迁移DWS数据至DLI

本文为您介绍如何通过CDM数据同步功能，迁移数据仓库服务DWS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”。
已创建数据仓库服务DWS集群。具体创建DWS集群的操作可以参考创建DWS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DWS、MRS等服务时，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DWS集群保持一致。

步骤一：数据准备

DWS集群上创建数据库和表。
1. 参考使用gsql命令行客户端连接DWS集群连接已创建的DWS集群。
2. 执行以下命令连接DWS集群的默认数据库“gaussdb”：
```
gsql -d gaussdb -h DWS集群连接地址 -U dbadmin -p 8000 -W password -r
```
  - gaussdb：DWS集群默认数据库。
  - DWS集群连接地址：请参见获取集群连接地址进行获取。如果通过公网地址连接，请指定为集群“公网访问地址”或“公网访问域名”，如果通过内网地址连接，请指定为集群“内网访问地址”或“内网访问域名”。如果通过弹性负载均衡连接，请指定为“弹性负载均衡地址”。
  - dbadmin：创建集群时设置的默认管理员用户名。
  - -W：默认管理员用户的密码。
3. 在命令行窗口输入以下命令创建数据库“testdwsdb”。
```
CREATE DATABASE testdwsdb;
```
4. 执行以下命令，退出gaussdb数据库，连接新创建的数据库“testdwsdb”。
```
\q
gsql -d testdwsdb -h DWS集群连接地址 -U dbadmin -p 8000 -W password -r
```
5. 执行以下命令创建表并插入数据。
  创建表：
```
CREATE TABLE table1(id int, a char(6), b varchar(6),c varchar(6)) ;
```
  插入表数据：
```
INSERT INTO table1 VALUES(1,'123','456','789');
INSERT INTO table1 VALUES(2,'abc','efg','hif');
```
6. 查询表数据确认数据插入成功。
```
select * from table1;
```
  图1 查询表数据
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. 在“SQL编辑器”中，数据库选择“testdb”，执行以下建表语句创建数据库下的表。详细的DLI建表语法可以参考创建DLI表。
```
create table tabletest(id INT, name1 string, name2 string, name3 string);
```

步骤二：数据迁移

配置CDM数据源连接。

创建源端DWS数据库的连接。

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“数据仓库服务（DWS）”，单击“下一步”。

配置连接DWS的数据源连接参数，具体参数配置如下。

表1 DWS数据源配置
参数	值
名称	自定义DWS数据源名称。例如当前配置为：source_dws。
数据库服务器	单击输入框旁边的“选择”按钮，选择当前已创建的DWS集群名称。
端口	DWS数据库的端口，默认为：8000。
数据库名称	当前需要迁移的DWS数据库名称。当前示例为DWS集群上创建数据库和表中创建的数据库“testdwsdb”。
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。本示例使用创建DWS数据库实例的默认管理员用户“dbadmin”。
密码	对应的DWS数据库用户的密码。

图2 CDM配置DWS数据源
点击放大

其他更多参数保持默认即可，如果需要了解更多参数说明，可以参考配置关系数据库连接。单击“保存”完成DWS数据源连接配置。

创建目的端DLI数据源的连接。
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
1. 配置目的端DLI数据源连接。具体参数配置可以参考在CDM上配置DLI连接。
  图4 创建DLI数据源连接
  
  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 CDM数据迁移作业配置
点击放大

作业名称：自定义数据迁移的作业名称。例如，当前定义为：test。

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。
使用SQL语句	“使用SQL语句”选择“是”时，您可以在这里输入自定义的SQL语句，CDM将根据该语句导出数据。本示例当前选择为“否”。
模式或表空间	“使用SQL语句”选择“否”时，显示该参数，表示待抽取数据的模式或表空间名称。单击输入框后面的按钮可进入模式选择界面，用户也可以直接输入模式或表空间名称。本示例因为DWS集群上创建数据库和表中没有创建SCHEMA，则本参数为默认的“public”。如果选择界面没有待选择的模式或表空间，请确认对应连接里的账号是否有元数据查询的权限。说明：该参数支持配置通配符（），实现导出以某一前缀开头或者以某一后缀结尾的所有数据库。例如： SCHEMA表示导出所有以“SCHEMA”开头的数据库。 SCHEMA表示导出所有以“SCHEMA”结尾的数据库。 SCHEMA*表示数据库名称中只要有“SCHEMA”字符串，就全部导出。
表名	待迁移的DWS数据表名。当前为DWS集群上创建数据库和表中的“table1”表。

更多详细参数配置请参考配置关系数据库源端参数。

目的端作业参数配置，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上创建数据库和表创建的表名，即为“tabletest”。
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