將MaxCompute資料同步到阿里雲ES - Elasticsearch

如果您需要對MaxCompute（ODPS）中的海量資料進行資訊檢索、多維查詢、統計分析等操作，可藉助Elasticsearch實現。本文通過DataWorks的Data Integration服務，實現最快分鐘級，將海量MaxCompute資料離線同步到阿里雲ES中。

背景資訊

DataWorks是一個基於巨量資料引擎，整合資料開發、任務調度、資料管理等功能的全鏈路巨量資料開發治理平台。您可以通過DataWorks的同步任務，快速的將各種資料來源中的資料同步到阿里雲ES。

支援同步的資料來源包括：
- 阿里雲雲資料庫（MySQL、PostgreSQL、SQL Server、MongoDB、HBase）
- 阿里雲PolarDB-X（原DRDS升級版）
- 阿里雲MaxCompute
- 阿里雲OSS
- 阿里雲Tablestore
- 自建HDFS、Oracle、FTP、DB2及以上資料庫類型的自建版本
適用情境：
- 巨量資料離線同步到阿里雲ES的情境，支援同步整個庫或同步某個表中的全部資料。更多資訊，請參見MySQL整庫離線同步至Elasticsearch。
- 巨量資料線上即時同步到阿里雲ES的情境，支援全量、增量一體化同步。更多資訊，請參見MySQL整庫即時同步至Elasticsearch。

前提條件

已建立MaxCompute專案。具體操作，請參見建立MaxCompute專案。
已建立阿里雲ES執行個體，並開啟執行個體的自動建立索引功能。具體操作，請參見建立Elasticsearch執行個體和配置YML參數。
已建立DataWorks工作空間。具體操作，請參見建立工作空間。

說明

僅支援將資料同步到阿里雲ES，不支援自建Elasticsearch。
MaxCompute專案、ES執行個體和DataWorks工作空間所在地區需保持一致。
ES執行個體、MaxCompute和DataWorks工作空間需要建立在同一時區下，否則同步與時間相關的資料時，同步前後的資料可能存在時區差。

費用說明

ES執行個體費用，請參見ES計費項目。
獨享Data Integration資源群組費用，請參見獨享Data Integration資源群組計費說明：訂用帳戶。

操作步驟

步驟一：準備來源資料

建立MaxCompute表並匯入測試資料。具體操作，請參見建立表和匯入資料。

本文使用的表結構和表資料如下所示：

表結構
部分表資料

步驟二：購買並配置獨享資源群組

購買一個Data Integration獨享資源群組，並為該資源群組綁定專用網路和工作空間。獨享資源群組可以保證資料快速、穩定地傳輸。

登入DataWorks控制台。
在頂部功能表列選擇相應地區後，在左側導覽列單擊資源群組。
在獨享資源群組頁簽下，單擊建立舊版資源群組 > Data Integration資源群組。
在DataWorks獨享資源（訂用帳戶）購買頁面，獨享資源類型選擇獨享Data Integration資源，輸入資源群組名稱，單擊立即購買，購買獨享資源群組。
更多配置資訊，請參見步驟一：購買資源群組。
在已建立的獨享資源群組的操作列，單擊網路設定，為該獨享資源群組綁定專用網路。具體操作，請參見綁定專用網路。
說明
本文以獨享Data Integration資源群組通過VPC內網同步資料為例。關於通過公網同步資料，請參見添加白名單。
獨享資源需要與Elasticsearch執行個體的專用網路連通才能同步資料。因此需要綁定Elasticsearch執行個體所在的專用網路、可用性區域和交換器。查看Elasticsearch執行個體所在的專用網路、可用性區域和交換器，請參見查看Elasticsearch執行個體的基本資料。
重要
綁定專用網路後，您需要將專用網路的交換器網段加入到Elasticsearch執行個體的VPC私網訪問白名單中。具體操作，請參見配置Elastic search執行個體公網或私網訪問白名單。
在頁面左上方，單擊返回表徵圖，返回資源群組列表頁面。
在已建立的獨享資源群組的操作列，單擊綁定工作空間，為該獨享資源群組繫結目標工作空間。
具體操作，請參見步驟二：綁定歸屬工作空間。

步驟三：添加資料來源

將MaxCompute和Elasticsearch資料來源接入DataWorks的Data Integration服務中。

進入DataWorks的Data Integration頁面。
1. 登入DataWorks控制台。
2. 在左側導覽列，單擊工作空間。
3. 在目標工作空間的操作列，選擇快速進入 > Data Integration。
在左側導覽列，單擊資料來源。
新增MaxCompute資料來源。
1. 在資料來源列表頁面，單擊新增資料來源。
2. 在新增資料來源頁面，搜尋並選擇MaxCompute資料來源。
3. 在新增MaxCompute資料來源對話方塊，在基礎資訊地區配置資料來源參數。
  配置詳情，請參見配置MaxCompute資料來源。
4. 在串連配置地區，單擊測試連通性，連通狀態顯示為可連通時，表示連通成功。
5. 單擊完成。
使用同樣的方式添加Elasticsearch資料來源。配置詳情，請參見配置Elasticsearch資料來源。

步驟四：配置並運行資料同步任務

資料同步任務將獨享資源群組作為一個可以執行任務的資源，獨享資源群組將擷取Data Integration服務中資料來源的資料，並將資料寫入Elasticsearch。

說明

有兩種方式可以配置離線同步任務，文本以嚮導模式配置離線同步任務為例。您也可以通過指令碼模式配置離線同步任務，詳情請參見通過指令碼模式配置離線同步任務和Elasticsearch Writer。
本文以舊版資料開發（DataStudio）樣本，建立離線同步任務。

進入DataWorks的資料開發頁面。
1. 登入DataWorks控制台。
2. 在左側導覽列，單擊工作空間。
3. 在目標工作空間的操作列，選擇快速進入 > 資料開發。
建立一個離線同步任務。
1. 在左側導覽列的資料開發（表徵圖）頁簽，選擇建立 > 建立商務程序，按照介面指引建立一個商務程序。
2. 按右鍵建立的商務程序，選擇建立節點 > Data Integration > 離線同步。
3. 在建立節點對話方塊中，輸入節點名稱，單擊確認。
配置網路與資源
1. 在資料來源地區，資料來源選擇MaxCompute(ODPS)，資料來源名稱選擇待同步的資料來源名稱。
2. 在我的資源群組地區，選擇獨享資源群組。
3. 在資料去向地區，資料去向選擇Elasticsearch，資料來源名稱選擇待同步的資料來源名稱。
單擊下一步。
配置任務。
1. 在資料來源地區，選擇待同步的表。
2. 在資料去向地區，配置資料去向的各參數。
3. 在欄位對應地區中，設定來源欄位與目標欄位的映射關係。
4. 在通道控制地區，配置通道參數。
詳細配置資訊，請參見通過嚮導模式配置離線同步任務。
運行任務。
1. （可選）配置任務調度屬性。在頁面右側，單擊調度配置，按照需求配置相應的調度參數。各配置的詳細說明，請參見調度配置。
2. 在節點地區的右上方，單擊儲存表徵圖，儲存任務。
3. 在節點地區的右上方，單擊提交表徵圖，提交任務。
  如果您配置了任務調度屬性，任務會定期自動執行。您還可以在節點地區的右上方，單擊運行表徵圖，立即運行任務。
  作業記錄中出現Shell run successfully!表明任務運行成功。部分任務作業記錄如下所示：
```
2023-10-31 16:52:35 INFO Exit code of the Shell command 0
2023-10-31 16:52:35 INFO --- Invocation of Shell command completed ---
2023-10-31 16:52:35 INFO Shell run successfully!
2023-10-31 16:52:35 INFO Current task status: FINISH
2023-10-31 16:52:35 INFO Cost time is: 33.106s
```

步驟五：驗證資料同步結果

在Kibana控制台中，查看同步成功的資料，並按條件查詢資料。

登入目標Elasticsearch執行個體的Kibana控制台。
具體操作，請參見登入Kibana控制台。
單擊Kibana頁面左上方的表徵圖，選擇Dev Tools（開發工具）。
在Console（控制台）中，執行如下命令查看同步的資料。
```
POST /odps_index/_search?pretty
{
"query": { "match_all": {}}
}
```
說明
odps_index為您在資料同步指令碼中設定的index欄位的值。
資料同步成功後，返回如下結果。

執行如下命令，搜尋文檔中的category和brand欄位。

POST /odps_index/_search?pretty
{
"query": { "match_all": {} },
"_source": ["category", "brand"]
}

執行如下命令，搜尋category為生鮮的文檔。

POST /odps_index/_search?pretty
{
"query": { "match": {"category":"生鮮"} }
}

執行如下命令，按照trans_num欄位對文檔進行排序。
```
POST /odps_index/_search?pretty
{
"query": { "match_all": {} },
"sort": { "trans_num": { "order": "desc" } }
}
```
更多命令和訪問方式，請參見Elastic.co官方協助中心。