华为云首页用户手册

数据治理中心 DATAARTS STUDIO-源端为MySQL，目的端为DWS:整库场景

时间：2024-09-13 17:14:06

数据治理中心 DATAARTS STUDIO

整库场景

源端配置。
1. 选择同步对象。
  - 表级同步：支持选择Mysql实例下多个库中的多张表进行同步。
  - 库级同步：支持选择Mysql实例下的多个库，对库中的所有表进行同步。
2. 添加数据源，选择需要迁移的MySQL表。
  图1 选择库表
  
  库与表均支持自定义选择，即可选择一库一表，也可选择多库多表。

目标端配置。

图2 配置目标端参数
点击放大

源库表和目标匹配策略：
- 库匹配策略：配置目标数据库的匹配策略，使数据按照规划迁移至目标库。
  用户需要提前创建对应数据库，否则可能导致后续自动建表失败。
  - 与来源库同名：会迁移至目的端对应与来源库同名的数据库中。
  - 自定义：支持用户指定目的端库名，也支持通过#{source_db_name}给源数据库名添加自定义字段变成目的端DWS表的库名。
- 表匹配策略：配置目标数据表的匹配策略，使数据按照规划迁移至目标表。同步对象为库级同步时，无此配置项。
  用户不需要提前创建对应数据表，后续作业时自动建表。
  - 与来源表同名：会迁移至目的端对应与来源表同名的表中。
  - 自定义：支持用户指定目的端表名，也支持通过内置参数#{source_table_name}给源表名添加前后缀，变成目的端Hudi表的表名。
- 写入模式：选择数据写入模式。
  UPSERT为批量更新入库模式，COPY为DWS专有的高性能批量入库模式。
- 批写最大数据量：根据表数据大小和作业内存使用，适当调整，数据范围1-10000000。
- 定时批写时间间隔：数据定时入库的间隔时间，时间1-1000，单位为秒。
- 高级配置：通过设置以下参数配置数据写入的高级属性。
  - ink.buffer-flush.max-size：根据作业配置内存和数据大小设置批写最大内存，单位:Mb。
  - sink.case-sensitive：是否对字段大小写字母敏感，可选：true/false，当写入模式为COPY MODE，主键名称含大写字母时，需要设置为true。

源表与目标表映射：同步对象为库级同步时，无此配置项。

图3 配置源表与目标表映射
点击放大

附加字段编辑：单击操作列“附加字段编辑”可为迁移后的DWS表中增加自定义字段，附加字段会成为一个新的字段加入到DWS表的建表中。

表1 附加字段值支持情况
类型	示例
常量	-
内置变量	源端host ip地址：source.host 源端schema名称：mgr.source.schema 源端table名称：mgr.source.table 目的端schema名称：mgr.target.schema 目的端table名称：mgr.target.table
字段变量	-
udf方法	substring(#col, pos[, len])：截取源端col列的子串, 范围在[pos, pos+len)。 date_format(#col, time_format[, src_tz, dst_tz])：将源端col列按time_format格式化, 可选转换时区。 now([tz])：获取指定时区的当前时间。 if(cond_exp, str1, str2)：满足条件表达式cond_exp时返回str1, 否则返回str2。 concat(#col[, #str, ...])：拼接多个参数, 可为源端列或字符串。 from_unixtime(#col[, time_format])：将unix时间戳按time_format格式化。 unix_timestamp(#col[, precision, time_format])：将时间转成unix时间戳, 可显式定义时间格式及转换后精度。