文档首页/ 数据治理中心 DataArts Studio/ 用户指南/ 数据开发/ 离线处理集成作业开发/ 配置作业目的端参数/ 配置OBS目的端参数
更新时间：2024-08-08 GMT+08:00
查看PDF
分享

配置OBS目的端参数

支持使用CSV、CarbonData或二进制格式批量传输大量文件到OBS。

表1 OBS作为目的端时的作业参数

参数类型

参数名

说明

取值样例

基本参数

桶名

写入数据的OBS桶名。

bucket_2

写入目录

写入数据到OBS服务器的目录，目录前面不加“/”。

该参数支持配置为时间宏变量，且一个路径名中可以有多个宏定义变量。使用时间宏变量和定时任务配合，可以实现定期同步新增数据，详细说明请参见使用时间宏变量完成增量同步。

说明：

如果配置了时间宏变量，通过DataArts Studio数据开发调度CDM迁移作业时，系统会将时间宏变量替换为“数据开发作业计划启动时间-偏移量”，而不是“CDM作业实际启动时间-偏移量”。

directory/

文件格式

传输数据时使用的格式。其中CSV和JSON仅支持迁移到数据表场景，二进制格式适用于文件迁移场景。例如：CSV格式。

写入后的文件格式，可选择以下文件格式：
  • CSV格式：按CSV格式写入，适用于数据表到文件的迁移。
  • Parquet格式：按Parquet格式写入，适用于数据表到文件的迁移。
  • ORC格式：按ORC格式写入，适用于数据表到文件的迁移。
  • 二进制格式：选择“二进制格式”时不解析文件内容直接传输，CDM会原样写入文件，不改变原始文件格式，适用于文件到文件的迁移。

如果是文件类数据源（FTP/SFTP/HDFS/OBS）之间相互迁移数据，此处的“文件格式”只能选择与源端的文件格式一致。

说明：
  • 当源端为MRS Hive数据源时，仅支持配置CSV格式。
  • 当源端为FTP/SFTP数据源时，仅支持配置二进制格式。

CSV格式

重复文件处理方式

“文件格式”为“CSV”时不存在该参数。

  • （二进制格式时）对于Binary，CSV的文件迁移场景，判断条件为文件名相同，文件大小相同。
    • REPLACE：替换重复文件。
    • SKIP：跳过重复文件。
    • ABANDON：停止任务。
  • 对于Parquet、ORC的结构化集成场景，判断条件为自定义文件名前缀匹配。
    • REPLACE：写入前清理自定义文件名前缀匹配的所有文件。例如“自定义文件名”：“abc”，将清理所有abc开头的文件。
    • APPEND：写入前不进行任何处理
    • ABANDON：如果目录下存在自定义文件名前缀匹配的文件，直接报错。

REPLACE

高级属性

字段分隔符

文件中的字段分隔符。“文件格式”为“二进制格式”时该参数值无效。

,

写入文件大小

源端为数据库时该参数才显示，支持按大小分成多个文件存储，避免导出的文件过大，单位为MB。

1024

编码类型

文件编码类型，例如：“UTF-8”或“GBK”。“文件格式”为“二进制格式”时该参数值无效。

GBK

首行为标题行

从关系型数据库导出数据到OBS，“文件格式”为“CSV格式”时，才有该参数。

在迁移表到CSV文件时，CDM默认是不迁移表的标题行，如果该参数选择“是”，CDM在才会将表的标题行数据写入文件。

否

校验MD5值

计算源文件的MD5值，并与OBS返回的MD5值进行校验。

“文件格式”为“二进制格式”时，才有该参数。

如果源端已经存在MD5文件，则直接读取源端的MD5文件与OBS返回的MD5值进行校验。例如：否

否

记录校验结果

“文件格式”为“二进制格式”时，才有该参数。

将MD5的校验结果写入到OBS。记录每个文件的校验结果。例如：否

否

作业成功标识文件

当作业执行成功时，会在写入目录下生成一个标识文件，文件名由用户指定。不指定时默认关闭该功能。

finish.txt

使用包围符

“文件格式”为“CSV格式”，才有该参数，用于将数据库的表迁移到文件系统的场景。

选择“是”时，如果源端数据表中的某一个字段内容包含字段分隔符或换行符，写入目的端时CDM会使用双引号（"）作为包围符将该字段内容括起来，作为一个整体存储，避免其中的字段分隔符误将一个字段分隔成两个，或者换行符误将字段换行。例如：数据库中某字段为hello,world，使用包围符后，导出到CSV文件的时候数据为"hello,world"。

否

自定义目录层次

选择“是”时，支持迁移后的文件按照自定义的目录存储。即只迁移文件，不迁移文件所归属的目录。

是

目录层次

自定义迁移后文件的存储路径，支持时间宏变量。

说明：

源端为关系型数据库数据源时，目录层次为源端表名+自定义目录，其他场景下为自定义目录。

${dateformat(yyyy-MM-dd HH:mm:ss, -1, DAY)}

压缩格式

“文件格式”为“CSV”时不存在该参数。

选择对应压缩格式的源文件：

  • 无：表示传输所有格式的文件。
  • GZIP：表示只传输GZIP格式的文件。

无

加密方式
选择是否对上传的数据进行加密，以及加密方式：
  • 无：不加密，直接写入数据。
  • KMS：使用数据加密服务中的KMS进行加密。如果启用KMS加密则无法进行数据的MD5校验。

详细使用方法请参见迁移文件时加解密。

KMS

KMS ID

写入文件时加密使用的密钥，“加密方式”选择“KMS”时显示该参数。单击输入框后面的，可以直接选择在数据加密服务中已创建好的KMS密钥。

  • 当使用与CDM集群相同项目下的KMS密钥时，不需要修改下面的“项目ID”参数。
  • 当用户使用其它项目下的KMS密钥时，需要修改下面的“项目ID”参数。

53440ccb-3e73-4700-98b5-71ff5476e621

项目ID

KMS ID所属的项目ID，该参数默认值为当前CDM集群所属的项目ID。

  • 当“KMS ID”与CDM集群在同一个项目下时，这里的“项目ID”保持默认即可。
  • 当“KMS ID”使用的是其它项目下的KMS ID时，这里需要修改为KMS所属的项目ID。

9bd7c4bd54e5417198f9591bef07ae67

复制Content-Type属性

“文件格式”为“二进制格式”时，才有该参数。

上传对象时复制源文件的“Content-Type”属性，主要用于静态网站的迁移场景。不支持写入到归档存储的桶。

否

自定义文件名

从关系型数据库导出数据到OBS，且“文件格式”为“CSV格式”时，才有该参数。

用户可以通过该参数自定义OBS端生成的文件名，支持以下自定义方式：
  • 字符串，支持特殊字符。例如“cdm#”，则生成的文件名为“cdm#.csv”。
  • 时间宏，例如“${timestamp()}”，则生成的文件名为“1554108737.csv”。
  • 表名宏，例如“${tableName}”，则生成的文件名为源表名“sqltabname.csv”。
  • 版本宏，例如“${version}”，则生成的文件名为集群版本号“2.9.2.200.csv”。
  • 字符串和宏（时间宏/表名宏/版本宏）任意组合，例如“cdm#${timestamp()}_${version}”，则生成的文件名为“cdm#1554108737_2.9.2.200.csv”。

cdm

Blob开关

从关系型数据库导出数据到OBS，才有该参数。

启用后将会以根目录-表名-数据类型-数据的文件夹模型生成文件。例如：raw_schema/tbl_student/datas/tbl_student_1.csv

否

Blog文件扩展名

“文件夹模式”为“是”时，才有该参数。文件夹模式下自定义Blob/Clog数据的文件扩展名。

.dat/.jpg/.png

相关文档