PrimetonDWS

Appearance

操作指南/开发示例/开发PDI通用模板示例/PDI-关系型数据库到Hive同步示例

PDI-关系型数据库到Hive同步示例 ​

本示例主要介绍 Primeton DI 处理引擎下，使用关系型数据库到Hive全量同步进行多表数据迁移的同步场景。

主要步骤如下：

准备初始数据 ​

  1. 以 MySQL 数据库为例。创建数据库：dws_source_dev，在数据库 dws_source_dev 中创建一个表 orderinfo。

    SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;

-- ----------------------------
-- Table structure for orderinfo
-- ----------------------------
drop table if EXISTS orderinfo;
create table orderinfo
(
  ordercode    VARCHAR(32) not null comment '订单号',
  amount       int(11) comment '数量',
  price        VARCHAR(32) comment '价格',
  manufacturer VARCHAR(32) comment '厂商',
  createtime   DATE comment '创建时间',
  createuser   VARCHAR(32) comment '创建人',
  updatetime   timestamp comment '更新时间'
) ENGINE=INNODB DEFAULT CHARSET=utf8;

alter table orderinfo add constraint ORDER_PRIMARYKEY primary key (ORDERCODE);

-- ----------------------------
-- Records of orderinfo
-- ----------------------------
BEGIN;
insert into orderinfo (ordercode, amount, price, manufacturer, createtime, createuser, updatetime) 
values ('001', 1000, '5000', 'xingyun', '2018-12-13', 'zhangcong', '2018-12-13 00:00:00');
insert into orderinfo (ordercode, amount, price, manufacturer, createtime, createuser, updatetime)
values ('002', 500, '1000', '西安金属', '2018-12-13', '王强', '2018-12-15 00:00:00');
insert into orderinfo (ordercode, amount, price, manufacturer, createtime, createuser, updatetime)
values ('003', 1500, '7000', '枫禾林木', '2018-12-13', '魏雨', '2018-12-13 12:00:00');
insert into orderinfo (ordercode, amount, price, manufacturer, createtime, createuser, updatetime)
values ('004', 20000, '75000', '星峰', '2018-12-13', '王林', '2018-12-13 00:00:00');
insert into orderinfo (ordercode, amount, price, manufacturer, createtime, createuser, updatetime)
values ('005', 1300, '8000', '天威科技', '2018-12-13', '王林', '2019-12-01 00:00:00');

COMMIT;
SET FOREIGN_KEY_CHECKS = 1;

  2. 创建hive数据库：pdi_demo。

    CREATE DATABASE pdi_demo;

新建通用模板作业 ​

点击资源树节点上的【...】，选择弹出菜单【新建通用模板作业】，填写"模板名称"，选择"模板类型"，点击【确定】按钮。

db2hive

配置来源和目标数据源、数据库名称 ​

选择来源和目标表的"数据源"、"库名称"。

db2hive

配置表名映射 ​

  1. 点击【添加表】，在弹窗中选择将要同步的源表名称。

⚠️ 提示：单表同步时选择一张表，多表同步时选择多张表，整库迁移时选择全部表。

db2hive

  1. 默认来源表与目标表的表名称一样，用户可以通过给目标表名称加前后缀的方式修改"目标表名称"。（可选配置）

db2hive

  1. 在表名称映射列表中可生成映射信息，可设置字段分区及分割文件。（可选配置）

    字段分区：设置该值，可生成hive分区表，可设置多个分区，分区字段有先后顺序。

    分割文件：目标表以文件形式存储数据，设置该值可指定每个文件中包含的行数。

db2hive

同步配置 ​

默认“表添加模式”为“表不存在时创建”；默认“数据添加模式”为“同步前删除数据”；“忽略错误继续执行”为不勾选；可根据需要修改。

通用配置 ​

在通用配置中可以配置任务优先级、Worker 分组、命名参数、本地参数、超时告警。

可以参考示例关系型表数据同步示例 中的"通用配置"说明。

指标日志 ​

在指标日志中可以设置是否启用指标日志，当开启后，可以在【作业调度-【任务实例】中使用“查看数据量”统计数据量。

保存草稿 ​

如果所有组件属性都已设置完毕，点击【保存】按钮，可以看到保存过的历史草稿，并可以随意切换草稿。（草稿只保存最近 10 个）

可以参考示例关系型表数据同步示例 中的"保存草稿"说明。

运行 ​

点击【运行】按钮，可以运行已经开发完毕的场景，在日志栏可以看运行日志及运行结果。

上述模型中目标表不存在，故第一次运行时会自动创建目标表，且会把源表中数据全部同步。

db2hive

提交版本 ​

当草稿运行正常后，点击【提交】按钮可以将该版本提交到作业调度，每次修改提交都会生成新的版本，可以看到提交的历史版本，并可以随意切换版本。

提交后的版本，可以在作业调度中进行"定时"调度配置。

可以参考示例关系型表数据同步示例 中的"提交版本"说明。