如何使用CDM迁移OBS数据到DLI

OBS到DLI迁移介绍

操作场景

数据湖探索（DLI）提供大数据查询服务，本章节介绍使用CDM将OBS的数据迁移到DLI，使用流程如下：

前提条件

• 已经开通了OBS和DLI。

• 已经在DLI服务中创建好资源队列、数据库和表。

迁移流程

1.创建CDM集群

• 登录CDM管理控制台，根据实际情况选择操作：

• 如果您已拥有CDM集群，则直接单击集群后的“作业管理”，继续创建连接即可。

• 如果没有，则单击“购买云数据迁移服务”开始创建集群。

该场景下，如果CDM集群只是用于迁移OBS数据到DLI，不需要迁移其他数据源，则CDM集群所在的VPC、子网、安全组选择任一个即可，没有要求，CDM通过内网访问DLI和OBS。主要是选择CDM集群的规格，按待迁移的数据量选择，一般选择cdm.medium即可，满足大部分迁移场景。

2.创建DLI连接

• 单击CDM集群后的“作业管理”，进入作业管理界面，再选择“连接管理 > 新建连接”，进入选择连接器类型的界面，如图8-9所示。

• 连接器类型选择“数据湖探索（DLI）”后单击“下一步”，配置DLI连接参数，如图所示。

  

• 单击“保存”回到连接管理界面。

  访问标识（AK）、密钥（SK）：访问DLI数据库的AK、SK。可在管理控制台鼠标移动到用户名上，下拉框中选择“我的凭证 > 管理访问密钥”后获取。名称：用户自定义连接名称，例如“dlilink”。项目ID：DLI所属区域的项目ID，在“我的凭证”中获取。

3.创建OBS连接

• 在连接管理界面单击“新建连接”，连接器类型选择“对象存储服务（OBS）”后，单击“下一步”配置OBS连接参数，如图8-11所示。

• 单击“保存”回到连接管理界面。

  
  

4.创建迁移作业

• 选择“表/文件迁移 > 新建作业”，开始创建从OBS迁移数据到DLI的任务，如图所示。

  

  作业名称：用户自定义作业名称。源连接名称：选择创建OBS连接中的“obslink”。

  (1) 桶名：待迁移数据所属的桶。

  (2) 源目录或文件：待迁移数据的具体路径。

  (3) 文件格式：传输文件到数据表时，这里选择“CSV格式”或“JSON格式”。

  (4)  高级属性里的可选参数保持默认，详细说明请参见5.2.1 配置对象存储源端参数。

  目的连接名称：选择创建DLI连接中的“dlilink”。

    (1) 资源队列：选择目的表所属的资源队列。

    (2) 数据库名称：写入数据的数据库名称。

    (3) 表名：写入数据的目的表。CDM暂不支持在DLI中自动创表，这里的表需要先在DLI中创建好，且该表的字段类型和格式，建议与待迁移数据的字段类型、格式保持一致。

  导入前清空数据：导入数据前，选择是否清空目的表中的数据，这里保持默认“否”。

• 单击“下一步”进入字段映射界面，CDM会自动匹配源和目的字段。如果字段映射顺序不匹配，可通过拖拽字段调整。

• 单击“下一步”配置任务参数，一般情况下全部保持默认即可。该步骤用户可以配置如下可选功能：

• 抽取并发数：设置同时执行的抽取任务数。这里保持默认值“1”。

• 是否写入脏数据：如果需要将作业执行过程中处理失败的数据、或者被清洗过滤掉的数据写入OBS中，以便后面查看，可通过该参数配置，写入脏数据前需要先配置好OBS连接。这里保持默认值“否”即可，不记录脏数据。

• 作业运行完是否删除：这里保持默认值“不删除”。

• 作业失败重试：如果作业执行失败，可选择是否自动重试，这里保持默认值“不重试”。

• 作业分组：选择作业所属的分组，默认分组为“DEFAULT”。在CDM“作业管理”界面，支持作业分组显示、按组批量启动作业、按分组导出作业等操作。

• 是否定时执行：如果需要配置作业定时自动执行，请参见5.6 配置定时任务。这里保持默认值“否”。

• 单击“保存并运行”，回到作业管理界面，在作业管理界面可查看作业执行进度和结果。

• 作业执行成功后，单击作业操作列的“历史记录”，可查看该作业的历史执行记录、读取和写入的统计数据。

  在历史记录界面单击“日志”，可查看作业的日志信息。