迁移Elasticsearch数据至DLI

本文为您介绍如何通过CDM数据同步功能，迁移Elasticsearch类型的CSS集群数据至DLI。其他自建的Elasticsearch等服务数据，均可以通过CDM与DLI进行双向同步。

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Elasticsearch类型的CSS集群。具体创建CSS集群的操作可以参考创建CSS集群。
本示例创建的CSS集群版本为：7.6.2，集群为非安全集群。
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CSS服务时，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CSS集群保持一致。

步骤一：数据准备

CSS集群上创建索引并导入数据。

登录CSS管理控制台，选择“集群管理 > Elasticsearch”。
在集群管理界面，在已创建的CSS集群的“操作”列，单击“Kibana”访问集群。
在Kibana的左侧导航中选择“Dev Tools”，进入到Console界面。

在Console界面，执行如下命令创建索引“my_test”。

PUT /my_test
{
  "settings": {
    "number_of_shards": 1
  },
  "mappings": {
          "properties": {
        "productName": {
          "type": "text",
          "analyzer": "ik_smart"
        },
        "size": {
          "type": "keyword"
        }
      }
    }
  }

在Console界面，执行如下命令，将数据导入到“my_test”索引中。

POST /my_test/_doc/_bulk
{"index":{}}
{"productName":"2017秋装新款文艺衬衫女装","size":"L"}
{"index":{}}
{"productName":"2017秋装新款文艺衬衫女装","size":"M"}
{"index":{}}
{"productName":"2017秋装新款文艺衬衫女装","size":"S"}
{"index":{}}
{"productName":"2018春装新款牛仔裤女装","size":"M"}
{"index":{}}
{"productName":"2018春装新款牛仔裤女装","size":"S"}
{"index":{}}
{"productName":"2017春装新款休闲裤女装","size":"L"}
{"index":{}}
{"productName":"2017春装新款休闲裤女装","size":"S"}

当返回结果信息中“errors”字段的值为“false”时，表示导入数据成功。

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 tablecss(size string, productname string);
```

步骤二：数据迁移

配置CDM数据源连接。

配置源端CSS的数据源连接。

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”。
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“云搜索服务”，单击“下一步”。
图1 创建CSS数据源

配置源端CSS的数据源连接，具体参数配置如下。详细参数配置可以参考CDM上配置CSS连接。

表1 CSS数据源配置
参数	值
名称	自定义CSS数据源名称。例如当前配置为“source_css”。
Elasticsearch服务器列表	单击输入框旁边的“选择”按钮，选择当前CSS集群即可自动关联出来Elasticsearch服务器列表。
安全模式认证	如果所需连接的CSS集群在创建时开启了“安全模式”，该参数需设置为“是”，否则设置为“否”。本示例选择为“否”。

图2 CDM配置CSS数据源

单击“保存”完成CSS数据源配置。

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3 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4 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。

创建CDM迁移作业。

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”。
在“作业管理”界面，选择“表/文件迁移”，单击“新建作业”。

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5 新建CDM作业作业配置

作业名称：自定义数据迁移的作业名称。例如，当前定义为：css_to_dli。

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。
索引	选择CSS集群中创建的Elasticsearch索引名。当前示例为CSS集群上创建索引并导入数据中创建的索引“my_test”。索引名称只能全部小写，不能有大写。
类型	Elasticsearch的类型，类似关系数据库中的表名称。类型名称只能全部小写，不能有大写。当前示例为：“_doc”。

更多其他参数说明可以参考：CDM配置CSS源端参数。

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“tablecss”。
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。

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6 字段映射
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。
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7 迁移作业进度和结果查询