置如下：

   • CDM集群的规格，按待迁移的数据量选择，一般选择cdm.medium即可，满足大部分迁移场景。
   • CDM集群所在VPC、子网、安全组，选择与DWS集群所在的网络一致。

2. CDM集群创建完成后，选择集群操作列的“绑定弹性IP”，CDM通过EIP访问MySQL。
   说明：

   如果用户对本地数据源的访问通道做了SSL加密，则CDM无法通过弹性IP连接数据源。

创建MySQL连接

1. 在CDM集群管理界面，单击集群后的“作业管理”，选择“连接管理 > 新建连接”，进入连接器类型的选择界面，如图1所示。
   图1 选择连接器类型
   

2. 选择“云数据库 MySQL”后单击“下一步”，配置云数据库 MySQL连接的参数。

   单击“显示高级属性”可查看更多可选参数，具体请参见配置云数据库MySQL/MySQL数据库连接。这里保持默认，必填参数如表1所示。

   表1 MySQL连接参数

   参数名	说明	取值样例
   名称	输入便于记忆和区分的连接名称。	mysqllink
   数据库服务器	MySQL数据库的IP地址或域名。	-
   端口	MySQL数据库的端口。	3306
   数据库名称	MySQL数据库的名称。	sqoop
   用户名	拥有MySQL数据库的读、写和删除权限的用户。	admin
   密码	用户的密码。	-
   使用本地API	使用数据库本地API加速（系统会尝试启用MySQL数据库的local_infile系统变量）。	是
   使用Agent	Agent功能待下线，无需配置。	-
   local_infile字符集	MySQL通过local_infile导入数据时，可配置编码格式。	utf8
   驱动版本	CDM连接关系数据库前，需要先上传所需关系数据库的JDK8版本.jar格式驱动。MySQL的驱动请从https://downloads.mysql.com/archives/c-j/选择5.1.48版本下载，从中获取mysql-connector-java-5.1.48.jar，然后进行上传。	-

3. 单击“保存”回到连接管理界面。
   说明：

   如果保存时出错，一般是由于MySQL数据库的安全设置问题，需要设置允许CDM集群的EIP访问MySQL数据库。

创建DWS连接

1. 在CDM集群管理界面，单击集群后的“作业管理”，选择“连接管理 > 新建连接”，进入连接器类型的选择界面，如图2所示。
   图2 选择连接器类型
   

2. 连接器类型选择“数据仓库服务（DWS）”后单击“下一步”配置DWS连接参数，必填参数如表2所示，可选参数保持默认即可。

   表2 DWS连接参数

   参数名	说明	取值样例
   名称	输入便于记忆和区分的连接名称。	dwslink
   数据库服务器	DWS数据库的IP地址或域名。	192.168.0.3
   端口	DWS数据库的端口。	8000
   数据库名称	DWS数据库的名称。	db_demo
   用户名	拥有DWS数据库的读、写和删除权限的用户。	dbadmin
   密码	用户的密码。	-
   使用Agent	Agent功能待下线，无需配置。	-
   Agent	Agent功能待下线，无需配置。	-
   导入模式	COPY模式：将源数据经过DWS管理节点后复制到数据节点。如果需要通过Internet访问DWS，只能使用COPY模式。	COPY

3. 单击“保存”完成创建连接。

创建迁移作业

1. 选择“表/文件迁移 > 新建作业”，开始创建从MySQL导出数据到DWS的任务。
   图3 创建MySQL到DWS的迁移任务
   
   • 作业名称：用户自定义便于记忆、区分的任务名称。
   • 源端作业配置
     • 源连接名称：选择创建MySQL连接中的“mysqllink”。
     • 使用SQL语句：否。
     • 模式或表空间：待抽取数据的模式或表空间名称。
     • 表名：要抽取的表名。
     • 其他可选参数一般情况下保持默认即可。
   • 目的端作业配置
     • 目的连接名称：选择创建DWS连接中的连接“dwslink”。
     • 模式或表空间：选择待写入数据的DWS数据库。
     • 自动创表：只有当源端和目的端都为关系数据库时，才有该参数。
     • 表名：待写入数据的表名，可以手动输入一个不存在表名，CDM会在DWS中自动创建该表。
     • 是否压缩：DWS提供的压缩数据能力，如果选择“是”，将进行高级别压缩，CDM提供了适用I/O读写量大，CPU富足（计算相对小）的压缩场景。更多压缩级别详细说明请参见压缩级别。
     • 存储模式：可以根据具体应用场景，建表的时候选择行存储还是列存储表。一般情况下，如果表的字段比较多（大宽表），查询中涉及到的列不多的情况下，适合列存储。如果表的字段个数比较少，查询大部分字段，那么选择行存储比较好。
     • 扩大字符字段长度：当目的端和源端数据编码格式不一样时，自动建表的字符字段长度可能不够用，配置此选项后CDM自动建表时会将字符字段扩大3倍。
     • 导入前清空数据：任务启动前，是否清除目的表中数据，用户可根据实际需要选择。

2. 单击“下一步”进入字段映射界面，CDM会自动匹配源和目的字段，如图4所示。
   • 如果字段映射顺序不匹配，可通过拖拽字段调整。
   • CDM的表达式已经预置常用字符串、日期、数值等类型的字段内容转换，详细请参见字段转换。
   图4 表到表的字段映射
   

3. 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，可打开此配置。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。可适当调大参数，提升迁移效率。
   • 是否写入脏数据：表到表的迁移容易出现脏数据，建议配置脏数据归档。
   • 作业运行完是否删除：这里保持默认值“不删除”。

4. 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。
5. 作业执行成功后，单击作业操作列的“历史记录”，可查看该作业的历史执行记录、读取和写入的统计数据。

   在历史记录界面单击“日志”，可查看作业的日志信息。