DataWorks离线同步读取MaxCompuet(ODPS)表数据时,如何同步多个分区数据?
操作步骤如下:
设置ODPS数据源连接信息
选择MaxCompute表作为源端表
在"筛选条件"中配置分区字段和取值
分区字段选择需要分区的列
分区值配置方式:
单个分区值: 如value1
多个分区列表:如value1,value2,value3
范围分区:如'value1 - value2'
全部分区:不设置分区值
其他参数按需配置
开始同步
读器会根据分区字段和值进行过滤,只同步匹配分区的数据。
读取数据所在的分区信息。ODPS的分区配置支持linux shell通配符,表示0个或多个字符,?表示任意一个字符。默认情况下,读取的分区必须存在,如果分区不存在则运行的任务会报错。如果您希望当分区不存在时任务仍然执行成功,则可以切换至脚本模式执行任务,并在ODPS的Parameter中添加"successOnNoPartition": true配置。例如,分区表test包含pt=1,ds=hangzhou、pt=1,ds=shanghai、pt=2,ds=hangzhou、pt=2,ds=beijing四个分区,则读取不同分区数据的配置如下:如果您需要读取pt=1,ds=hangzhou分区的数据,则分区信息的配置为"partition":"pt=1,ds=shanghai”。
如果您需要读取pt=1中所有分区的数据,则分区信息的配置为"partition":"pt=1,ds=”。
如果您需要读取整个test表所有分区的数据,则分区信息的配置为"partition":"pt=,ds=”。此外,您还可以根据实际需求设置分区数据的获取条件(以下操作需要转脚本模式配置任务):如果您需要指定最大分区,则可以添加/query/ ds=(select MAX(ds) from DataXODPSReaderPPR)配置信息。
如果需要按条件过滤,则可以添加相关条件/query/ pt+表达式配置。例如/query/ pt>=20170101 and pt<20170110表示获取pt分区中,20170101日期之后(包含20170101日期),至20170110日期之前(不包含20170110日期)的所有数据。说明/query/表示将其后填写的内容识别为一个where条件。
https://help.aliyun.com/document_detail/146663.html,此回答整理自钉群“DataWorks交流群(答疑@机器人)”
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
DataWorks基于MaxCompute/Hologres/EMR/CDP等大数据引擎,为数据仓库/数据湖/湖仓一体等解决方案提供统一的全链路大数据开发治理平台。