OpenSearch：MaxCompute（原ODPS）資料來源配置

目前在OpenSearch-行業演算法版中配置MaxCompute資料來源後，OpenSearch-行業演算法版是通過使用者填寫的accessKey和accessKeySecret去下載MaxCompute資料表的資料，因此在配置MaxCompute資料來源之前，需要確定帳號的accessKey和accessKeySecret。

• 如果使用者確定可以使用主帳號的accessKey和accessKeySecret，那麼即可用主帳號的accessKey和accessKeySecret去訪問該帳號下的MaxCompute中project的表。

• 如果使用主帳號的accessKey和accessKeySecret風險較大，也可以通過子帳號去配置，配置步驟如下：

1. 在該主帳號下建立一個子帳號，詳情可參考RAM（子帳號）的建立及授權；

2. 在MaxCompute中為該子帳號新增成員：

角色可由使用者自行選擇：

3. 新增成員之後，在MaxCompute資料開發介面查看其帳號，命令為list users; ，更多參考使用控制台（查詢編輯器）串連：

4. 整體複製該帳號名，然後給該帳號賦權（xxx 表示3中複製的帳號）：

-- 1.project list許可權
grant CreateInstance,List on project zy_ts_test to user xxx;

-- 2.表的select,describe,download許可權
GRANT select,describe,download ON TABLE people_info TO USER xxx;

-- 3.odps表的label許可權（可選）
set label 2 to USER  xxx;

-- 查詢指定使用者的許可權資訊和綁定的角色資訊
show grants for xxx;

授權完成後即可在opensearch中配置MaxCompute資料來源。

1. 選擇通過資料來源配置應用：

選擇MaxCompute資料來源：

2. 點擊建立資料庫，配置MaxCompute（原ODPS）資訊，填寫project，以及已經在 MaxCompute授權的帳號的accessKey和accessKeySecret：

3. 串連後選擇需要配置的資料表：

完成後，系統會自動對應出對應的欄位，使用者可根據業務需求，進行微調，符合需求後點擊下一步：

4. 配置索引結構，可根據使用者的檢索需求，選擇合適的分析器，詳情可參考索引結構，符合需求後點擊下一步：

5. 配置資料來源（包括：配置欄位對應關係，選擇分區資訊，選擇資料同步並發控制機制）；

5.1. 配置欄位對應關係：點擊操作欄中的編輯按鈕，OpenSearch-行業演算法版為MaxCompute（原ODPS）的資料提供了若干資料來源外掛程式說明，如要使用，則在配置欄位對應關係的同時，點擊“內容轉換”列中的“+”符號，則會在源欄位被同步到OpenSearch-行業演算法版之前，先進行內容轉換，再進行同步。如果內容轉換外掛程式由於配置錯誤、無法串連等錯誤失效，則源欄位仍然會被同步到目標欄位，只是內容不會被轉換。

配置外掛程式：

5.2. 選擇分區資訊：根據MaxCompute（原ODPS）資料特性，OpenSearch-行業演算法版允許使用者根據具體需要來指定匯入的分區，支援Regex，表示匯入前一天的資料，結合應用基本資料-索引重建-定時索引重建功能，可以實現每天匯入新分區資料的效果。

Regex （等號/逗號/分號/雙豎線為系統保留，每天自動匯入前1天分區全量資料條件例子ds=%Y%m%d || -1 days）

不同情境下MaxCompute（原ODPS）分區條件用法，參考如下所示：

• 1: 支援多個分區過濾規則，不同的分區過濾規則用分號分隔，如pt=1;pt=2將匹配滿足分區欄位pt=1或者pt=2的所有分區。

• 2: 分區過濾規則，支援指定多個分區欄位的值，不同分區欄位用逗號分隔，如：pt1=1,pt2=2,pt3=3 將匹配同時滿足pt1=1，pt2=2，pt3=3的所有分區【多分區目前不支援function功能，即不支援 %Y%m%d || -1 days這樣的，單分區是可以支援的】。

例：（如上圖所示一張odps表中有pt分區下有ds分）

• 多個分區：pt=1;pt=2 將同步pt=1 和 pt=2分區下的所有資料

• 指定多個分區欄位的值：pt=1,ds=1 將同步pt=1同時ds=1的分區資料

• 不支援情況：pt=1,ds=%Y%m%d || -1 days 或者pt=1;pt=%Y%m%d || -1 days 該類情況暫不支援

• 3: 分區欄位的值支援萬用字元 *，表示該分區欄位可以為任意的值，這種情況下，過濾規則中也可不寫該欄位

• 4: 分區欄位的值支援Regex，如pt=[0-9]* 將匹配pt值為數位所有分區。

• 5: 分區欄位的值支援時間匹配，匹配規則： pt=包含格式化時間的分區列值||時間間隔運算式。如ds=%Y%m%d || -1 days，表示分區欄位為ds，格式為20150510，需要訪問1天前的資料。

• 5.1 格式化時間參數支援標準的時間格式參數，如下表

• 5.2 時間間隔運算式支援 +/- n week|weeks|day|days|hour|hours|minute|minutes|second|seconds|microsecond|microseconds, +號表示任務建立時間的表示n周/天/小時/分鐘/秒/毫秒後，-號表示任務建立時間的表示n周/天/小時/分鐘/秒/毫秒前。

• 5.3 系統預設會對所有過濾規則，按照+0 days進行時間參數替換，因此，需要注意的是，用於過濾的欄位值不能包含下面這些字串作為普通的字串參數，如星期三建立的任務，pt=%abc 將匹配pt的值為Wedbc的分區，而不是pt=%abc的分區。

Regex全部可用參數及含義，參考如下：

%d:  日在這個月中的天數（是這個月的第幾天）  
%H:  小時（24小時制，[0, 23]）     
%m: 月份（[01,12]）  
%M:  分鐘（[00,59]）   
%S:  秒（範圍為[00,61]）   
%y:  2個數字表示的年份  
%Y:  4個數字表示的年份

5.3. 選擇資料同步並發控制機制：

當使用者勾選【使用done檔案】後，OpenSearch支援使用者通過上傳done檔案的方式控制系統拉取全量資料的時機，保證全量資料的完整性。系統在開始從MaxCompute（原ODPS）拉全量資料之前會先判斷一下當天的done檔案是否存在，如果不存在則等待，預設等待1小時後逾時。

• 使用者需從odps官網下載odpscm，檔案名稱為：odps_clt_release_64.tar.gz；

• 使用者需要具有所在project空間的CreateResource許可權；

• 安裝後在使用者程式中運行如下命令：其中done檔案的命名規則為$prefix_%Y-%m-%d。$prefix: 檔案名稱首碼，預設為表名，%Y-%m-%d：索引重建任務日期，系統定時任務目前支援的最小粒度為1天。

  odpscmd -u accessid -p accesskey --project=<prj_name>-e "add file <done file>;"

• MaxCompute用戶端odpscmd使用說明，請參考使用本地用戶端（odpscmd）串連。

• done檔案內容為JSON格式，目前僅需包含如下內容，用於指定該批全量資料的時間戳記（毫秒）【最多隻保留3天增量，因此該時間點不可以超過3天】。

• 該時間戳記表示需要回溯的增量資料時間點，如果不配置則預設從索引重建任務開始時間追加資料【最多隻保留3天增量，因此該時間點不可以超過3天】。

• 【例如】全量資料是今天9點的，odps處理完畢後為10點，OpenSearch定時任務為10:30，則done檔案需要指定為當天9點的毫秒值，在處理完全量後系統會追加當天9點後的增量，保證資料完整性；否則會從預設任務啟動時間10:30開始追加，這樣9:00~10:30期間的增量會丟失，該行為非常重要，需要特別注意。（當然，若沒有增量，則無需配置該時間戳記）。

• 進階版done檔案內容如下所示（提示：標準版中需設定的資料時間值也是類似原理，都是用來追索引重建期間API的增量資料的）。

{
"timestamp":"1234567890000"
}

done file與資料時間的優先順序：

1. ODPS資料來源的“資料時間”目前是必選的，且優先於donefile；

2. 使用者如果只建立一個版本，就只需要指定“資料時間”，沒有辦法單獨使用donefile；

3. 使用者如果需要使用定時索引重建，就必須“資料時間”和donefile都配置：第一個版本優先使用“資料時間”，之後的每一個版本都優先使用donefile；