OBS数据迁移到DLI服务

操作场景

数据湖探索（Data Lake Insight，简称DLI）提供大数据查询服务，本章节介绍使用CDM将OBS的数据迁移到DLI，使用流程如下：

1. 创建CDM集群
2. 创建DLI连接
3. 创建OBS连接
4. 创建迁移作业

前提条件

• 已经开通了OBS和DLI，并且当前用户拥有OBS的读取权限。
• 已经在DLI服务中创建好资源队列、数据库和表。

创建CDM集群

如果是独立CDM服务，参考创建集群创建CDM集群；如果是作为DataArts Studio服务CDM组件使用，参考创建集群创建CDM集群。

该场景下，如果CDM集群只是用于迁移OBS数据到DLI，不需要迁移其他数据源，则CDM集群所在的VPC、子网、安全组选择任一个即可，没有要求，CDM通过内网访问DLI和OBS。主要是选择CDM集群的规格，按待迁移的数据量选择，一般选择cdm.medium即可，满足大部分迁移场景。

创建DLI连接

1. 单击CDM集群后的“作业管理”，进入作业管理界面，再选择“连接管理 > 新建连接”，进入选择连接器类型的界面，如图1所示。
   图1 选择连接器类型
   

2. 连接器类型选择“数据湖探索（DLI）”后单击“下一步”，配置DLI连接参数，如图2所示。
   • 名称：用户自定义连接名称，例如“dlilink”。
   • 访问标识（AK）、密钥（SK）：访问DLI数据库的AK、SK。
   • 项目ID：DLI所属区域的项目ID。
   图2 创建DLI连接
   

3. 单击“保存”回到连接管理界面。

创建OBS连接

1. 单击CDM集群后的“作业管理”，进入作业管理界面，再选择“连接管理 > 新建连接”，进入选择连接器类型的界面，如图3所示。
   图3 选择连接器类型
   

2. 连接器类型选择“对象存储服务（OBS）”后，单击“下一步”配置OBS连接参数，如图5所示。
   • 名称：用户自定义连接名称，例如“obslink”。
   • OBS服务器、端口：配置为OBS实际的地址信息。
   • 访问标识（AK）、密钥（SK）：登录OBS的AK、SK。
     您可以通过如下方式获取访问密钥。

     1. 登录控制台，在用户名下拉列表中选择“我的凭证”。
     2. 进入“我的凭证”页面，选择“访问密钥 > 新增访问密钥”，如图4所示。
        图4 单击新增访问密钥
        
     3. 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）。
        

        • 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。
   图5 创建OBS连接
   

3. 单击“保存”回到连接管理界面。

创建迁移作业

1. 选择“表/文件迁移 > 新建作业”，开始创建从OBS迁移数据到DLI的任务，如图6所示。
   图6 创建OBS到DLI的迁移任务
   
   • 作业名称：用户自定义作业名称。
   • 源连接名称：选择创建OBS连接中的“obslink”。
     • 桶名：待迁移数据所属的桶。
     • 源目录或文件：待迁移数据的具体路径。
     • 文件格式：传输文件到数据表时，这里选择“CSV格式”或“JSON格式”。
     • 高级属性里的可选参数保持默认。
   • 目的连接名称：选择创建DLI连接中的“dlilink”。
     • 资源队列：选择目的表所属的资源队列。
     • 数据库名称：写入数据的数据库名称。
     • 表名：写入数据的目的表。CDM暂不支持在DLI中自动创表，这里的表需要先在DLI中创建好，且该表的字段类型和格式，建议与待迁移数据的字段类型、格式保持一致。
     • 导入前清空数据：导入数据前，选择是否清空目的表中的数据，这里保持默认“否”。

2. 单击“下一步”进入字段映射界面，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。
   • CDM支持迁移过程中转换字段内容，详细请参见字段转换。

3. 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可开启。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，适当的抽取并发数可以提升迁移效率，配置原则请参见性能调优。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，写入脏数据前需要在CDM先配置好OBS连接。这里保持默认值“否”即可，不记录脏数据。

   图7 任务配置
   

4. 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。
5. 作业执行成功后，单击作业操作列的“历史记录”，可查看该作业的历史执行记录、读取和写入的统计数据。

   在历史记录界面单击“日志”，可查看作业的日志信息。