DataWorks：DataHub資料來源

離線讀寫

STRING字串僅支援UTF-8編碼，單個STRING列最長允許1MB。

即時讀寫

• 即時同步任務支援使用Serverless資源群組。

• 即時同步至DataHub時，按源端校正雜湊值，同一個雜湊值的資料會同步到同一個shard中。

整庫即時寫

運行同步任務後，產生的離線同步任務將全量資料寫入DataHub，待全量資料執行完成後，啟動即時同步任務，將源端增量資料即時同步至目標端。資料寫入格式如下：

• 僅支援將資料寫入DataHub Tuple類型的Topic中。關於DataHub TUPLE資料類型說明，詳情請參見：資料類型介紹。

• 即時同步至DataHub會在源表欄位基礎上，新增5個附加欄位，並支援您在配置任務時，自行添加額外的欄位。最終發送給DataHub的訊息格式，詳情請參見：附錄：DataHub訊息格式。

單表離線同步任務配置指導

• 操作流程請參見嚮導模式配置、指令碼模式配置。

• 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：指令碼Demo與參數說明。

單表即時同步任務配置指導

整庫即時同步任務配置指導

操作流程請參見整庫即時同步任務配置。

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，您需要按照統一的指令碼格式要求，在任務指令碼中編寫相應的參數，詳情請參見指令碼模式配置，以下為您介紹指令碼模式下資料來源的參數配置詳情。

Reader指令碼Demo

{
    "type":"job",
    "version":"2.0",//版本號碼
    "steps":[
        {
         "job": {
           "content": [
            {
                "reader": {
                    "name": "DataHubreader",
                    "parameter": {
                        "endpoint": "xxx" //DataHub的endpoint。
                        "accessId": "xxx", //訪問DataHub的使用者accessId。
                        "accessKey": "xxx", //訪問DataHub的使用者accessKey。
                        "project": "xxx", //目標DataHub的專案名稱。
                        "topic": "xxx" //目標DataHub的topic名稱。
                        "batchSize": 1000, //一次讀取的資料量。
                        "beginDateTime": "20180910111214", //資料消費的開始時間位點。
                        "endDateTime": "20180910111614", //資料消費的結束時間位點。
                        "column": [
                            "col0",
                            "col1",
                            "col2",
                            "col3",
                            "col4"
                                  ]
                                }
                           },
                "writer": {
                    "name": "streamwriter",
                    "parameter": {
                        "print": false
                                 }
                            }
             }
           ]
         }
       }
     ],
    "setting":{
        "errorLimit":{
            "record":"0"//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,//並發數
            "mbps":"12"//限流，此處1mbps = 1MB/s。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
}

Reader指令碼參數

Writer指令碼Demo

{
    "type": "job",
    "version": "2.0",//版本號碼。
    "steps": [
        { 
            "stepType": "stream",
            "parameter": {},
            "name": "Reader",
            "category": "reader"
        },
        {
            "stepType": "datahub",//外掛程式名。
            "parameter": {
                "datasource": "",//資料來源。
                "topic": "",//Topic是DataHub訂閱和發布的最小單位，您可以用Topic來表示一類或者一種流資料。
                "maxRetryCount": 500,//任務失敗的重試的最多次數。
                "maxCommitSize": 1048576//待積累的資料Buffer大小達到maxCommitSize大小（單位Byte）時，批量提交至目的端。
                 //datahub側對於一次request請求寫入的資料條數限制是10000條，超出10000條資料會超出限制導致任務出錯，請根據您單條資料平均資料量*10000條資料的資料總量來從側方面進行單次寫入datahub的資料條數控制。比如每條資料10 k，那麼此參數的設定值要低於10*10000 k。
            },
            "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":20, //作業並發數。
            "mbps":"12"//限流，此處1mbps = 1MB/s。
        }
    },
    "order": {
        "hops": [
            {
                "from": "Reader",
                "to": "Writer"
            }
        ]
    }
}

Writer指令碼參數