# 典型场景示例：迁移Kafka数据至DLI 本文为您介绍如何通过CDM数据同步功能，迁移MRS Kafka数据至DLI。 #### 前提条件 - 已创建DLI的SQL队列。创建DLI队列的操作可以参考[创建DLI队列](https://support.huaweicloud.com/usermanual-dli/dli_01_0363.html)。 ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/caution_3.0-zh-cn.png) 创建DLI队列时**队列类型** 需要选择为"**SQL队列**"。 - 已创建包含Kafka组件的MRS安全集群。具体创建MRS集群的操作可以参考[创建MRS集群](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0513.html)。 - 本示例创建的MRS集群版本为：MRS 3.1.0。 - 本示例创建的MRS集群开启了Kerberos认证。 - 已创建CDM迁移集群。创建CDM集群的操作可以参考[创建CDM集群](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0018.html)。 ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/note_3.0-zh-cn.png) - 如果目标数据源为云下的数据库，则需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP、CDM云上安全组出方向放通云下数据源所在的主机、数据源所在的主机可以访问公网且防火墙规则已开放连接端口。 - 数据源为云上的MRS、DWS时，网络互通需满足如下条件： i. CDM集群与云上服务处于不同区域的情况下，需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP，数据源所在的主机可以访问公网且防火墙规则已开放连接端口。 ii. CDM集群与云上服务同区域情况下，同虚拟私有云、同子网、同安全组的不同实例默认网络互通；如果同虚拟私有云但是子网或安全组不同，还需配置路由规则及安全组规则。 配置路由规则请参见[如何配置路由规则](https://support.huaweicloud.com/bestpractice-vpc/bestpractice_0009.html#bestpractice_0009__zh-cn_topic_0252060877_li16617547103419)章节，配置安全组规则请参见[如何配置安全组规则](https://support.huaweicloud.com/usermanual-ecs/zh-cn_topic_0140323152.html)章节。 iii. 此外，您还必须确保该云服务的实例与CDM集群所属的企业项目必须相同，如果不同，需要修改工作空间的企业项目。 本示例CDM集群的虚拟私有云、子网以及安全组和创建的MRS集群保持一致。 #### 步骤一：数据准备 - MRS集群上创建Kafka的Topic并且向Topic发送消息。 1. 参考[访问MRS Manager](https://support.huaweicloud.com/cmpntguide-mrs/mrs_01_2124.html)登录MRS Manager。 2. 在MRS Manager上，选择"系统 \> 权限 \> 用户"，单击"添加用户"，在添加用户页面分别配置如下参数。 1. 用户名：自定义的用户名。当前示例输入为：testuser2。 2. 用户类型：当前选择为"人机"。 3. 密码和确认密码：输入当前用户名对应的密码。 4. 用户组和主组：选择kafkaadmin。 5. 角色：选择Manager_viewer角色。 图1MRS Manager上创建Kafka用户 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035925116.png "点击放大") 3. 在MRS Manager上，选择"集群 \> 待操作的集群名称 \> 服务 \> ZooKeeper \> 实例"，获取ZooKeeper角色实例的IP地址，为后续步骤做准备。 4. 在MRS Manager上，选择"集群 \> 待操作的集群名称 \> 服务 \> kafka \> 实例"，获取kafka角色实例的IP地址，为后续步骤做准备。 5. 参考[安装MRS客户端](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0090.html)下载并安装Kafka客户端。例如，当前Kafka客户端安装在MRS主机节点的"/opt/kafkaclient"目录上。 6. 以root用户进入客户端安装目录下。 例如：**cd /opt/kafkaclient** 7. 执行以下命令配置环境变量。 **source bigdata_env** 8. 因为当前集群启用了Kerberos认证，则需要执行以下命令进行安全认证。认证用户为[2]中创建的用户。 **kinit** *[2]中创建的用户名* 例如，**kinit** **testuser2** 9. 执行以下命令创建名字为kafkatopic的Kafka Topic。 ``` kafka-topics.sh --create --zookeeper ZooKeeper角色实例所在节点IP地址1:2181,ZooKeeper角色实例所在节点IP地址2:2181,ZooKeeper角色实例所在节点IP地址3:2181/kafka --replication-factor 1 --partitions 1 --topic kafkatopic ``` 上述命令中的"ZooKeeper角色实例所在节点IP地址"即为[3]中获取的ZooKeeper实例IP。 10. 执行以下命令向kafkatopic发送消息。 ``` kafka-console-producer.sh --broker-list Kafka角色实例所在节点的IP地址1:21007,Kafka角色实例所在节点的IP地址2:21007,Kafka角色实例所在节点的IP地址3:21007 --topic kafkatopic --producer.config /opt/kafkaclient/Kafka/kafka/config/producer.properties ``` 上述命令中的"Kafka角色实例所在节点的IP地址"即为[4]中获取的Kafka实例IP。 发送测试消息内容如下： ``` {"PageViews":5, "UserID":"4324182021466249494", "Duration":146,"Sign":-1} ``` - 在DLI上创建数据库和表。 1. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列。 在编辑器中输入以下语句创建数据库，例如当前创建迁移后的DLI数据库testdb。详细的DLI创建数据库的语法可以参考[创建DLI数据库](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0071.html)。 ``` create database testdb; ``` 2. 创建数据库下的表。详细的DLI建表语法可以参考[创建DLI表](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0098.html)。 ``` CREATE TABLE testdlitable(value STRING); ``` #### 步骤二：数据迁移 1. 配置CDM数据源连接。 1. 配置源端MRS Kafka的数据源连接。 1. 登录CDM控制台，选择"集群管理"，选择已创建的CDM集群，在操作列选择"作业管理"。 2. 在作业管理界面，选择"连接管理"，单击"新建连接"，连接器类型选择"MRS Kafka"，单击"下一步"。 图2创建MRS Kafka数据源 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035766756.png "点击放大") 3. 配置源端MRS Kafka的数据源连接，具体参数配置如下。 表1MRS Kafka数据源配置 | 参数 | 值 | |:---|:---| | 名称 | 自定义MRS Kafka数据源名称。例如当前配置为"source_kafka"。 | | Manager IP | 单击输入框旁边的"选择"按钮，选择当前MRS Kafka集群即可自动关联出来Manager IP。 | | 用户名 | 在[2]中创建的MRS Kafka用户名。 | | 密码 | 对应MRS Kafka用户名的密码。 | | 认证类型 | 如果当前MRS集群为普通集群则选择为SIMPLE，如果是MRS集群启用了Kerberos安全认证则选择为KERBEROS。 本示例选择为：KERBEROS。 | 更多参数的详细说明可以参考[CDM上配置Kafka连接](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0094.html)。 图3CDM配置MRS Kafka数据源连接 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002072004653.png "点击放大") 4. 单击"保存"完成MRS Kafka数据源配置。 2. 配置目的端DLI的数据源连接。 1. 登录CDM控制台，选择"集群管理"，选择已创建的CDM集群，在操作列选择"作业管理"。 2. 在作业管理界面，选择"连接管理"，单击"新建连接"，连接器类型选择"数据湖探索（DLI）"，单击"下一步"。 图4创建DLI数据源连接 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002071886073.png "点击放大") 3. 配置目的端DLI数据源连接连接参数。具体参数配置可以参考[在CDM上配置DLI连接](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0050.html)。 图5配置DLI数据源连接参数 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035925120.png "点击放大") 4. 配置完成后，单击"保存"完成DLI数据源配置。 2. 创建CDM迁移作业。 1. 登录CDM控制台，选择"集群管理"，选择已创建的CDM集群，在操作列选择"作业管理"。 2. 在"作业管理"界面，选择"表/文件迁移"，单击"新建作业"。 3. 在新建作业界面，配置当前作业配置信息，具体参数参考如下： 图6新建CDM作业作业配置 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035766760.png "点击放大") 1. 作业名称：自定义数据迁移的作业名称。例如，当前定义为：test。 2. 源端作业配置，具体参考如下： 表2源端作业配置 | 参数名 | 参数值 | |:---|:---| | 源连接名称 | 选择[1.a]中已创建的数据源名称。 | | Topics | 选择MRS Kafka待迁移的Topic名称，支持单个或多个Topic。当前示例为：kafkatopic。 | | 数据格式 | 根据实际情况选择当前消息格式。本示例选择为：CDC（DRS_JSON），以DRS_JSON格式解析源数据。 | | 偏移量参数 | 从Kafka拉取数据时的初始偏移量。本示例当前选择为：最新。 - 最新：最大偏移量，即拉取最新的数据。 - 最早：最小偏移量，即拉取最早的数据。 - 已提交：拉取已提交的数据。 - 时间范围：拉取时间范围内的数据。 | | 是否持久运行 | 用户自定义是否永久运行。当前示例选择为：否。 | | 拉取数据超时时间 | 持续拉取数据多长时间超时，单位分钟。当前示例配置为：15。 | | 等待时间 | 可选参数，超出等待时间还是无法读取到数据，则不再读取数据，单位秒。当前示例不配置该参数。 | | 消费组ID | 用户指定消费组ID。当前使用MRS Kafka默认的消息组ID："example-group1"。 | 其他参数的详细配置说明可以参考：[CDM配置Kafka源端参数](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0096.html)。 3. 目的端作业配置，具体参考如下： 表3目的端作业配置 | 参数名 | 参数值 | |:---|:---| | 目的连接名称 | 选择[1.b]已创建的DLI数据源连接。 | | 资源队列 | 选择已创建的DLI SQL类型的队列。 | | 数据库名称 | 选择DLI下已创建的数据库。当前示例为[在DLI上创建数据库和表]中创建的数据库名，即为"testdb"。 | | 表名 | 选择DLI下已创建的表名。当前示例为[在DLI上创建数据库和表]中创建的表名，即为"testdlitable"。 | | 导入前清空数据 | 选择导入前是否清空目的表的数据。当前示例选择为"否"。 如果设置为是，任务启动前会清除目标表中数据。 | 详细的参数配置可以参考：[CDM配置DLI目的端参数](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0078.html)。 3. 单击"下一步"，进入到字段映射界面，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。 - 如果选择在目的端自动创建类型，这里还需要配置每个类型的字段类型、字段名称。 - CDM支持迁移过程中转换字段内容，详细请参见[字段转换](https://support.huaweicloud.com/bestpractice-dataartsstudio/dataartsstudio_05_0012.html)。 图7字段映射 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002072004657.png "点击放大") 4. 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，请参见[配置定时任务](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0067.html)。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。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，写入脏数据前需要先配置好OBS连接。这里保持默认值"否"即可，不记录脏数据。 5. 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。 图8迁移作业进度和结果查询 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002071886077.png "点击放大") #### 步骤三：结果查询 CDM迁移作业运行完成后，再登录到DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择已[1]已创建的数据库，执行DLI表查询语句，查询Kafka数据是否已成功迁移到DLI的"testdlitable"表中。 ``` select * from testdlitable; ```