创建CDL数据同步任务作业
操作场景
CDLService WebUI提供可视化的作业编排页面，用户可快速创建CDL作业，实现实时数据入湖。
前提条件
开启Kerberos认证的集群需已创建具有CDL管理操作权限的用户。
操作步骤
- 使用具有CDL管理操作权限的用户或admin用户（未开启Kerberos认证的集群）登录CDLService WebUI界面，请参考登录CDLService WebUI界面。
- 选择“作业管理 > 数据同步任务 > 新建作业”，在弹出的窗口中输入作业相关信息，然后单击“下一步”。
参数名称
描述
示例
Name
作业名称。
job_pgsqltokafka
Desc
描述信息。
xxx
- 在“作业管理”界面，根据业务数据流向，从界面左侧列表中分别选择“Source”和“Sink”中数据连接元素并将其拖到右侧的操作界面中。
MRS 3.2.0版本：
MRS 3.3.0及之后版本：
双击数据连接元素，并配置对应参数。
如需删除数据连接元素，选择该目标并单击界面右下角的“删除”。
表1 MySQL作业参数 参数名称
描述
示例
Link
已创建的MySQL连接。
mysqllink
Tasks Max
允许Connector创建的最大Task的数量，数据库类型的Connector只允许配置为1。
1
Mode
任务需要抓取的CDC事件类型。
- insert：插入操作
- update：更新操作
- delete：删除操作
insert、update、delete
DB Name
MySQL数据库名称。
cdl-test
Schema Auto Create
是否在启动任务时抓取表的Schema信息。
否
Connect With Hudi
是否对接Hudi。
是
DBZ Snapshot Locking Mode
任务启动执行快照时的锁模式。
none
WhiteList
待抓取表的白名单。
配置需要抓取的表的名单列表，多个表可以用英文逗号分隔，支持通配符。
可选参数，单击
显示该参数。testtable
BlackList
表的黑名单。
配置不需要抓取的表的名单列表，多个表可以用英文逗号分隔，支持通配符。
可选参数，单击
显示该参数。-
Multi Partition
是否开启Topic的多分区。
开启之后需要配置“Topic TableMapping”并指定Topic的分区数量， 单表数据将分散在多个分区中。
可选参数，单击
显示该参数。说明：- 此配置项为高危配置， 开启后无法保证数据的时间顺序。
- 默认分区数为“5”，如果需修改则需登录FusionInsight Manager，选择“集群 > 服务 > CDL > 配置”，在搜索框中搜索“topics.max.partitions”并修改该值为需要修改的分区数，例如，修改值为“10”，保存配置并重启CDL服务。
- MRS 3.3.0及之后版本，当源端表为分区表且该参数为否时，CDL创建的Topic分区表数量为源端表分区数量+1。
否
Topic Table Mapping
Topic与表的映射关系。
用于指定某个表的数据发送到指定的Topic中，开启多分区功能后需要配置Topic的分区数，分区数必须大于1。MRS 3.3.0及之后版本，数据过滤时间用于过滤数据，当源端数据的时间小于设定时间时，该数据将会被丢弃，当源端数据的时间大于设定时间时，该数据发送到下游。
单击
显示该参数。如果“Connect With Hudi”选择“是”，则该参数为必填项。testtable
testtable_topic
2023/03/10 11:33:37（MRS 3.3.0及之后版本支持）
表2 PgSQL作业参数 参数名称
描述
示例
Link
已创建的PgSQL连接。
pgsqllink
Tasks Max
允许Connector创建的最大Task的数量，数据库类型的Connector只允许配置为1。
1
Mode
任务需要抓取的CDC事件类型。
- insert：插入操作
- update：更新操作
- delete：删除操作
insert、update、delete
dbName Alias
数据库名称。
test
Schema
待连接的数据库的Schema名称。
public
Slot Name
PgSQL逻辑复制槽的名称。
不同任务之间槽名不能重名，支持小写字母和下划线。
test_solt
Enable FailOver Slot
开启Failover Slot功能，将指定为Failover Slot的逻辑复制槽信息从主实例同步到备实例，当主备切换之后逻辑订阅能够继续进行，实现逻辑复制槽的故障转移。
否
Slot Drop
任务停止时是否删除Slot。
否
Connect With Hudi
是否对接Hudi。
是
Use Exist Publication
使用已创建的publication。
是
Publication Name
已创建的publication名称。
“Use Exist Publication”选择“是”时显示该参数。
test
Start Time（MRS 3.2.0版本）
同步表的起始时间。
2022/03/16 11:33:37
Data Filter Time（MRS 3.3.0及之后版本）
数据过滤的起始时间。
2022/03/16 11:33:37
WhiteList
待抓取表的白名单。
配置需要抓取的表的名单列表，多个表可以用英文逗号分隔，支持通配符。
可选参数，单击
显示该参数。testtable
BlackList
表的黑名单。
配置不需要抓取的表的名单列表，多个表可以用英文逗号分隔，支持通配符。
可选参数，单击
显示该参数。-
Start Position
任务抓取数据的起始LSN位置。
仅MRS 3.2.0版本支持。
-
Start Txid
任务抓取数据的起始TXID位置。
仅MRS 3.2.0版本支持。
-
Multi Partition
是否开启Topic的多分区。
开启之后需要配置“Topic TableMapping”并指定Topic的分区数量， 单表数据将分散在多个分区中。
可选参数，单击
显示该参数。说明：- 此配置项为高危配置， 开启后无法保证数据的时间顺序。
- 默认分区数为“5”，如果需修改则需登录FusionInsight Manager，选择“集群 > 服务 > CDL > 配置”，在搜索框中搜索“topics.max.partitions”并修改该值为需要修改的分区数，例如，修改值为“10”，保存配置并重启CDL服务。
- MRS 3.3.0及之后版本，当源端表为分区表且该参数为否时，CDL创建的Topic分区表数量为源端表分区数量+1。
否
Topic Table Mapping
Topic与表的映射关系。
用于指定某个表的数据发送到指定的Topic中，开启多分区功能后需要配置Topic的分区数，分区数必须大于1。MRS 3.3.0及之后版本，数据过滤时间用于过滤数据，当源端数据的时间小于设定时间时，该数据将会被丢弃，当源端数据的时间大于设定时间时，该数据发送到下游。
单击
显示该参数。如果“Connect With Hudi”选择“是”，则该参数为必填项。testtable
testtable_topic
2023/03/10 11:33:37（MRS 3.3.0及之后版本）
表3 Source Hudi作业参数（MRS 3.2.0版本） 参数名称
描述
示例
Link
Hudi App使用的Link。
hudilink
Interval
同步Hudi表的时间间隔，单位：秒。
10
Start Time
同步表的起始时间。
2022/03/16 11:40:52
Max Commit Number
单次增量视图拉取Commit的最大数量。
10
Hudi Custom Config
Hudi相关的自定义配置。
-
Table Info
同步表的详细配置信息。要求Hudi与DWS的表名一致，且字段类型相同。
{"table1":[{"source.database":"base1","source.tablename":"table1"}],"table2":[{"source.database":"base2","source.tablename":"table2"}],"table3":[{"source.database":"base3","source.tablename":"table3"}]}
Execution Env
Hudi App运行时需要的环境变量，当前如果无可用的ENV，则需先手动创建ENV。
defaultEnv
表4 Source Hudi作业参数（MRS 3.3.0及之后版本） 参数名称
描述
示例
Link
Hudi App使用的Link。
hudilink
Interval
同步Hudi表的时间间隔，单位：秒。
10
Data Filter Time
数据过滤时间。
2023/08/16 11:40:52
Max Commit Number
单次增量视图拉取Commit的最大数量。
10
Hudi表属性配置方式
Hudi表属性配置方式，包括：
- 可视化视图。
- JSON视图。
可视化视图
Hudi Custom Config
Hudi相关的自定义配置。
-
Table Info
同步表的详细配置信息。要求Hudi与DWS的表名一致，且字段类型相同。
{"table1":[{"source.database":"base1","source.tablename":"table1"}],"table2":[{"source.database":"base2","source.tablename":"table2"}],"table3":[{"source.database":"base3","source.tablename":"table3"}]}
Table Info-Section Name
单表标签名称，仅支持数字、字母、下划线。
-
Table Info-Source DataBase
需要同步的Hudi数据库名称。
base1
Table Info-Source TableName
需要同步的Hudi表名。
table1
Table Info-Target SchemaName
数据写入目标数据库的Schema名称。
-
Table Info-Target TableName
数据写入目标数据库的表名称。
-
Table Info-Enable Sink Precombine
目标数据库是否启用预合并，当前仅支持目标库为DWS时启用预合并功能。
该功能用于当新值预合并字段比目标端预合并字段大时，则覆盖目标端已有数据；当新值预合并字段比目标端预合并字段小时，则丢弃新数据。
是
Table Info-Custom Config
Hudi自定义配置。
-
Execution Env
Hudi App运行时需要的环境变量，当前如果无可用的ENV，则需先手动创建ENV。
defaultEnv
表5 Source Kafka作业参数（仅适用于MRS 3.2.0版本） 参数名称
描述
示例
Link
已创建的kafka连接。
kafkalink
表6 thirdparty-kafka作业参数 参数名称
描述
示例
Link
已创建的thirdparty-kafka连接。
thirdparty-kafkalink
DB Name
待连接的数据库名称，名称只能由英文字母、数字、下划线和中划线组成，且必须以英文字母开头。
opengaussdb
Schema
待检测数据库的Schema名称。
oprngaussschema
Datastore Type
上层源的类型。
- MRS 3.2.0版本：
- opengauss
- ogg
- oracle
- drs-avro-oracle
- MRS 3.3.0及之后版本：
- drs-opengauss-json
- ogg-oracle-avro
- drs-oracle-json
- drs-oracle-avro
- opengauss
- drs-opengauss-json
Avro Schema Topic
Ogg Kafka使用的Schema Topic以JSON格式存储表的Schema。
说明：“Datastore Type”为“ogg”（MRS 3.3.0及之后版本为“ogg-oracle-avro”）显示该参数。
ogg_topic
Source Topics
源端Topic可以包含英文字母、数字、特殊字符(-,_)，各Topic应该以英文逗号分隔。
topic1
Tasks Max
允许Connector创建的最大Task的数量，数据库类型的Connector只允许配置为1。
10
Tolerance
容灾策略。
- none表示低容错，即出错后导致Connector任务失败。
- all表示高容错，出错后忽略失败的记录并继续运行。
all
Start Time（MRS 3.2.0版本）
同步表的起始时间。
2022/03/16 14:14:50
Data Filter Time（MRS 3.3.0及之后版本）
数据过滤的起始时间。
2022/03/16 14:14:50
Kaka Message Format
Kafka中的消息格式，包括：
- Debezium Json
- CDL Json
说明：- 仅MRS 3.3.0及之后版本支持该参数。
- 仅“Datastore Type”为“drs-opengauss-json”时支持该参数。
CDL Json
Multi Partition
是否开启Topic多分区功能，开启之后需要配置Topic TableMapping并指定Topic的分区数量， 单表数据将分散在多个分区中。其中：
- MRS 3.2.0版本，“Datastore Type”参数值为“ogg”或“drs-avro-oracle”或“oracle”时不支持开启Topic多分区功能。
- MRS 3.3.0及之后版本，当“Datastore Type”参数值为“ogg-oracle-avro”或“drs-oracle-avro”或“drs-oracle-json”时不支持开启Topic多分区功能。
说明：默认分区数为“5”，如果需修改则需登录FusionInsight Manager，选择“集群 > 服务 > CDL > 配置”，在搜索框中搜索“topics.max.partitions”并修改该值为需要修改的分区数，例如，修改值为“10”，保存配置并重启CDL服务。
否
Topic Table Mapping
Topic与表的映射关系。
用于指定某个表的数据发送到指定的Topic中，开启多分区功能后需要配置Topic的分区数，分区数必须大于1。MRS 3.3.0及之后版本，数据过滤时间用于过滤数据，当源端数据的时间小于设定时间时，该数据将会被丢弃，当源端数据的时间大于设定时间时，该数据发送到下游。
testtable
testtable_topic
2023/03/10 11:33:37（MRS 3.3.0及之后版本）
表7 opengauss作业参数（仅适用于MRS 3.3.0及之后版本） 参数名称
描述
示例
Link
已创建的opengauss连接。
opengausslink
Tasks Max
允许Connector创建的最大Task的数量，值为“1”。
1
Mode
任务需要抓取的CDC事件类型。
- insert：插入操作
- update：更新操作
- delete：删除操作
insert、update、delete
dbName Alias
数据库名称。
test
Slot Name
opengauss逻辑复制槽的名称。
不同任务之间槽名不能重名，支持小写字母和下划线。
test_solt
Slot Drop
任务停止时是否删除Slot。
否
Connect With Hudi
是否对接Hudi。
是
WhiteList
待抓取表的白名单。
配置需要抓取的表的名单列表，多个表可以用英文逗号分隔，支持通配符。
testtable
Data Filter Time
数据过滤时间。
-
Multi Partition
是否开启Topic的多分区。
开启之后需要配置“Topic TableMapping”并指定Topic的分区数量， 单表数据将分散在多个分区中。
说明：- 此配置项为高危配置， 开启后无法保证数据的时间顺序。
- 默认分区数为“5”，如果需修改则需登录FusionInsight Manager，选择“集群 > 服务 > CDL > 配置”，在搜索框中搜索“topics.max.partitions”并修改该值为需要修改的分区数，例如，修改值为“10”，保存配置并重启CDL服务。
否
Key Management Tool
密钥管理工具。当前仅支持“his_kms”密钥管理工具。
his_kms
Key Environment Information
密钥信息。仅配置了“Key Management Tool”密钥管理工具才支持该参数。
-
Custom Config
自定义解码配置。
-
Topic Table Mapping
Topic与表的映射关系，表名格式为：Schema名.表名。
用于指定某个表的数据发送到指定的Topic中，开启多分区功能后需要配置Topic的分区数，分区数必须大于1。数据过滤时间用于过滤数据，当源端数据的时间小于设定时间时，该数据将会被丢弃，当源端数据的时间大于设定时间时，该数据发送到下游。
如果“Connect With Hudi”选择“是”，则该参数为必填项。
cdlschema.testtable
testtable_topic
2023/03/10 11:33:37
表8 Sink Hudi作业参数 参数名称
描述
示例
Link
已创建的Hudi连接。
hudilink
Path
数据存储路径。
/cdldata
Interval
Spark RDD的执行周期，单位：秒。
1
Max Rate Per Partition
使用Kafka direct stram API时，从每个Kafka分区读取数据的最大速率限制，单位：个/秒， 0表示无限制。
0
Parallelism
写Hudi时的并发数。
100
Target Hive Database
目标Hive的数据库名称。
default
Hudi表属性配置方式
Hudi表属性配置方式，包括：
- 可视化视图
- JSON视图
可视化视图
Hudi表属性全局配置
Hudi侧的全局参数。
-
Hudi表属性配置
Hudi表属性配置。
-
Hudi表属性配置-Table Name/Source Table Name（MRS 3.3.0及之后版本）
源端表名。
-
Hudi表属性配置-Table Type Opt Key
Hudi表类型，包括：
- COPY_ON_WRITE
- MERGE_ON_READ
MERGE_ON_READ
Hudi表属性配置-Hudi TableName Mapping
Hudi表名称，如果不设置，则默认与源表名相同。
-
Hudi表属性配置-Hive TableName Mapping
Hudi表同步到Hive的表名映射关系，自定义表名。
-
Hudi表属性配置-Table Primarykey Mapping
Hudi表的主键对应关系。
id
Hudi表属性配置-Table Hudi Partition Type
Hudi表和分区字段映射关系，如果Hudi表采用分区表，则需要配置表名和分区字段的对应关系，包括“time”和“customized”。
time
Hudi表属性配置-Custom Config
自定义配置。
说明：MRS 3.3.0及之后版本，从MySQL同步数据到Hudi时，需要指定“hoodie.datasource.write.precombine.field”参数，如果MySQL的timestamp、datetime类型精度只支持秒级，则不建议指定timestamp、datetime类型及_hoodie_event_time字段作为precombine字段。该功能用于当新值预合并字段比Hudi端预合并字段大时，则覆盖Hudi端已有数据；当新值预合并字段比Hudi端预合并字段小时，则丢弃新数据。
-
Execution Env
Hudi App运行时需要的环境变量，当前如果无可用的ENV，则需先参考管理CDL ENV变量进行创建。
defaultEnv
表9 Sink Kafka作业参数 参数名称
描述
示例
Link
已创建的kafka连接。
kafkalink
表10 DWS作业参数 参数名称
描述
示例
Link
Connector使用的连接。
dwslink
Query Timeout
连接DWS的超时时间，单位：毫秒。
180000
Batch Size
批次写入DWS的数据量。
50
Sink Task Number
单个表写入DWS时的最大并行作业数。
-
DWS Custom Config
自定义配置。
-
表11 ClickHouse作业参数 参数名称
描述
示例
Link
Connector使用的连接。
dwslink
Query Timeout
连接ClickHouse的超时时间，单位：毫秒。
60000
Batch Size
批次写入ClickHouse的数据量。
说明：设置单批次写入ClickHouse的数据量时数值尽量大，建议取值范围为：10000~100000。
100000
- 作业参数配置完成后，拖拽图标将作业进行关联，然后单击“保存”，作业配置完成。
- 在“作业管理”的作业列表中，找到创建的作业名称，单击操作列的“启动”，等待作业启动。
观察数据传输是否生效，例如在MySQL数据库中对作业中指定的表进行插入数据操作，查看Hudi导入的文件内容是否正常。
