网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务

新建表/文件迁移作业

更新时间:2024-11-14 GMT+08:00
分享

操作场景

CDM可以实现在同构、异构数据源之间进行表或文件级别的数据迁移,支持表/文件迁移的数据源请参见支持的数据源

约束限制

  • 记录脏数据功能依赖于OBS服务。
  • 作业导入时,JSON文件大小不超过1MB。
  • 单文件传输大小不超过1TB。
  • 配置源端和目的端参数时,字段名不可包含&和%。

前提条件

操作步骤

  1. 进入CDM主界面,单击左侧导航上的“集群管理”,选择集群后的“作业管理”
  2. 选择表/文件迁移 > 新建作业,进入作业配置界面。

    图1 新建表/文件迁移的作业

  3. 选择源连接、目的连接:

    • 作业名称:用户自定义任务名称,名称由中文、数字、字母、中划线、下划线、点号,且首字符不能是中划线或点号组成,长度必须在1到240个字符之间,例如“oracle2rds_t”
    • 源连接名称:选择待迁移数据的数据源,作业运行时将从此端复制导出数据。
    • 目的连接名称:选择将数据迁移到哪个数据源,作业运行时会将数据导入此端。

  4. 选择源连接后,配置作业参数,例如迁移MySQL到DWS时,如图2所示。

    图2 新建作业

    每种数据源对应的作业参数不一样,其它类型数据源的作业参数请根据表1表2选择。

    表1 源端作业参数说明

    源端类型

    说明

    参数配置

    OBS

    支持以CSV、JSON或二进制格式抽取数据,其中二进制方式不解析文件内容,性能快,适合文件迁移。

    参见配置OBS源端参数

    • MRS HDFS
    • FusionInsight HDFS
    • Apache HDFS

    支持以CSV、Parquet或二进制格式抽取HDFS数据,支持多种压缩格式。

    参见配置HDFS源端参数

    • MRS HBase
    • FusionInsight HBase
    • Apache HBase
    • CloudTable

    支持从MRS、FusionInsight HD、开源Apache Hadoop的HBase,或CloudTable服务导出数据,用户需要知道HBase表的所有列族和字段名。

    参见配置HBase/CloudTable源端参数

    • MRS Hive
    • FusionInsight Hive
    • Apache Hive

    支持从Hive导出数据,使用JDBC接口抽取数据。

    Hive作为数据源,CDM自动使用Hive数据分片文件进行数据分区。

    参见配置Hive源端参数

    DLI

    支持从DLI导出数据。

    参见配置DLI源端参数

    • FTP
    • SFTP

    支持以CSV、JSON或二进制格式抽取FTP/SFTP的数据。

    参见配置FTP/SFTP源端参数

    • HTTP

    用于读取一个公网HTTP/HTTPS URL的文件,包括第三方对象存储的公共读取场景和网盘场景。

    当前只支持从HTTP URL导出数据,不支持导入。

    参见配置HTTP源端参数

    数据仓库 DWS

    支持从数据仓库 DWS导出数据。

    参见配置DWS源端参数

    SAP HANA

    支持从SAP HANA导出数据。

    参见配置SAP HANA源端参数

    • 云数据库 PostgreSQL
    • 云数据库 SQL Server
    • Microsoft SQL Server
    • PostgreSQL

    支持从云端的数据库服务导出数据。

    这些非云服务的数据库,既可以是用户在本地数据中心自建的数据库,也可以是用户在ECS上部署的,还可以是第三方云上的数据库服务。

    从这些数据源导出数据时,CDM使用JDBC接口抽取数据,源端作业参数相同,详细请参见配置PostgreSQL/SQL Server源端参数

    MySQL

    支持从MySQL导出数据。

    参见配置MySQL源端参数

    Oracle

    支持从Oracle导出数据。

    参见配置Oracle源端参数

    分库

    支持从分库导出数据。

    参见配置分库源端参数

    • MongoDB
    • 文档数据库服务(DDS)

    支持从MongoDB或DDS导出数据。

    参见配置MongoDB/DDS源端参数

    Redis

    支持从开源Redis导出数据。

    参见配置Redis源端参数

    数据接入服务(DIS)

    仅支持导出数据到云搜索服务。

    参见配置DIS源端参数

    • Apache Kafka
    • DMS Kafka
    • MRS Kafka

    仅支持导出数据到云搜索服务。

    参见配置Kafka/DMS Kafka源端参数

    • 云搜索服务
    • Elasticsearch

    支持从云搜索服务或Elasticsearch导出数据。

    参见配置Elasticsearch/云搜索服务源端参数

    MRS Hudi

    支持从MRS Hudi导出数据。

    参见配置MRS Hudi源端参数

    MRS ClickHouse

    支持从MRS ClickHouse导出数据。

    参见配置MRS ClickHouse源端参数

    神通(ST)

    支持从神通(ST)导出数据。

    参见配置神通(ST)源端参数

    达梦数据库 DM

    支持从达梦数据库 DM导出数据。

    参见配置达梦数据库 DM源端参数

  5. 配置目的端作业参数,根据目的端数据类型配置对应的参数,具体如表2所示。

    表2 目的端作业参数说明

    目的端类型

    说明

    参数配置

    OBS

    支持使用CSV或二进制格式批量传输大量文件到OBS。

    参见配置OBS目的端参数

    MRS HDFS

    导入数据到HDFS时,支持设置压缩格式。

    参见配置HDFS目的端参数

    MRS HBase

    CloudTable

    支持导入数据到HBase,创建新HBase表时支持设置压缩算法。

    参见配置HBase/CloudTable目的端参数

    MRS Hive

    支持快速导入数据到MRS的Hive。

    参见配置Hive目的端参数

    • MySQL
    • SQL Server
    • PostgreSQL

    支持导入数据到云端的数据库服务。

    使用JDBC接口导入数据,参见配置MySQL/SQL Server/PostgreSQL目的端参数

    DWS

    支持导入数据到数据仓库 DWS。

    参见配置DWS目的端参数

    Oracle

    支持导入数据到Oracle。

    参见配置Oracle目的端参数

    数据湖探索(DLI)

    支持导入数据到DLI服务。

    参见配置DLI目的端参数

    Elasticsearch或云搜索服务

    支持导入数据到云搜索服务。

    参见配置Elasticsearch/云搜索服务(CSS)目的端参数

    MRS Hudi

    支持快速导入数据到MRS的Hudi。

    参见配置MRS Hudi目的端参数

    MRS Clickhouse

    支持快速导入数据到MRS的Clickhouse。

    参见配置MRS ClickHouse目的端参数

    MongoDB

    支持快速导入数据到MongoDB。

    参见配置MongoDB目的端参数

  6. 作业参数配置完成后,单击“下一步”进入字段映射的操作页面。

    如果是文件类数据源(FTP/SFTP/HDFS/OBS)之间相互迁移数据,且源端“文件格式”配置为“二进制格式”(即不解析文件内容直接传输),则没有字段映射这一步骤。

    其他场景下,CDM会自动匹配源端和目的端数据表字段,需用户检查字段映射关系和时间格式是否正确,例如:源字段类型是否可以转换为目的字段类型。

    图3 字段映射
    说明:
    • 如果字段映射关系不正确,用户可以通过拖拽字段来调整映射关系。
    • 如果在字段映射界面,CDM通过获取样值的方式无法获得所有列(例如从HBase/CloudTable/MongoDB导出数据时,CDM有较大概率无法获得所有列,以及SFTP/FTP迁移数据到DLI的链路场景),则可以单击后选择“添加新字段”来手动增加,确保导入到目的端的数据完整。
    • 关系数据库、Hive、MRS Hudi及DLI做源端时,不支持获取样值功能。
    • 支持通过字段映射界面的,可自定义添加常量、变量及表达式。
    • 当作业源端为OBS、迁移CSV文件时,并且配置“解析首行为列名”参数的场景下显示列名。
    • SQLServer作为目的端数据源时,不支持timestamp类型字段的写入,需修改为其他时间类型字段写入(如datatime)。
    • Hive作为源端数据源时,支持array、map类型的数据读取。
    • 当使用二进制格式进行文件到文件的迁移时,没有字段映射这一步。
    • 如果是导入到数据仓库服务(DWS),则还需在目的字段中选择分布列,建议按如下顺序选取分布列:
      1. 有主键可以使用主键作为分布列。
      2. 多个数据段联合做主键的场景,建议设置所有主键作为分布列。
      3. 在没有主键的场景下,如果没有选择分布列,DWS会默认第一列作为分布列,可能会有数据倾斜风险。

  7. CDM支持字段内容转换,如果需要可单击操作列下,进入转换器列表界面,再单击“新建转换器”

    图4 新建转换器

    CDM支持以下转换器:

    • 脱敏:隐藏字符串中的关键数据。
      例如要将“12345678910”转换为“123****8910”,则参数配置如下:
      • “起始保留长度”“3”
      • “结尾保留长度”“4”
      • “替换字符”“*”
    • 去前后空格:自动删除字符串前后的空值。
    • 字符串反转:自动反转字符串,例如将“ABC”转换为“CBA”
    • 字符串替换:将选定的字符串替换。
    • 表达式转换:使用JSP表达式语言(Expression Language)对当前字段或整行数据进行转换,详细请参见字段转换
    • 去换行:将字段中的换行符(\n、\r、\r\n)删除。
    说明:

    作业源端开启“使用SQL语句”参数时不支持配置转换器。

  8. 单击“下一步”配置任务参数,单击“显示高级属性”展开可选参数。

    图5 任务参数
    各参数说明如表3所示。
    表3 任务配置参数

    参数

    说明

    取值样例

    作业失败重试

    如果作业执行失败,可选择自动重试三次或者不重试。

    建议仅对文件类作业或启用了导入阶段表的数据库作业配置自动重试,避免自动重试重复写入数据导致数据不一致。

    说明:

    如果通过DataArts Studio数据开发使用参数传递并调度CDM迁移作业时,不能在CDM迁移作业中配置“作业失败重试”参数,如有需要请在数据开发中的CDM节点配置“失败重试”参数。

    不重试

    作业分组

    选择作业的分组,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。

    DEFAULT

    是否定时执行

    如果选择“是”,可以配置作业自动启动的时间、重复周期和有效期,具体请参见配置CDM作业定时任务

    说明:

    如果通过DataArts Studio数据开发调度CDM迁移作业,此处也配置了定时任务,则两种调度均会生效。为了业务运行逻辑统一和避免调度冲突,推荐您启用数据开发调度即可,无需配置CDM定时任务。

    抽取并发数

    当前任务从源端进行读取最大线程数。

    说明:

    由于数据源限制,实际执行时并发的线程数可能小于等于此处配置的并发数,如CSS,ClickHouse数据源不支持多并发抽取。

    CDM通过数据迁移作业,将源端数据迁移到目的端数据源中。其中,主要运行逻辑如下:
    1. 数据迁移作业提交运行后,CDM会根据作业配置中的“抽取并发数”参数,将每个作业拆分为多个Task,即作业分片。
      说明:

      不同源端数据源的作业分片维度有所不同,因此某些作业可能出现未严格按作业“抽取并发数”参数分片的情况。

    2. CDM依次将Task提交给运行池运行。根据集群配置管理中的“最大抽取并发数”参数,超出规格的Task排队等待运行。

    因此作业抽取并发数和集群最大抽取并发数参数设置为适当的值可以有效提升迁移速度。

    作业抽取并发数的配置原则如下:

    1. 迁移的目的端为文件时,CDM不支持多并发,此时应配置为单进程抽取数据。
    2. 表中每行数据大小为1MB以下的可以设置多并发抽取,超过1MB的建议单线程抽取数据。
    3. 作业抽取并发数可参考集群最大抽取并发数配置,但不建议超过集群最大抽取并发数上限。
    4. 目的端为DLI数据源时,抽取并发数建议配置为1,否则可能会导致写入失败。

    其中,集群最大抽取并发数的设置与CDM集群规格有关,并发数上限建议配置为vCPU核数*2。例如8核16GB规格集群的最大抽取并发数上限为16。

    1

    加载(写入)并发数

    加载(写入)时并发执行的Loader数量。

    仅当HBase或Hive作为目的数据源时该参数才显示。

    3

    分片重试次数

    每个分片执行失败时的重试次数,为0表示不重试。

    0

    是否写入脏数据

    选择是否记录脏数据,默认不记录脏数据。

    CDM中脏数据指的是数据格式非法的数据。当源数据中存在脏数据时,建议您打开此配置。否则可能导致迁移作业失败。

    说明:

    脏数据当前仅支持写入到OBS桶路径中。因此仅当已具备OBS连接时,此参数才可以配置。

    脏数据写入连接

    “是否写入脏数据”“是”才显示该参数。

    脏数据要写入的连接,目前只支持写入到OBS连接。

    obs_link

    OBS桶

    “脏数据写入连接”为OBS类型的连接时,才显示该参数。

    写入脏数据的OBS桶的名称。

    dirtydata

    脏数据目录

    “是否写入脏数据”选择为“是”时,该参数才显示。

    OBS上存储脏数据的目录,只有在配置了脏数据目录的情况下才会记录脏数据。

    用户可以进入脏数据目录,查看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,针对该数据可以查看源数据中哪些数据不符合转换、清洗规则。

    /user/dirtydir

    单个分片的最大错误记录数

    “是否写入脏数据”“是”才显示该参数。

    单个map的错误记录超过设置的最大错误记录数则任务自动结束,已经导入的数据不支持回退。推荐使用临时表作为导入的目标表,待导入成功后再改名或合并到最终数据表。

    0

    开启限速

    设置限速可以保护源端读取压力,速率代表CDM传输速率,而非网卡流量。

    说明:
    • 支持对非二进制文件迁移的作业进行单并发限速。
    • 如果作业配置多并发则实际限制速率需要乘以并发数。
    • 文件到文件的二进制传输不支持限速功能。

    单并发速率上限(MB/s)

    CDM限速并查看作业读写速率。

    支持对到HIVE\DLI\JDBC\OBS\HDFS的作业进行单并发限速,如果配置多并发则实际速率限制需要乘以并发数。

    说明:

    限制速率为大于1的整数。

    20

    中间队列缓存大小(MB)

    数据写入时中间队列缓存大小,取值范围为1-500,默认值为64。

    如果单行数据超过该值,可能会导致迁移失败。如果该值设置过大时,可能会影响集群正常运行。请酌情设置,无特殊场景请使用默认值。例如:64

    64

  9. 单击“保存”,或者“保存并运行”回到作业管理界面,可查看作业状态。

    说明:

    作业状态有New,Pending,Booting,Running,Failed,Succeeded,stopped。

    其中“Pending”表示正在等待系统调度该作业,“Booting”表示正在分析待迁移的数据。

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容