## 场景五：关系型数据库数据同步到Hive目的地（Oracle到Hive为例） ### 一、核心流程 1\. 创建数据源 & 目的地 2\. 任务设置 3\. 读取设置 4\. 写入设置 5\. 管理数据任务 ### 二、 创建数据源 :-:  * 以Oracle批量读取为例，支持实时读取（LogMinner、Agent）、批量读取的方式 * 单个数据任务只允许选择一个数据库类型作为数据源 * 关系型数据库目前支持「MySQL」、「Oralce」、「SQL Server」、「PostgreSQL」作为数据源。 详情见：[配置数据源](配置数据源.md) ### 三、创建数据目的地 详情见：[配置Hive数据目的地](chapter1/shu-ju-mu-de-di/Hive.md) ### 四、任务设置 * 确定读取端和写入端数据库后，点击「下一步」，进入任务设置。 * 如该任务为重要数据任务，您可在任务设置页面设置重要任务星标。 * 用户需要设置：参与人、数据源设置、数据目的地设置、其他设置 #### 参与人设置 * 「参与人」拥有该任务的浏览和编辑权限，并且会在通知中心收到该数据任务的所有通知，包含： * 操作记录； * 数据任务错误信息； * 错误队列信息。 * 数据源变化设置 #### 数据源设置 * 设置当前任务数据源使用资源组，通过合理分配任务与资源组，可使重要任务计算资源得到保障。 * 设置读取方式，以Oracle数据库为例，会提供两种读取方式：实时模式 & 批量读取 详情见：[Oracle读取设置](Oracle数据源设置.md) #### 数据目的地设置  * 设置当前任务数据目的地使用资源组，通过合理分配任务与资源组，可使重要任务计算资源得到保障。 * 需要配置写入并发数量、写入速率限制，具体参见：[数据目的地设置](数据目的地设置.md) * 高级设置包括：[子任务设置](子任务设置.md)、[数据源变化设置](数据源变化设置.md)、[写入一致性](写入一致性.md) #### 其他设置 详情见：[错误队列设置](错误队列设置.md) 详情见：[邮件通知设置](邮件通知设置.md) ### 五、读取设置 :-:  进入读取设置页面，用户首先需要选择读取对象，保存后即可看到上图页面。 #### 同步列表 * 读取列表显示该任务实时读取的表，点击任一表名称右侧显示该表的表结构。 * 提供搜索功能，主要支持搜索表名称。 * 点击「编辑」，可重新选择读取对象。 * 提供「批量设置」功能，包括：批量移除读取对象，批量设置执行语句。详情见：[批量功能](批量功能.md) #### 传输队列设置 详情见：[读取设置](如何设置读取规则.md) #### 读取条件设置 详情见：[SQL类型数据源读取条件设置](数据源为SQL类型.md) ### 六：写入设置 :-:  #### 写入列表 * 写入列表显示本次任务中，哪些数据源表会写入到该目的地。 * 提供搜索功能，主要支持搜索表名称。 * 点击「编辑」，可重新选择写入对象。 * 提供「批量设置」功能，包括： * 批量移除读取对象。 * 批量设置表名称（主要用于多表同结构数据往目的地一张表写入场景）。 详情见：[批量功能](批量功能1.md) #### 目的地表结构设置 * 点击任一表名称右侧显示每个目的地表的映射关系（左侧是数据源表结构）。 * 若数据目的地没有同名表，激活任务后DataPipeline会在目的地创建新表。 * 若目的地已存在同名表，目的地表名称右侧会有提示。 * 若该任务往已创建的同名表写入数据，会检查表结构是否一致。 * 若表结构一致（只检查字段名，不检查字段类型和其他属性），则正常写入数据。 * 若表结构不一致（少字段或多字段），则强制改为用户设置的表结构后再进行数据同步。 * 目的地表结构用户可修改字段名称、类型、唯一键等属性 * 「同步」功能 * 开启「同步」，任务激活后该字段数据会写入到目的地。 * 关闭「同步」，目的地依然存在该字段，但不会同步该字段值，会传空。 * 支持用户删除字段或添加字段，添加字段的值需要通过高级清洗指定逻辑。详见：[设置清洗脚本](pzgz/qxjb.md) * 清洗脚本使用方法请见：[设置清洗脚本](pzgz/qxjb.md) * 高级设置： * [子任务设置](子任务设置1.md) * [Hive分区设置](Hive分区设置.md) ### 七、数据任务详情页 #### 「数据任务统计」 * 已读取数据量： * 指 DataPipeline 从数据源已读取的数据量。 * 当 DataPipeline 系统重启，会根据断点续传机制从上一次读取记录点开始重新读取数据，重复读取的数据量不会记录到已读取数据量里。 * 无主键的定时同步时全量替换数据，故每次定时读取全量数据，数据源没有更新的数据会再次读取。 * 已处理数据量： * 指 DataPipeline 已处理的数据量，这里包括：同步到数据目的的数据量和进入到错误队列的数据量。 * 当 DataPipeline 系统重启，会根据断点续传机制从上一个读取记录点开始重新写入部分数据，但这部分数据不会记录到已写入数据量里。 * 错误队列：指已读取的数据中系统判断无法写入到数据目的地，而异步放到错误队列中的数据量。： * 读取速率：指DataPipeline从数据源读取数据的速率。 * 处理速率：指DataPipeline处理数据的速率 #### 「复制任务」 详情见：[复制任务](复制功能.md) #### 「错误队列」 详情见：[错误队列](yun-wei-guan-li/shu-ju-ren-wu-xiang-qing-ye/cuo-wu-dui-lie.md) #### 「消息列表」 详情见：[消息列表](yun-wei-guan-li/shu-ju-ren-wu-xiang-qing-ye/xiao-xi-lie-biao.md) #### 「回滚功能」 详情见：[回滚功能](回滚功能.md) #### 「重新同步」 详情见：[重新同步功能](重新同步功能.md)