步骤2：数据集成

OBS数据迁移到DWS

登录DataArts Studio控制台。选择实例，单击“进入控制台”，选择对应工作空间的“数据集成”模块，进入数据集成页面。

图1 选择数据集成
进入DataArts Studio数据集成主页面，单击操作列的“作业管理”。

图2 作业管理
在作业管理界面，选择“连接管理 - 新建连接”，进入创建连接页面。

在创建连接页面，选择“对象存储服务（OBS）”，新建CDM到OBS的连接，数据连接名称为“obs_link”。

表1 OBS连接的参数
参数名	说明	取值样例
名称	连接的名称，根据连接的数据源类型，用户可自定义便于记忆、区分的连接名。	obs_link
OBS终端节点	终端节点（Endpoint）即调用API的请求地址，不同服务不同区域的终端节点不同。您可以通过以下方式获取OBS桶的Endpoint信息： OBS桶的Endpoint，可以进入OBS控制台概览页，单击桶名称后查看桶的基本信息获取。	-
端口	数据传输协议端口，https是443，http是80。	443
OBS桶类型	用户下拉选择即可，一般选择为“对象存储”。	对象存储
访问标识(AK)	AK和SK分别为登录OBS服务器的访问标识与密钥。您需要先创建当前账号的访问密钥，并获得对应的AK和SK。您可以通过如下方式获取访问密钥。登录控制台，在用户名下拉列表中选择“我的凭证”。进入“我的凭证”页面，选择“访问密钥 > 新增访问密钥”，如图3所示。图3 单击新增访问密钥单击“确定”，根据浏览器提示，保存密钥文件。密钥文件会直接保存到浏览器默认的下载文件夹中。打开名称为“credentials.csv”的文件，即可查看访问密钥（Access Key Id和Secret Access Key）。说明：每个用户仅允许新增两个访问密钥。为保证访问密钥的安全，访问密钥仅在初次生成时自动下载，后续不可再次通过管理控制台界面获取。请在生成后妥善保管。	-
密钥(SK)		-

图4 创建OBS连接

在创建连接页面，选择“数据仓库服务（DWS）”，新建CDM到DWS的连接，数据连接名称为“dws_link”。

表2 DWS连接参数
参数名	说明	取值样例
名称	连接的名称，根据连接的数据源类型，用户可自定义便于记忆、区分的连接名。	dws_link
数据库服务器	单击输入框后的“选择”，可获取用户的DWS实例列表。	-
端口	配置为要连接的数据库的端口。DWS数据库端口默认为8000。	8000
数据库名称	配置为要连接的数据库名称。	demo
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。	dbadmin
密码	用户密码。	-
使用Agent	是否选择通过Agent从源端提取数据。	否

图5 创建DWS连接
点击放大

CDM到OBS和DWS的连接创建成功后，单击“表/文件迁移”，再单击“新建作业”。

图6 新建作业
按照如下步骤完成作业参数的配置。
1. 如图7所示，配置作业名为movies_obs2dws，配置源端作业参数，然后配置目的端作业参数。
  
  在本示例中，目的端作业参数“导入开始前”配置为“清除全部数据”，表示每次作业运行都会先清空数据再导入。在实际业务中，请视情况而定，需谨慎设置，以免造成数据丢失。
  
  图7 作业配置
2. 在源端、目的作业配置区域，单击“显示高级属性”，在“高级属性”中，系统提供了默认值，请根据实际业务数据的格式设置各项参数。
  例如，本例中根据数据源准备中的样例数据格式，源端高级属性需注意以下参数的设置，其他参数均保留默认值即可，如图8所示。目的端高级属性无需配置。
  - 字段分隔符：默认值为逗号，本示例需要保留默认值。
  - 使用包围符：由于IMDbURL有的原始数据中包含“,”，需要修改默认值为“是”。
  - 前N行为标题行：默认值为“否”，本示例首行是标题行，修改默认值为“是”，标题行数配置为1。
  图8 源端高级属性
3. 单击“下一步”后，请参考以下说明配置字段映射，如图9所示，配置完成后，单击“下一步”。
  字段映射：在本示例中，由于数据迁移的目标表字段顺序和原始数据的字段顺序是一样的，因此这里不需要调整字段映射的顺序。
  
  如果目标表字段顺序和原始数据不一致，请一一将源字段指向含义相同的目的字段。请将鼠标移至某一个字段的箭头起点，当光标显示为“+”的形状时，按住鼠标，将箭头指向相同含义的目的字段，然后松开鼠标。
  
  图9 字段映射
4. 根据需要配置任务的重试和定时执行、高级属性等。在本示例中仅需将“是否写入脏数据”设置为“是”，其他配置项保持默认即可。
  图10 任务配置
  
  单击“显示高级属性”，可配置“抽取并发数”以及“是否写入脏数据”，如图10所示。
  - 抽取并发数：设置同时执行的抽取任务数。并发抽取数取值范围为1-1000，若配置过大，则以队列的形式进行排队。
    CDM迁移作业的抽取并发量，与集群规格和表大小有关。
    - 按集群规格建议每1CUs（1CUs=1核4G）配置为4。
    - 表每行数据大小为1MB以下的可以多并发抽取，超过1MB的建议单线程抽取数据。
  - 是否写入脏数据：建议配置为“是”，然后参考图10配置相关参数。脏数据是指与目的端字段不匹的数据，该数据可以被记录到指定的OBS桶中。用户配置脏数据归档后，正常数据可以写入目的端，迁移作业不会因脏数据中断。
    在本示例中，“OBS桶”配置为在数据源准备中创建的桶“fast-demo”，您需要前往OBS控制台，在桶中创建一个目录，例如err_data，然后再将“脏数据目录”配置为该目录。
单击“保存并运行”完成作业的创建。
返回“表/文件迁移”页面后，可在作业列表中查看到新建的作业。

图11 迁移作业运行结果
参考步骤6~步骤8，再新建名为ratings_obs2dws的迁移作业，将ratings.csv数据迁移到DWS的ratings_item表中。待作业运行成功后，数据迁移结束。

图12 数据迁移结果
数据迁移结束后，您也可以跳转到数据开发页面，新建一个DWS SQL脚本，并分别执行以下SQL语句检查DWS中的movies_item和ratings_item表数据是否符合预期。
- 查看movies_item表数据：
```
SET SEARCH_PATH TO dgc;
SELECT * FROM movies_item;
```
- 查看ratings_item表数据：
```
SET SEARCH_PATH TO dgc;
SELECT * FROM ratings_item;
```
图13 查看DWS表数据