更新时间:2024-04-29 GMT+08:00

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

  1. 配置CDM数据源连接。
    1. 创建源端DWS数据库的连接。
      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“数据仓库服务(DWS)”,单击“下一步”。
      3. 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

        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

        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。

    2. 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。

  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5 CDM数据迁移作业配置
      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。

        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

      3. 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

      4. 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
      5. 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。
      6. 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

步骤三:结果查询

CDM迁移作业运行完成后,再登录到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,数据库选择在DLI上创建数据库和表中已创建的数据库,执行DLI表查询语句,查询DWS表数据是否已成功迁移到DLI的“tabletest”表中。
select * from tabletest;
图8 查询DLI表数据