AnalyticDB：通過資料同步功能將Kafka資料同步至湖倉版

前提條件

• AnalyticDB for MySQL叢集的產品系列為湖倉版。

• 已建立Job型資源群組。具體操作，請參見建立資源群組。

• 已建立資料庫帳號。

  • 如果是通過阿里雲帳號訪問，只需建立高許可權帳號。具體操作，請參見建立高許可權帳號。

  • 如果是通過RAM使用者訪問，需要建立高許可權帳號和普通帳號並且將RAM使用者綁定到普通帳號上。具體操作，請參見建立資料庫帳號和綁定或解除綁定RAM使用者與資料庫帳號。

• 已建立ApsaraMQ for Kafka（簡稱Kafka）執行個體，且與湖倉版叢集部署在相同地區。

• 已建立Kafka Topic，並發送訊息。詳情請參見訊息佇列Kafka版快速入門操作流程。

注意事項

• Kafka中建立的Topic資料超過一定的時間會被自動清理，如果Topic資料到期，同時資料同步任務失敗，重新啟動同步任務時讀取不到被清理掉的資料，會有遺失資料的風險。因此請適當調大Topic資料的生命週期，並在資料同步任務失敗時及時聯絡支援人員。

• 擷取Kafka範例資料在大於8KB的情況下，Kafka API會將資料進行截斷，導致解析範例資料為JSON格式時失敗，從而無法自動產生欄位對應資訊。

計費說明

通過AnalyticDB for MySQL資料移轉功能遷移資料至OSS會產生以下費用。

• AnalyticDB for MySQL的ACU彈性資源費用，計費項目詳情，請參見湖倉版計費項目。

• OSS的儲存費用、GET類請求次數以及PUT類和其他請求次數的費用。計費項目詳情，請參見計費概述。

使用流程

• 步驟一：建立資料來源。

• 步驟二：建立同步鏈路。

• 步驟三：啟動資料同步任務。

• 步驟四：資料分析。

• 步驟五（可選）：管理資料來源。

建立資料來源

1. 登入雲原生資料倉儲AnalyticDB MySQL控制台，在左上方選擇叢集所在地區。在左側導覽列，單擊集群清單，在湖倉版頁簽下，單擊目的地組群ID。

2. 在左側導覽列，單擊資料接入>資料來源管理。

3. 單擊右上方新建數據源。

4. 在新建數據源頁面進行參數配置。參數說明如下表所示：

   參數名稱	參數說明
   數據源類型	選擇資料來源類型Kafka。
   數據源名稱	系統預設按資料來源類型與目前時間產生名稱，可按需修改。
   數據源描述	資料來源備忘描述，例如湖倉應用情境、應用業務限制等。
   部署模式	目前僅支援阿里雲執行個體。
   Kafka實例	Kafka執行個體ID。 登入雲訊息佇列 Kafka 版控制台，在執行個體列表頁面查看執行個體ID。
   Kafka Topic	在Kafka中建立的Topic名稱。 登入雲訊息佇列 Kafka 版控制台，在目標執行個體的Topic 管理頁面查看Topic名稱。
   消息數據格式	Kafka訊息資料格式，目前僅支援JSON。

5. 參數配置完成後，單擊建立。

建立同步鏈路

1. 在左側導覽列，單擊SLS/Kafka數據同步。

2. 在右上方，單擊新建同步鏈路。

3. 在新建同步鏈路頁面，進行資料來源的數據源及目標端配置、目標庫表配置及同步配置。

   • 數據源及目標端配置的參數說明如下：

     參數名稱	參數說明
     數據鏈路名稱	資料鏈路名稱。系統預設按資料來源類型與目前時間產生名稱，可按需修改。
     資料來源	選擇已有的Kafka資料來源，也可建立資料來源。
     目標端類型	目前僅支援資料湖-OSS儲存。
     OSS路徑	AnalyticDB for MySQL湖倉資料在OSS中的儲存路徑。 重要 展示的Bucket是與AnalyticDB for MySQL叢集同地區的所有Bucket，您可以任意選擇其中一個。請謹慎規劃儲存路徑，建立後不允許修改。 建議選擇一個空目錄，且不能與其他任務的OSS路徑有相互首碼關係，防止資料覆蓋。例如，兩個資料同步任務的OSS路徑分別為oss://adb_demo/test/sls1/和oss://adb_demo/test/，OSS路徑有相互首碼關係，資料同步過程中會有資料覆蓋。

   • 目標庫表配置參數說明如下：

     參數名稱	參數說明
     庫名	同步到AnalyticDB for MySQL的資料庫名稱。如果不存在同名資料庫，將建立庫；如果已存在同名資料庫，資料會同步到已存在的資料庫中。庫名命名規則，詳見使用限制。
     錶名	同步到AnalyticDB for MySQL的表名稱。如果庫中不存在同名表，將建立表；如果庫中已存在同名表，資料同步會失敗。表名命名規則，詳見使用限制。
     範例資料	自動從Kafka Topic中擷取的最新資料作為範例資料。 說明 Kafka Topic中的資料需為JSON格式，若存在其他格式的資料，資料同步時會報錯。
     JSON解析層級	設定JSON的嵌套解析層數，取值說明： 0：不做解析。 1（預設值）：解析一層。 2：解析兩層。 3：解析三層。 4：解析四層。 JSON的嵌套解析策略，請參見JSON解析層級和Schema欄位推斷樣本。
     Schema字段映射	展示範例資料經過JSON解析後的Schema資訊。可在此調整目標欄位名，類型或按需增刪欄位等。
     分區鍵設定	為目標表設定分區鍵。建議按日誌時間或者商務邏輯配置分區，以保證入湖與查詢效能。如不設定，則目標表預設沒有分區。 目標端分區鍵的格式處理方法分為：時間格式化和指定分區欄位。 按日期時間分區，分區欄位名請選擇一個日期時間欄位。格式處理方法選擇時間格式化，選擇源端欄位格式和目標資料分割格式。AnalyticDB for MySQL會按源端欄位格式識別分區欄位的值，並將其轉換為目標資料分割格式進行分區。例如，源欄位為gmt_created，值為1711358834，源端欄位格式為秒級精度時間戳記，目標資料分割格式為yyyyMMdd，則會按20240325進行分區。 按欄位值分區，格式處理方法請選擇指定分區欄位。

   • 同步配置的參數說明如下：

     參數名稱	參數說明
     增量同步起始消費位點	同步任務啟動時會從選擇的時間點開始消費Kafka資料。取值說明： 最早位點（begin_cursor）：自動從Kafka資料中最開始的時間點消費資料。 最近位點（end_cursor）：自動從Kafka資料中最近的時間點消費資料。 自訂點位：您可以選擇任意一個時間點，系統則會從Kafka中第一條大於等於該時間點的資料開始消費。
     Job型資源組	指定任務啟動並執行Job型資源群組。
     增量同步所需ACU數	指定任務啟動並執行Job型資源群組ACU數。最小ACU數為2，最大ACU數為Job型資源群組可用計算最大資源數。建議多指定一些ACU數，可以提升入湖效能及任務穩定性。 說明 建立資料同步任務時，使用Job型資源群組中的彈性資源。資料同步任務會長期佔用資源，因此系統會從資源群組中扣除該任務佔用的資源。例如，Job型資源群組的計算最大資源為48 ACU，已建立了一個8 ACU的同步任務，在該資源群組中建立另一個同步任務時，可選的最大ACU數為40。
     高級配置	進階配置可以讓您對同步任務進行個人化的配置。如需進行個人化配置，請聯絡支援人員。

4. 上述參數配置完成後，單擊提交。

啟動資料同步任務

1. 在SLS/Kafka數據同步頁面，選擇建立成功的資料同步任務，在操作列單擊啟動。

2. 單擊右上方查詢，狀態變為正在啟動即資料同步任務啟動成功。

資料分析

同步任務成功後，您可以通過Spark Jar開發對同步到AnalyticDB MySQL的資料進行分析。Spark開發的相關操作，請參見Spark開發編輯器和Spark離線應用開發。

1. 在左側導覽列，單擊作業開發 > Spark Jar 開發。

2. 在預設範本中輸入樣本語句，並單擊運行。

   -- Here is just an example of SparkSQL. Modify the content and run your spark program.
   
   conf spark.driver.resourceSpec=medium;
   conf spark.executor.instances=2;
   conf spark.executor.resourceSpec=medium;
   conf spark.app.name=Spark SQL Test;
   conf spark.adb.connectors=oss;
   
   -- Here are your sql statements
   show tables from lakehouse20220413156_adbTest;

3. 可選：在應用列表頁簽中，單擊操作列的日誌，查看Spark SQL啟動並執行日誌。

管理資料來源

JSON解析層級和Schema欄位推斷樣本

{
  "name" : "zhangle",
  "age" : 18,
  "device" : {
    "os" : {
        "test":lag,
        "member":{
             "fa":zhangsan,
             "mo":limei
       }
     },
    "brand" : "none",
    "version" : "11.4.2"
  }
}

JSON資料解析後，對應0~4層的效果如下。

0層解析

1層解析

2層解析

3層解析

4層解析