阿里云云原生大数据计算服务 MaxCompute通过DataWorks数据集成迁移日志数据至MaxCompute-云淘科技

背景信息

日志服务支持以下数据同步场景：

• 跨地域的LogHub与MaxCompute等数据源的数据同步。

• 不同阿里云账号下的LogHub与MaxCompute等数据源间的数据同步。

• 同一阿里云账号下的LogHub与MaxCompute等数据源间的数据同步。

• 公共云与金融云账号下的LogHub与MaxCompute等数据源间的数据同步。

以B账号进入数据集成配置同步任务，将A账号的LogHub数据同步至B账号的MaxCompute为例，跨阿里云账号的特别说明如下：

1. 使用A账号的AccessKey ID和AccessKey Secret创建LogHub数据源。

   此时B账号可以同步A账号下所有日志服务项目的数据。

2. 使用A账号下的RAM用户A1的AccessKey ID和AccessKey Secret创建LogHub数据源。

   • A账号为RAM用户A1赋予日志服务的通用权限，即AliyunLogFullAccess和AliyunLogReadOnlyAccess，详情请参见创建RAM用户及授权。

   • A账号给RAM用户A1赋予日志服务的自定义权限。

     主账号A进入RAM控制台 > 权限管理 > 权限策略页面，单击创建权限策略。

     相关的授权请参见简介和概览。

     根据下述策略进行授权后，B账号通过RAM用户A1只能同步日志服务project_name1以及project_name2的数据。

     {
     "Version": "1",
     "Statement": [
     {
     "Action": [
     "log:Get*",
     "log:List*",
     "log:CreateConsumerGroup",
     "log:UpdateConsumerGroup",
     "log:DeleteConsumerGroup",
     "log:ListConsumerGroup",
     "log:ConsumerGroupUpdateCheckPoint",
     "log:ConsumerGroupHeartBeat",
     "log:GetConsumerGroupCheckPoint"
     ],
     "Resource": [
     "acs:log:*:*:project/project_name1",
     "acs:log:*:*:project/project_name1/*",
     "acs:log:*:*:project/project_name2",
     "acs:log:*:*:project/project_name2/*"
     ],
     "Effect": "Allow"
     }
     ]
     }

新建LogHub数据源

1. 登录DataWorks控制台，单击左侧导航栏的数据集成，在下拉框中选择对应工作空间后单击进入数据集成。

2. 单击左侧导航栏中的数据源，即可跳转至工作空间管理 > 数据源管理页面。

3. 在数据源管理页面，单击右上角的新增数据源。

4. 在新增数据源对话框中，选择数据源类型为LogHub。

5. 填写新增LogHub数据源对话框中的配置。

   参数	描述
   数据源名称	数据源名称必须以字母、数字、下划线组合，且不能以数字和下划线开头。
   数据源描述	对数据源进行简单描述，不得超过80个字符。
   LogHub Endpoint	LogHub的Endpoint，格式为http://example.com。详情请参见服务入口。
   Project	输入项目名称。
   AccessKey ID	访问密钥中的AccessKey ID，您可以进入控制台的用户信息管理页面进行复制。
   AccessKey Secret	访问密钥中的AccessKey Secret，相当于登录密码。

6. 单击测试连通性。

7. 连通性测试通过后，单击完成。

新建离线同步节点

1. 在数据源页面，单击左上角的图标，选择全部产品 > DataStudio（数据开发）。

2. 在数据开发页面，鼠标悬停至图标，单击业务流程。

3. 在新建业务流程对话框中，输入业务流程名称和描述，单击新建。

4. 展开业务流程，右键单击数据集成，选择新建节点 > 离线同步。

5. 在新建节点对话框中，输入节点名称，并选择路径。

6. 单击确认，进入离线节点编辑页面。

通过向导模式配置同步任务

1. 在离线节点编辑页面，选择数据来源。

   

   参数	描述
   数据源	输入LogHub数据源的名称。
   Logstore	目标日志库的名称。
   日志开始时间	数据消费的开始时间位点，为时间范围（左闭右开）的左边界，为yyyyMMddHHmmss格式的时间字符串（例如20180111013000）。该参数可以和DataWorks的调度时间参数配合使用。
   日志结束时间	数据消费的结束时间位点，为时间范围（左闭右开）的右边界，为yyyyMMddHHmmss格式的时间字符串（例如20180111013010）。该参数可以和DataWorks的调度时间参数配合使用。
   批量条数	一次读取的数据条数，默认为256。

   说明

   您可以进行数据预览，此处仅选择LogHub中的几条数据展现在预览框。由于您在进行同步任务时，会指定开始时间和结束时间，会导致预览结果和实际的同步结果不一致。

2. 选择MaxCompute数据源及目标表。

3. 选择字段的映射关系。

4. 在通道控制中配置作业速率上限和脏数据检查规则。

5. 确认当前节点的配置无误后，单击左上角的保存。

6. 运行离线同步节点。

   您可以通过以下两种方式运行离线同步节点：

   • 直接运行（一次性运行）

     单击节点编辑页面工具栏中的运行图标，直接在页面运行。

     说明

     运行之前需要配置自定义参数的具体取值。

   • 调度运行

     单击节点编辑页面工具栏中的提交图标，提交离线同步节点至调度系统，调度系统会根据配置的属性，从第2天开始自动定时运行。

     如上图所示，设置开始时间为系统前10分钟，结束时间为系统前5分钟：startTime=$[yyyymmddhh24miss-10/24/60] endTime=$[yyyymmddhh24miss-5/24/60]。

     如上图所示，设置离线同步节点的调度周期为分钟，从00:00~23:59每5分钟调度一次。

通过脚本模式配置离线同步节点

1. 成功创建离线同步节点后，单击工具栏中的转换脚本。

   

2. 单击提示对话框中的确认，即可进入脚本模式进行开发。

3. 单击工具栏中的导入模板。

   

4. 在导入模板对话框中，选择从来源端的LogHub数据源同步至目标端的ODPS数据源的导入模板，单击确认。

5. 导入模板后，根据自身需求编辑代码，示例脚本如下。

   {
   "type": "job",
   "version": "1.0",
   "configuration": {
   "reader": {
   "plugin": "loghub",
   "parameter": {
   "datasource": "loghub_lzz",//数据源名，需要和您添加的数据源名一致。
   "logstore": "logstore-ut2",//目标日志库的名字，LogStore是日志服务中日志数据的采集、存储和查询单元。
   "beginDateTime": "${startTime}",//数据消费的开始时间位点，为时间范围（左闭右开）的左边界。
   "endDateTime": "${endTime}",//数据消费的结束时间位点，为时间范围（左闭右开）的右边界。
   "batchSize": 256,//一次读取的数据条数，默认为256。
   "splitPk": "",
   "column": [
   "key1",
   "key2",
   "key3"
   ]
   }
   },
   "writer": {
   "plugin": "odps",
   "parameter": {
   "datasource": "odps_first",//数据源名，需要和您添加的数据源名一致。
   "table": "ok",//目标表名。
   "truncate": true,
   "partition": "",//分区信息。
   "column": [//目标列名。
   "key1",
   "key2",
   "key3"
   ]
   }
   },
   "setting": {
   "speed": {
   "mbps": 8,//作业速率上限，此处1mbps = 1MB/s。
   "concurrent": 7//并发数。
   }
   }
   }
   }