本章节将介绍如何使用DGC数据集成将源数据批量迁移到云上。
创建集群
DGC实例中已经包含一个批量数据迁移集群（试用版除外），如果该集群已经满足需 求，您无需再购买批量数据迁移增量包，可以跳过这部分内容。
购买批量数据迁移增量包的具体操作请参考购买DGC增量包章节。
新建数据迁移的源连接、目的连接
步骤1 登录DGC控制台。选择对应工作空间的“数据集成”模块，进入数据集成页面。
图3-6 选择数据集成
步骤2 单击左上角的 按钮展开左侧导航栏，在导航栏中单击“集群管理”进入“集群管 理”页面。然后，在集群列表中找到所需要的集群，单击“作业管理”。
图3-7 集群管理
步骤3 进入作业管理后，选择“连接管理”。
图3-8 连接管理
步骤4 创建两个连接，一个源连接OBS连接，用于读取存储在OBS上的原始数据，一个目的 连接MRS Hive连接，用于将数据写入MRS Hive数据库中。
单击“新建连接”，进入相应页面后，选择连接器类型“对象存储服务（OBS）”，
单击“下一步”，然后如下图所示配置连接参数，单击“保存”。
图3-9 创建 OBS 连接
表3-4 OBS 连接的参数
参数名 说明 取值样例
名称 连接的名称，根据连接的数据源类型，用户可自定 义便于记忆、区分的连接名。
obs_link
OBS终端节 点
您可以通过以下任一方式获取Endpoint信息：
● OBS桶的Endpoint，可以进入OBS控制台概览 页，点击桶名称后查看桶的基本信息获取。
● 终端节点（Endpoint）即调用API的请求地址，
不同服务不同区域的终端节点不同。Endpoint可 从终端节点及区域说明获取。
这里支持用户输入桶级别的域名，例如：
test.xx.com，则在查询OBS桶的时候，只能查询到 test这个桶。
-端口 数据传输协议端口，https是443，http是80。 443 OBS桶类型 用户下拉选择即可，一般选择为“对象存储”。 对象存储 访问标识(AK) AK和SK分别为登录OBS服务器的访问标识与密钥。
-参数名 说明 取值样例 密钥(SK) 您需要先创建当前帐号的访问密钥，并获得对应的
AK和SK。
您可以通过如下方式获取访问密钥。
1. 登录控制台，在用户名下拉列表中选择“我的凭 证”。
2. 进入“我的凭证”页面，选择“访问密钥 > 新增 访问密钥”，如图3-10所示。
图3-10 单击新增访问密钥
3. 单击“确定”，根据浏览器提示，保存密钥文 件。密钥文件会直接保存到浏览器默认的下载文 件夹中。打开名称为“credentials.csv”的文 件，即可查看访问密钥（Access Key Id和Secret Access Key）。
说明
– 每个用户仅允许新增两个访问密钥。
– 为保证访问密钥的安全，访问密钥仅在初次生成时 自动下载，后续不可再次通过管理控制台界面获 取。请在生成后妥善保管。
-在“连接管理”页面，再次单击“新建连接”，进入相应页面后，选择连接器类型为
“MRS Hive”，单击“下一步”，然后如下图所示配置连接参数，单击“保存”。
图3-11 创建 MRS Hive 连接
表3-5 MRS Hive 连接参数
参数名 说明 取值样例
名称 连接的名称，根据连接的数据源类型，用户可自定
义便于记忆、区分的连接名。 mrs-link Manager IP MRS Manager的浮动IP地址，可以单击输入框后的
“选择”来选定已创建的MRS集群，CDM会自动填 充下面的鉴权参数。
127.0.0.1
参数名 说明 取值样例 认证类型 访问MRS的认证类型：
● SIMPLE：非安全模式选择Simple鉴权。
● KERBEROS：安全模式选择Kerberos鉴权。
SIMPLE
Hive版本 Hive的版本。根据服务端Hive版本设置。 HIVE_3_X 用户名 选择KERBEROS鉴权时，需要配置MRS Manager的
用户名和密码。从HDFS导出目录时，如果需要创 建快照，这里配置的用户需要HDFS系统的管理员 权限。
如果要创建MRS安全集群的数据连接，不能使用 admin用户。因为admin用户是默认的管理页面用 户，这个用户无法作为安全集群的认证用户来使 用。您可以创建一个新的MRS用户，然后在创建 MRS数据连接时，“用户名”和“密码”填写为新 建的MRS用户及其密码。
说明
● 如果CDM集群为2.9.0版本及之后版本，且MRS集群为 3.1.0及之后版本，则所创建的用户至少需具备 Manager_viewer的角色权限才能在CDM创建连接；
如果需要对应组件的进行库、表、数据的操作，还需 要添加对应组件的用户组权限。
● 如果CDM集群为2.9.0之前的版本，或MRS集群为3.1.0 之前的版本，则所创建的用户需要具备
Manager_administrator或System_administrator权 限，才能在CDM创建连接。
● 仅具备Manager_tenant或Manager_auditor权限，无 法创建连接。
cdm
密码 访问MRS Manager的用户密码。 -OBS支持 需服务端支持OBS存储。在创建Hive表时，您可以
指定将表存储在OBS中。 否
运行模式 “HIVE_3_X”版本支持该参数。支持以下模式：
● EMBEDDED：连接实例与CDM运行在一起，该 模式性能较好。
● STANDALONE：连接实例运行在独立进程。如 果CDM需要对接多个Hadoop数据源（MRS、
Hadoop或CloudTable），并且既有KERBEROS 认证模式又有SIMPLE认证模式，只能使用 STANDALONE模式或者配置不同的Agent。
说明：STANDALONE模式主要是用来解决版本 冲突问题的运行模式。当同一种数据连接的源端 或者目的端连接器的版本不一致时，存在jar包 冲突的情况，这时需要将源端或目的端放在 STANDALONE进程里，防止冲突导致迁移失
EMBEDDED
----结束
新建表/文件迁移作业
步骤1 在DGC数据集成控制台，进入“集群管理”页面，在集群列表中找到所需要的集群，
单击“作业管理”。
步骤2 在“作业管理”页面，单击“表/文件迁移”，再单击“新建作业”。
图3-12 表/文件迁移
步骤3 按照如下步骤完成作业参数的配置。
1. 如图3-13所示，配置作业名称、源端作业参数和目的端作业参数，然后单击“下 一步”。
– 作业名称：source-sdi – 源端作业配置
▪
源连接名称：obs-link▪
桶名：fast-demo▪
源目录或文件：/2017_Yellow_Taxi_Trip_Data.csv▪
文件格式：CSV格式▪
显示高级属性：单击“显示高级属性”，在“高级属性”中，系统提供 了默认值，请根据实际业务数据的格式设置各项参数。在本示例中，根据准备数据源中的样例数据格式，需注意以下参数的设 置，其他参数经过一一确认均保留默认值即可。
○ 字段分隔符：默认值为逗号，本示例保留默认值即可。
○ 首行为标题行：设置为“是”，本示例首行是标题行。
○ 编码类型：默认值为UTF-8，本示例保留默认值即可。
– 目的端作业配置
▪
目的连接名称：mrs-link。▪
数据库名称：demo_sdi_db。▪
表名：sdi_taxi_trip_data。▪
导入前清空数据：是。说明
在本示例中，目的端作业参数“导入前清空数据”配置为“是”，表示每次作 业运行都会先清空数据再导入。在实际业务中，请视情况而定，需谨慎设置，
以免造成数据丢失。
图3-13 作业配置
2. 在字段映射中，请参考以下说明配置字段映射以及日期字段的时间格式，如图 3-14所示，配置完成后，单击“下一步”。
– 字段映射：在本示例中，由于数据迁移的目标表字段顺序和原始数据的字段 顺序是一样的，因此这里不需要调整字段映射的顺序。
如果目标表字段顺序和原始数据不一致，请一一将源字段指向含义相同的目 的字段。请将鼠标移至某一个字段的箭头起点，当光标显示为“+”的形状 时，按住鼠标，将箭头指向相同含义的目的字段，然后松开鼠标。
– 时间格式：样例数据中第2、第3个字段为时间字段，数据格式如
“02/14/2017 04:08:11 PM”，因此此处设置这两个字段的时间格式为
“MM/dd/yyyy hh:mm:ss a”，可以在输入框中手动输入该格式。
时间格式请根据实际的数据格式进行设置，例如：
yyyy/MM/dd HH:mm:ss 代表将时间转换为24小时制，例如2019/08/18 15:35:45。
yyyy/MM/dd hh:mm:ss a 代表将时间转换为12小时制，例如2019/06/27 03:24:21 PM。
图3-14 字段映射
图3-15 任务配置
单击“显示高级属性”，可配置“抽取并发数”以及“是否写入脏数据”，如图 3-16所示。
– 抽取并发数：您可以根据业务量进行配置。数据源端如果是文件类型，当有 多个文件时，增大并发数可以提升抽取速率。
– 是否写入脏数据：建议配置为“是”，然后参考图3-16配置相关参数。脏数 据是指与目的端字段不匹的数据，该数据可以被记录到指定的OBS桶中。用 户配置脏数据归档后，正常数据可以写入目的端，迁移作业不会因脏数据中 断。在本示例中，“OBS桶”配置为在准备数据源中的桶fast-demo，您需要 前往OBS控制台，在fast-demo桶中创建一个目录，例如error-data，然后再 将图3-16中的“脏数据目录”配置为该目录。
图3-16 任务高级属性
步骤4 单击“保存”完成作业的创建。
返回“表/文件迁移”页面后，可在作业列表中查看到新建的作业。
图3-17 迁移作业运行结果
----结束