:Crear un flujo de trabajo

Requisitos previos

Antes de empezar, cree la tabla de datos comerciales bank_data y la tabla de destino result_table en su espacio de trabajo. La tabla de datos comerciales debe contener datos. Para obtener más información, consulte Create a table and upload data.

Contexto

En DataWorks, puede configurar visualmente las dependencias entre nodos dentro de un flujo de trabajo. Los flujos de trabajo le permiten procesar datos y definir sus dependencias. Es posible crear varios flujos de trabajo en un solo espacio de trabajo. Para obtener más información, consulte Create a workflow.

Crear un flujo de trabajo

1. Inicie sesión en la DataWorks console. En la región objetivo, haga clic en Data Development and O&M > Data Development en el panel de navegación izquierdo. Seleccione un espacio de trabajo en la lista desplegable y haga clic en Go to Data Development.

2. En la página Data Studio, pase el puntero sobre el icono y haga clic en Create Workflow.

3. En el cuadro de diálogo Create Workflow, introduzca el Business Name y la Description.

4. Haga clic en Create.

Crear nodos y configurar dependencias

Se recomienda crear un nodo de carga cero para que funcione como nodo raíz de su flujo de trabajo. Este nodo puede controlar la ejecución de todo el flujo de trabajo. Para diseñar el flujo de trabajo, siga estos pasos:

1. Haga doble clic en el nombre del flujo de trabajo para abrir el panel de desarrollo. Haga clic en General>Zero Load Node.

   También puede arrastrar el Zero Load Node al panel de desarrollo de la derecha.

2. En el cuadro de diálogo Create Node, seleccione una Path, introduzca start en el campo Node Name y haga clic en OK.

3. Repita los pasos anteriores para crear un nodo ODPS SQL llamado insert_data.

4. Arrastre una línea desde el nodo start hasta el nodo insert_data para establecer start como nodo principal de insert_data.

Configurar la dependencia anterior del nodo de carga cero

Un nodo de carga cero suele controlar todo el flujo de trabajo y actúa como nodo principal definitivo para todos los demás nodos.

Por lo general, establezca Add Root Node como Parent Nodes del nodo de carga cero:

1. Haga doble clic en el nombre del nodo de carga cero para abrir su editor.

2. En el panel derecho, haga clic en Scheduling.

3. En la sección Scheduling Dependencies, haga clic en Add Root Node para establecer el nodo raíz del espacio de trabajo como nodo principal del nodo de carga cero.

4. Guarde y envíe el nodo.

   Importante

   Debe configurar las propiedades Rerun attribute y Parent Nodes antes de poder enviar el nodo.

   1. En la barra de herramientas, haga clic en el icono para guardar el nodo.

   2. En la barra de herramientas, haga clic en el icono .

   3. En el cuadro de diálogo Submit, introduzca una Change Description.

   4. Haga clic en OK.

Editar y ejecutar el nodo ODPS SQL

Esta sección describe cómo usar código SQL en el nodo ODPS SQL insert_data para consultar el número de personas solteras con préstamos hipotecarios, agrupadas por nivel educativo, y guardar los resultados para su posterior análisis o presentación por parte de nodos posteriores.

1. Abra el editor del nodo ODPS SQL e introduzca el siguiente código.

   Para obtener más información sobre la sintaxis, consulte SQL overview.

   INSERT OVERWRITE TABLE result_table  --Insert data into the result_table table.
   SELECT education
       , COUNT(marital) AS num
   FROM bank_data
   WHERE housing = 'yes'
       AND marital = 'single'
   GROUP BY education;

2. Haga clic con el botón derecho en bank_data dentro del código y seleccione Delete Input.

   La tabla bank_data, creada en Create a table and upload data, no es generada por un nodo programado. Si un nodo lee datos de dicha tabla, puede hacer clic con el botón derecho en el nombre de la tabla dentro del editor de código para eliminar la dependencia analizada automáticamente. Como alternativa, puede agregar un comentario específico al inicio del código para evitar que se cree la dependencia.

   Nota

   Las dependencias de programación en DataWorks garantizan que los nodos posteriores puedan acceder de forma confiable a los datos de los nodos anteriores que se actualizan según una programación regular. La plataforma no puede supervisar tablas que no sean actualizadas por nodos programados dentro de DataWorks. Si un nodo selecciona datos de una tabla que no es generada por una tarea programada, debe eliminar manualmente la dependencia que DataWorks crea automáticamente.

3. Haga clic en el icono de la barra de herramientas para guardar el código.

4. Haga clic en el icono para ejecutar el código.

   Una vez finalizada la ejecución, puede consultar el registro de ejecución y los resultados en la parte inferior de la página.

Enviar el flujo de trabajo

1. Después de ejecutar y depurar el nodo ODPS SQL insert_data, regrese al lienzo del flujo de trabajo.

2. Haga clic en el icono de la barra de herramientas.

3. En el cuadro de diálogo Submit, seleccione los nodos que desea enviar, introduzca una Change Description y seleccione Ignore I/O Inconsistency Alerts .

4. Haga clic en OK.

   Después de enviar el flujo de trabajo, puede comprobar el estado de envío de cada nodo en la lista de nodos bajo Workflow. Un icono a la izquierda del nombre de un nodo indica que este tiene cambios sin enviar. Si no aparece dicho icono , significa que el nodo no tiene cambios pendientes de envío.

Siguientes pasos

Ahora que ha creado y enviado un flujo de trabajo, continúe con el siguiente tutorial para aprender a crear una tarea de sincronización que escriba datos en diferentes tipos de orígenes de datos. Para obtener más información, consulte Create a sync task.