阿里云大数据实战记录1：不同模式建表及同步

一、标准模式建表

1.1 标准模式：代码建表

在对应的业务流程里新建ODPS SQL文件

填写相关配置

然后敲代码，比如我这里建立一个名叫dm_users_test.sql的文件做测试，敲完代码，运行。

-- dm_users_test.sql

-- 代码建表
create table if not exists dm_users_test
(
    id   bigint comment'用户id'
    ,sex string comment '用户性别'
)comment '测试表_by xin';

-- 插入数据SQL
INSERT OVERWRITE TABLE  dm_users_test
SELECT id,sex
FROM for_ods.users
limit 100;

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

运行完，如果没有报错，则表示已经通过代码建完表。这时通过表管理找到对应的表单，打开加上中文名，然后分别提交到开发环境和生成环境。

接下来是开发程序插入数据，也可以建表时完成，像我上面展示的代码，已经把建表和插入数据的代码放一起运行，建完表就插入了数据。
接下来就是给代码文件配置调度，并提交。将代码文件提交时注意把建表语句注释掉，减少一次执行，省资源。

提交时，或有一些审核和测试，根据自己的流程走。

我这里直接提交，然后到了发布步骤。提交后点击右上角蓝色的发布，点击跳转到发布界面。

在发布界面点击发布即可。

如果有多个待发布，也可以多选，底部会出现发布选中项选项，可以批量发布。

发布后点击右上角蓝色的运维，点击跳转到运维界面。

在周期实例中可以搜索节点名称，注意使用提交的文件的文件名搜索，而不是表的名字，如果二者名称一致，则无所谓。在没有多个SQL文件操作同一个表（如：一个SQL文件增量刷新，一个SQL文件定期全量刷新的场景）的情况下，一般建议SQL文件名和表名保持一致，方便查找维护。
实例开始执行之后便可在生产环境表中插入数据。

1.2 标准模式：可视化建表

可视化建表和代码建表，在建表前会有一些差异，建表之后的操作是一致的，都要发布到开发环境和生产环境，然后开发代码以插入数据，设置调度、提交、发布。

下面主要讲讲可视化讲标的方法，其实很简单。
【表管理】界面，新建表，选择引擎和输入表名，新建。

填写相关建表信息，然后提交到开发和生产环境。（由于我已经发布开发环境，所以开发环境是灰色的）

提交开发开发和生产环境之后，就可以建SQL文件，开发代码，并设置调度、提交、发布。（同代码建表，略）

除了【表管理】，在【数据开发】界面也可以，如下图，选择新建>新建表>根据自己的需要选择引擎。

然后弹出一个窗口，选择对应的业务流程和表名称，然后新建。接下来就和表管理的第二步类似了，填写相关建表信息，然后提交到开发和生产环境。

二、简单模式建表

学会了标准模式建表之后，简单模式就很简单了。
简单模式不分开发环境和生产环境，在标准化建表的流程上，改同步两个环境为一个环境，砍掉发布环节，设置调度提交之后直接生成周期实例。

⚠️注意点

注意！！！不同实例生成方式对自动调度的周期实例会有一些影响：

• T+1次日生成：
  • 23:30之前提交发布的任务，第二天周期实例生效，并自动调度运行。
  • 23:30之后提交发布的任务，第三天周期实例生效，并自动调度运行。
• 发布后即时生成：
  • 23:30之前提交发布的任务，当天生成周期实例并自动调度。
    • 任务的定时运行时间在提交发布时间点**10分钟后**，DataWorks才会正常生成实例，该实例会真实跑数据。
    • 任务的定时运行时间距离提交发布时间不足10分钟时，DataWorks会生成一个已完成的实例，实例状态为实时生成的过期实例，过期实例不会真实跑数据。
  • 23:30之后提交发布的任务，实时转实例功能不生效。需要等到提交发布后的第三天实例才生效。

已有的实例从T+1次日生成变更为发布后即时生成，对当天实例的影响：已运行的实例会保留，未运行的实例将会被替换为实时转出的实例。

三、表单数据同步🔁

3.1 数据集成

当数据需要同步到其他的平台时，可以通过数据集成，新建离线或实时同步文件，配置好数据来源和数据去向。

如果数据去向没有相关数据源，需要先在工作空间管理新增数据源。

3.2 外部表

外部表有多种形式，还没有研究完，感兴趣可以自行阅读官方文档：数据导入导出和。
下面主要讲讲将maxcomputer数据导出到ADB MySQL的场景：
注：建外表时，建议在源表基础上加上_external_table后缀，方便搜索维护。

大概两点：
1、建外表时加上TABLE_PROPERTIES配置，大致如下：
假设

• maxcomputer的源表（生产环境使用）是odps_project1.odps_nopart_import_test
• ADB MySQL外部表（用于同步数据）是：adb_test.odps_nopart_import_test_external_table
• ADB MySQL同步表（生产环境使用）是：adb_test.odps_nopart_import_test

CREATE TABLE IF NOT EXISTS odps_nopart_import_test_external_table  -- 在ADB MySQL建表，该表称外部表
(
  id int,
  name string,
  age int,
  dt string
)
ENGINE='ODPS'
TABLE_PROPERTIES='{
"endpoint":"http://service.cn.maxcompute.aliyun-inc.com/api", -- 阿里云的域名节点，参考https://help.aliyun.com/document_detail/34951.htm?spm=a2c4g.11186623.0.0.296d1fae4ZDeR0#section-oit-45y-23z
"accessid":"***********",        -- 账号的AK信息，参考：https://help.aliyun.com/document_detail/142101.htm?spm=a2c4g.11186623.0.0.296d3d16iaC04k#multiTask302
"accesskey":"****************",  -- 账号的AK信息，同上
"partition_column":"dt",         -- 分区信息，没有分区则不加
"project_name":"odps_project1",  -- MaxCompute中的工作空间名称，就是调用生产环境表单的前缀，如odps_project1.odps_nopart_import_test
"table_name":"odps_nopart_import_test" -- MaxCompute中的数据源表名。
}';       
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

2、在ADB MySQL对应的工作流程创建一个文件进行数据同步，需要定时更新的话，需要上调度。
注：需要在ADB MySQL先创建adb_test.odps_nopart_import_test 表，才可以执行以下代码。建表方式参考第一、二点。

-- 插入
INSERT INTO adb_test.odps_nopart_import_test 
SELECT * FROM adb_test.odps_nopart_import_test_external_table;
-- 覆盖导入
INSERT OVERWRITE INTO adb_test.odps_nopart_import_test 
SELECT * FROM adb_test.odps_nopart_import_test_external_table;
-- 异步覆盖写入
submit job insert overwrite into adb_test.odps_nopart_import_test 
select * from adb_test.odps_nopart_import_test_external_table;
1
2
3
4
5
6
7
8
9