使用离线同步任务将分库分表数据同步至单表的场景示例 - 大数据开发治理平台 DataWorks

DataWorks支持通过向导模式或脚本模式配置离线同步任务，您可以将分库分表数据同步至目标单表。本文以同步MySQL分库分表数据为例进行说明。

前提条件

已准备好要同步的多个数据源，详情请参见支持的数据源与读写插件。

背景信息

您可以使用如下几种方式实现分库分表离线同步任务，不同方式间差异对比如下：

差异项	分库分表数据源+向导模式（推荐）	普通数据源+向导模式	脚本模式
是否支持向导模式	是	是	否
是否支持按规则配置表名	支持正则表达式配置源表名，运行时根据正则搜索匹配表同步。	不支持。	支持数字范围配置表名，例如：`tb_[1-10]`。要求连续且每个子表存在。
是否要求表结构一致	可以配置“字段缺失策略”，允许部分表缺失字段，作为NULL值往下输出。	要求表结构一致。
字段映射参考	分库分表数据源中的Meta数据源第一张匹配表。	第一个数据源的第一张表。	脚本模式手写。
支持的数据源数量	分库分表数据源支持引用最大5000个数据源。	建议单节点配置数据源在50个以内。
增加数据源是否需要修改、发布节点	无需修改节点，修改数据源后，新运行的实例生效。	需要修改任务，增加数据源，配置该数据源的表名。
支持的数据源类型	MySQL、PolarDB	MySQL、PolarDB、AnalyticDB	MySQL、PolarDB、AnalyticDB、SQLServer、Oracle、PostgreSQL、DM、DB2、Oracle

分库分表数据源+向导模式

进入数据集成页面。
登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据开发与治理 > 数据集成，在下拉框中选择对应工作空间后单击进入数据集成。
在左侧导航栏单击数据源，然后单击新增数据源，选择数据源类型，当前此方式支持MySQL和PolarDB。
将每个分库创建为普通数据源。本文以MySQL为例，详细步骤请参见创建数据集成数据源。
创建分库分表数据源，将多个普通数据源合并为一个数据源，作为数据同步的数据来源。
1. 单击新增数据源，选择分库分表。
2. 按需选择分库分表数据源类型，配置相关参数。本文以MySQL（分库分表）为例。
  关键参数说明：
  - 自定义数据源名称。
  - 选择数据源：选择已创建的各分库普通数据源。
  - Meta数据源：分库分表同步，所有数据源内的库表结构必须保持一致，请选择其中一个数据源作为默认元数据的模板，供配置同步任务时拉取默认库表结构使用。
    重要
    数据源内的库表结构不一致时，后续同步任务将会执行报错。
创建离线同步节点。
配置分库分表同步任务。
向导模式配置分库分表：数据来源选择MySQL（分库分表），然后选择已创建的分库分表数据源。完整的任务配置步骤请参见通过向导模式配置离线同步任务。
说明
本文以MySQL（分库分表）为例，实际配置时请按需选择。
单击下一步。
选择需要同步的表，保存并发布，完成后续步骤。

普通数据源+向导模式

将每个分库创建为普通数据源。本文以MySQL为例，详细步骤请参见创建数据集成数据源。
创建离线同步节点。
配置分库分表同步任务。
向导模式配置分库分表：在数据来源区域单击+编辑数据来源，添加多个数据源。完整的任务配置步骤请参见通过向导模式配置离线同步任务。
将多个普通数据源加入到已选中数据源中，单击确定。
单击下一步。
选择每个数据源中需要同步的表，保存并发布，完成后续步骤。

脚本模式

创建离线同步节点。

配置分库分表同步任务。

脚本模式配置分库分表：脚本示例如下，完整的任务配置步骤请参见通过脚本模式配置离线同步任务。

重要

实际运行时，请删除下述代码中的注释。

{
    "type":"job",
    "version":"2.0",
    "steps":[
        {
            "stepType":"mysql",
            "parameter":{
                "envType":0,
                "column":[
                    "id",
                    "name"
                ],
                "socketTimeout":3600000,
                "tableComment":"",
                "connection":[    //根据分库数配置connection
                    {
                        "datasource":"datasourceName1",  //分库分表的数据源1
                        "table":[           //分库分表的Table列表1
                            "tb1"
                        ]
                    },
                    {
                        "datasource":"datasourceName2", //分库分表的数据源2
                        "table":[          //分库分表的Table列表2
                            "tb2",
                            "tb3"
                        ]
                    }
                ],
                "useSpecialSecret":true,//各个数据源使用各自的密码
                "where":"",
                "splitPk":"id",
                "encoding":"UTF-8"
                },
            "name":"Reader",
            "category":"reader"
            },
        {
            "stepType":"odps",
            "parameter":{
                "partition":"pt=${bizdate}",
                "truncate":true,
                "datasource":"odpsname",
                "envType":0,
                "isSupportThreeModel":false,
                "column":[
                    "id",
                    "name"
                ],
                "emptyAsNull":false,
                "tableComment":"",
                "table":"t1",
                "consistencyCommit":false
                },
            "name":"Writer",
            "category":"writer"
            }
    ],
    "setting":{
        "executeMode":null,
        "errorLimit":{
            "record":""
            },
        "speed":{
            "concurrent":2,
            "throttle":false
            }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
                }
        ]
    }
}