DataWorks：Amazon S3資料來源

支援的Amazon S3版本

Amazon S3 Reader使用Amazon官網提供的Java SDK擷取S3資料。

使用限制

• 暫不支援中國內地及中國香港地區的S3資料來源。

• Amazon S3是非結構化資料存放區。對於Data Integration而言，目前Amazon S3 Reader支援的功能如下。

  支援	不支援
  支援且僅支援讀取TXT格式的檔案，且要求TXT中Schema為一張二維表。 支援類CSV格式檔案，自訂分隔字元。 支援ORC、PARQUET格式。 支援多種類型資料讀取（使用String表示），支援列裁剪和列常量。 支援遞迴讀取、檔案名稱過濾。 支援文本壓縮，現有壓縮格式為gzip、bzip2和zip。 說明 一個壓縮包不允許多檔案打包壓縮。 多個Object支援並發讀取。	單個Object（File）不支援多線程並發讀取。 單個Object在壓縮狀態下，不支援多線程並發讀取。 單個Object（File）不能超過100 GB。

資料同步任務開發

Amazon S3資料同步任務的配置入口和通用配置流程指導可參見下文的配置指導，詳細的配置參數解釋可在配置介面查看對應參數的文案提示。

建立資料來源

在進行資料同步任務開發時，您需要在DataWorks上建立一個對應的資料來源，操作流程請參見建立並管理資料來源。

單表離線同步任務配置指導

• 操作流程請參見通過嚮導模式配置離線同步任務、通過指令碼模式配置離線同步任務。

• 指令碼模式配置的全量參數和指令碼Demo請參見下文的附錄：Amazon S3指令碼Demo與參數說明。

附錄：Amazon S3指令碼Demo與參數說明

附錄：離線任務指令碼配置方式

如果您配置離線任務時使用指令碼模式的方式進行配置，您需要在任務指令碼中按照指令碼的統一格式要求編寫指令碼中的reader參數，指令碼模式的統一要求請參見通過指令碼模式配置離線同步任務，以下為您介紹指令碼模式下的資料來源的Reader參數的指導詳情。

Amazon S3 Reader指令碼Demo

{
    "type":"job",
    "version":"2.0",//版本號碼。
    "steps":[
        {
            "stepType":"s3",//外掛程式名。
            "parameter":{
                "nullFormat":"",//定義可以表示為null的字串。
                "compress":"",//文本壓縮類型。
                "datasource":"",//資料來源。
                "column":[//欄位。
                    {
                        "index":0,//列序號。
                        "type":"string"//資料類型。
                    },
                    {
                        "index":1,
                        "type":"long"
                    },
                    {
                        "index":2,
                        "type":"double"
                    },
                    {
                        "index":3,
                        "type":"boolean"
                    },
                    {
                        "format":"yyyy-MM-dd HH:mm:ss", //時間格式。
                        "index":4,
                        "type":"date"
                    }
                ],
                "skipHeader":"",//類CSV格式檔案可能存在表頭為標題情況，需要跳過。
                "encoding":"",//編碼格式。
                "fieldDelimiter":",",//欄位分隔符號。
                "fileFormat": "",//文本類型。
                "object":[]//object首碼。
            },
            "name":"Reader",
            "category":"reader"
        },
        {
            "stepType":"stream",
            "parameter":{},
            "name":"Writer",
            "category":"writer"
        }
    ],
    "setting":{
        "errorLimit":{
            "record":""//錯誤記錄數。
        },
        "speed":{
            "throttle":true,//當throttle值為false時，mbps參數不生效，表示不限流；當throttle值為true時,表示限流。
            "concurrent":1 //作業並發數。
            "mbps":"12",//限流，此處1mbps = 1MB/s。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
}

Amazon S3 Reader指令碼參數

column": ["*"]

"column":    
{       
"type": "long",       
"index": 0 //從S3文本第一列擷取int欄位。
},    
{       
"type": "string",       
"value": "alibaba" //從S3 Reader內部產生alibaba的字串欄位作為當前欄位。    
}