Data Studio, veri işleme için birden fazla düğüm türünü destekler: senkronizasyon için veri entegrasyonu düğümleri; veri temizleme için hesaplama motoru düğümleri (MaxCompute SQL, Hologres SQL, EMR Hive ve diğerleri); karmaşık mantık için genel amaçlı düğümler (sanal düğümler, do-while döngüleri ve diğerleri).
Desteklenen düğüm türleri
Aşağıdaki tabloda periyodik zamanlama tarafından desteklenen düğüm türleri listelenmiştir. Manuel görevler veya manuel olarak tetiklenen iş akışları için desteklenen düğüm türleri farklılık gösterebilir. En güncel liste için kullanıcı arayüzüne bakın.
Düğüm kullanılabilirliği sürüme ve bölgeye göre değişir. En doğru bilgi için kullanıcı arayüzüne bakın.
Bazı düğümler bir iş akışı içinde çalıştırılamaz. Ayrıntılar için düğüm bilgilerini inceleyin.
|
Düğüm türü |
Düğüm adı |
Açıklama |
Düğüm kodu |
TaskType |
|
Veri Entegrasyonu |
Veri kaynakları arasında yinelenen toplu işlerde verileri senkronize eder; karmaşık senaryolarda birden çok heterojen kaynak arasında senkronizasyonu destekler. Toplu senkronizasyonun desteklediği veri kaynakları hakkında daha fazla bilgi için Desteklenen veri kaynakları ve senkronizasyon çözümleri konusuna bakın. |
23 |
DI |
|
|
Kaynak ile hedef veritabanı arasındaki veri değişikliklerini gerçek zamanlı olarak senkronize eder. Veri tutarlılığını korumak amacıyla tek bir tabloyu veya tüm bir veritabanını senkronize edebilirsiniz. Gerçek zamanlı senkronizasyonun desteklediği veri kaynakları hakkında daha fazla bilgi için Desteklenen veri kaynakları ve senkronizasyon çözümleri konusuna bakın. |
900 |
RI |
||
|
Notebook |
Modüler ve etkileşimli iş akışları sayesinde veri keşfi, görselleştirme ve model oluşturma süreçlerini daha verimli hale getiren etkileşimli bir veri işleme ve analiz platformudur. |
1323 |
NOTEBOOK |
|
|
MaxCompute |
MaxCompute SQL görevlerinin periyodik zamanlamasını destekler. MaxCompute SQL, SQL benzeri sözdizimi kullanır ve büyük ölçekli (TB düzeyinde) veriler içeren ancak yüksek gerçek zamanlı performans gerektirmeyen dağıtık işleme senaryoları için uygundur. |
10 |
ODPS_SQL |
|
|
Birden çok giriş ve çıkış parametresine sahip, yeniden kullanılabilir bir SQL kod şablonudur. Kaynak tabloları filtreler, birleştirir ve gruplandırarak sonuç tabloları oluşturur. SQL bileşeni düğümleri oluşturabilir ve bu önceden tanımlanmış bileşenleri kullanarak veri işleme işlem hatlarını hızlıca inşa edebilirsiniz. |
1010 |
COMPONENT_SQL |
||
|
Birden çok SQL ifadesini tek bir betikte birleştirerek derleme ve çalıştırmayı tek seferde gerçekleştirir; iç içe alt sorgular veya çok adımlı işlemler gibi karmaşık sorgu senaryoları için idealdir. Tüm betik tek seferde gönderilir ve birleştirilmiş bir yürütme planı kullanılır, böylece iş yalnızca bir kez kuyruğa alınır ve çalıştırılır. |
24 |
ODPS_SQL_SCRIPT |
||
|
MaxCompute Python SDK'sini entegre eder; PyODPS 2 düğümlerinde doğrudan Python kodu yazıp düzenleyerek MaxCompute üzerinde veri işleme ve analiz görevlerini gerçekleştirebilirsiniz. |
221 |
PY_ODPS |
||
|
MaxCompute işlerini doğrudan Python koduyla yazın ve periyodik zamanlama için yapılandırın. |
1221 |
PYODPS3 |
||
|
DataWorks platformunda MaxCompute tabanlı Spark toplu işlerini (küme modunda) çalıştırır. |
225 |
ODPS_SPARK |
||
|
MapReduce Java API'sini kullanarak MaxCompute üzerindeki büyük ölçekli veri kümelerini işleyen MapReduce programlarını göndermek için bir MaxCompute MR düğümü oluşturun. |
11 |
ODPS_MR |
||
|
Hologres'teki MaxCompute verileri üzerinde sorguları hızlandırmak için Data Catalog'un MaxCompute meta veri eşleme özelliğini kullanarak MaxCompute tablosu meta verilerini Hologres'e eşleyin; bu sayede Hologres dış tabloları aracılığıyla hızlandırılmış sorgulama mümkün olur. |
- |
- |
||
|
Büyük veri analizi ve gerçek zamanlı sorgular için tek tablo verilerini MaxCompute'dan Hologres'e senkronize eder. |
- |
- |
||
|
Hologres |
Hologres örneklerindeki verileri sorgular. Hologres ve MaxCompute alt düzeyde sorunsuz bir şekilde bağlantılıdır; bu nedenle, büyük ölçekli MaxCompute verilerini taşımadan standart PostgreSQL ifadelerini kullanarak sorgulayabilir ve analiz edebilirsiniz. |
1093 |
HOLOGRES_SQL |
|
|
Tek tablo verilerini Hologres'ten MaxCompute'e taşır. |
1070 |
HOLOGRES_SYNC_DATA_TO_MC |
||
|
MaxCompute tablo şemalarıyla eşleşen Hologres dış tablolarını toplu olarak hızlıca oluşturmak için tek tıklamayla tablo şeması içe aktarma özelliği sağlar. |
1094 |
HOLOGRES_SYNC_DDL |
||
|
Verileri MaxCompute'dan bir Hologres veritabanına hızlıca senkronize eder. |
1095 |
HOLOGRES_SYNC_DATA |
||
|
Serverless Spark |
Serverless Spark tabanlı bir Spark düğümüdür; büyük ölçekli veri işleme için uygundur. |
2100 |
SERVERLESS_SPARK_BATCH |
|
|
Serverless Spark tabanlı bir SQL sorgu düğümüdür; standart SQL sözdizimini destekler ve yüksek performanslı veri analizi yetenekleri sunar. |
2101 |
SERVERLESS_SPARK_SQL |
||
|
Kyuubi JDBC/ODBC arabirimi üzerinden Serverless Spark'a bağlanarak çok kiracılı Spark SQL hizmetleri sunar. |
2103 |
SERVERLESS_KYUUBI |
||
|
Severless StarRocks |
EMR Serverless StarRocks tabanlı bir SQL düğümüdür; açık kaynak StarRocks SQL sözdizimiyle uyumludur ve son derece hızlı OLAP sorgu analizi ile lakehouse sorgu analizi sağlar. |
2104 |
SERVERLESS_STARROCKS |
|
|
LLM |
Doğal dil talimatlarınıza dayalı olarak veri temizleme ve madenciliği gerçekleştiren yerleşik bir veri işleme ve analiz motorudur. |
2200 |
LLM_NODE |
|
|
Flink |
Standart SQL ifadelerini kullanarak gerçek zamanlı görev işleme mantığını tanımlar. Zengin SQL desteği, güçlü durum yönetimi ve hata toleransı, olay zamanı ve işleme zamanı uyumluluğu ile esnek ölçeklendirme sunar. Kafka ve HDFS gibi sistemlerle entegre olur ve günlük kaydı ile performans izleme araçları sağlar. |
2012 |
FLINK_SQL_STREAM |
|
|
Standart SQL ifadelerini kullanarak veri işleme görevlerini tanımlar ve yürütür. Büyük veri kümelerinin analizi ve dönüşümü, veri temizleme ve toplama dahil olmak üzere uygun senaryolarda kullanılır. Verimli büyük ölçekli toplu veri işleme için görsel yapılandırmayı destekler. |
2011 |
FLINK_SQL_BATCH |
||
|
JAR paketlerini göndererek Flink gerçek zamanlı görevlerini çalıştırır. Yüklenmiş bir Flink JAR kaynağını iş giriş noktası olarak seçin ve giriş sınıfı ile çalışma zamanı parametrelerini yapılandırın. |
2016 |
FLINK_JAR_STREAM |
||
|
JAR paketlerini göndererek Flink toplu işleme görevlerini çalıştırır. Yüklenmiş bir Flink JAR kaynağını iş giriş noktası olarak seçin ve giriş sınıfı ile zamanlama parametrelerini yapılandırın. |
2015 |
FLINK_JAR_BATCH |
||
|
Python dosyalarını göndererek Flink gerçek zamanlı görevlerini çalıştırır. Yüklenmiş bir Flink Python kaynağını dosya adresi olarak seçin ve giriş modülü ile çalışma zamanı parametrelerini yapılandırın. |
2018 |
FLINK_PYTHON_STREAM |
||
|
Python dosyalarını göndererek Flink toplu işleme görevlerini çalıştırır. Yüklenmiş bir Flink Python kaynağını dosya adresi olarak seçin ve giriş modülü ile zamanlama parametrelerini yapılandırın. |
2017 |
FLINK_PYTHON_BATCH |
||
|
EMR |
SQL benzeri ifadeleri kullanarak büyük veri kümelerini okuma, yazma ve yönetme işlemlerini gerçekleştirir; log verilerinin verimli analizi ve geliştirilmesi için uygundur. |
227 |
EMR_HIVE |
|
|
PB ölçeğindeki büyük veriler için hızlı, gerçek zamanlı etkileşimli bir SQL sorgu motorudur. |
260 |
EMR_IMPALA |
||
|
Büyük ölçekli veri kümelerini birden çok paralel Map görevine ayırarak veri işleme verimliliğini önemli ölçüde artırır. |
230 |
EMR_MR |
||
|
Esnek ve ölçeklenebilir dağıtık bir SQL sorgu motorudur; standart SQL sorgu sözdizimini kullanarak büyük verilerin etkileşimli analizini ve sorgulanmasını destekler. |
259 |
EMR_PRESTO |
||
|
Veri işleme, Hadoop bileşenlerini çağırma ve dosya işlemleri için özel Shell betikleri yazın ve yürütün. |
257 |
EMR_SHELL |
||
|
Genel amaçlı bir büyük veri analiz motorudur; karmaşık bellek içi hesaplamaları destekler ve geniş ölçekli, düşük gecikme süreli veri analizi uygulamaları oluşturmak için idealdir. |
228 |
EMR_SPARK |
||
|
Dağıtık bir SQL sorgu motoru kullanarak yapılandırılmış verileri işler ve görev yürütme verimliliğini artırır. |
229 |
EMR_SPARK_SQL |
||
|
Yüksek aktarım hızına sahip gerçek zamanlı akış verilerini işler; veri akışı hatalarından hızla kurtulabilen hata toleransı mekanizmaları sunar. |
264 |
EMR_SPARK_STREAMING |
||
|
Birden çok veri kaynağı arasında etkileşimli analiz ve sorgulama için uygun dağıtık bir SQL sorgu motorudur. |
267 |
EMR_TRINO |
||
|
Spark, Flink ve Trino gibi veri gölü sorgu motorları için SQL sorgu hizmetleri sunan dağıtık ve çok kiracılı bir ağ geçididir. |
268 |
EMR_KYUUBI |
||
|
ADB |
AnalyticDB for PostgreSQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1000090 |
- |
|
|
AnalyticDB for MySQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1000126 |
- |
||
|
AnalyticDB Spark görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1990 |
ADB_SPARK |
||
|
AnalyticDB Spark SQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1991 |
ADB_SPARK_SQL |
||
|
CDH |
CDH kümesi dağıtan ve DataWorks'te Hive görevleri çalıştırmak isteyen kullanıcılar için tasarlanmıştır. |
270 |
CDH_HIVE |
|
|
Genel amaçlı bir büyük veri analiz motorudur; karmaşık bellek içi analizi destekler ve geniş ölçekli, düşük gecikme süreli veri analizi uygulamaları oluşturmak için uygundur. |
271 |
CDH_SPARK |
||
|
Dağıtık bir SQL sorgu motoru kullanarak yapılandırılmış verileri işler ve görev yürütme verimliliğini artırır. |
272 |
CDH_SPARK_SQL |
||
|
Ultra büyük ölçekli veri kümelerini işler. |
273 |
CDH_MR |
||
|
CDH ortamının veri analizi yeteneklerini geliştiren dağıtık bir SQL sorgu motorudur. |
278 |
CDH_PRESTO |
||
|
Daha hızlı sorgu performansı sağlamak için Impala SQL betikleri yazın ve yürütün. |
279 |
CDH_IMPALA |
||
|
Lindorm |
Lindorm Spark görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1800 |
LINDORM_SPARK |
|
|
Lindorm Spark SQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1801 |
LINDORM_SPARK_SQL |
||
|
Click House |
Görev yürütme verimliliğini artırmak için dağıtık SQL sorgularını ve yapılandırılmış veri işlemeyi destekler. |
1301 |
CLICK_SQL |
|
|
Veri Kalitesi |
Kirli veriler gibi sorunları tespit etmek için veri kaynak tablolarında kontrol yapan veri kalitesi izleme kuralları yapılandırın. Veri doğrulama için izleme görevlerini periyodik olarak çalıştıracak özel zamanlama ilkeleri belirleyebilirsiniz. |
1333 |
DATA_QUALITY_MONITOR |
|
|
Farklı tablolar arasındaki verileri birden çok yöntemle karşılaştırır. |
1331 |
DATA_SYNCHRONIZATION_QUALITY_CHECK |
||
|
Genel |
Veri üretmeden kuru çalıştırma gerçekleştiren bir kontrol türü düğümdür. Genellikle düğümleri ve iş akışlarını organize etmek için iş akışı düzenlemesinde kök düğüm olarak kullanılır. |
99 |
VIRTUAL |
|
|
Atama düğümünün son sorgu veya çıktı sonucunu düğüm bağlamı özelliği aracılığıyla aşağı akış düğümlerine aktararak düğümler arası parametre geçişini sağlar. |
1100 |
CONTROLLER_ASSIGNMENT |
||
|
Shell düğümleri standart Shell sözdizimini destekler ancak etkileşimli sözdizimini desteklemez. |
6 |
DIDE_SHELL |
||
|
Yukarı akış düğümlerinden gelen parametreleri toplar ve aşağı akışa dağıtır. |
1115 |
PARAM_HUB |
||
|
OSS nesnelerini izleyerek aşağı akış düğümünün yürütülmesini tetikler. |
239 |
OSS_INSPECT |
||
|
Python 3.0'ı destekler. Zamanlama parametreleri aracılığıyla yukarı akış parametrelerini alabilir ve özel parametreler uygulayabilir; çıktısını aşağı akış düğümlerine parametre olarak aktarır. |
1322 |
PYTHON |
||
|
Yukarı akış düğümlerinin çalışma durumunu birleştirir; dallanma düğümlerinin aşağı akışındaki düğümler için bağımlılık takibi ve çalıştırma tetiklemeyi çözer. |
1102 |
CONTROLLER_JOIN |
||
|
Yukarı akış sonuçlarını değerlendirir ve farklı sonuçları farklı dal mantıklarına yönlendirir. Atama düğümleriyle birlikte kullanılabilir. |
1101 |
CONTROLLER_BRANCH |
||
|
Bir atama düğümü tarafından aktarılan sonuç kümesi üzerinde yineleme yapar. |
1106 |
CONTROLLER_TRAVERSE |
||
|
Bir düğüm mantığı alt kümesini döngü halinde yürütür. Ayrıca bir atama düğümü tarafından aktarılan sonuçlar üzerinde döngü yapmak için atama düğümleriyle birlikte kullanılabilir. |
1103 |
CONTROLLER_CYCLE |
||
|
Bir hedef nesnenin (MaxCompute bölümlenmiş tablosu, FTP dosyası veya OSS dosyası) kullanılabilir olup olmadığını denetler. Denetim ilkesi karşılandığında düğüm başarı durumu döndürür ve aşağı akış görevinin yürütülmesini tetikler. Desteklenen hedef nesneler:
|
241 |
CHECK_NODE |
||
|
Olay işlevlerini periyodik olarak zamanlar ve işler. |
1330 |
FUNCTION_COMPUTE |
||
|
Diğer zamanlama sistemlerindeki görevler tamamlandığında DataWorks görevlerini tetikler. Not
DataWorks artık kiracılar arası düğümler oluşturmayı desteklememektedir. Kiracılar arası düğümler kullanıyorsanız, aynı yetenekleri sunan HTTP tetikleyici düğümlerine geçiş yapmanızı öneririz. |
1114 |
SCHEDULER_TRIGGER |
||
|
Belirtilen SSH veri kaynağı üzerinden bağlı olan bir ana bilgisayara uzaktan erişir ve uzak ana bilgisayardaki betiğin yürütülmesini tetikler. |
1321 |
SSH |
||
|
Data Studio iş akışındaki diğer düğümler tarafından üretilen veri sorgusu sonuçlarını, veri gönderme hedefleri oluşturarak DingTalk gruplarına, Lark gruplarına, WeCom gruplarına, Teams'e ve e-postaya gönderir. |
1332 |
DATA_PUSH |
||
|
MySQL düğümü |
MySQL düğümleri, MySQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
1000125 |
- |
|
|
SQL Server |
SQL Server düğümleri, SQL Server görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10001 |
- |
|
|
Oracle düğümü |
Oracle düğümleri, Oracle görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10002 |
- |
|
|
PostgreSQL düğümü |
PostgreSQL düğümleri, PostgreSQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10003 |
- |
|
|
StarRocks düğümü |
StarRocks görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10004 |
- |
|
|
DRDS düğümü |
DRDS görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10005 |
- |
|
|
PolarDB MySQL düğümü |
PolarDB MySQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10006 |
- |
|
|
PolarDB PostgreSQL düğümü |
PolarDB PostgreSQL düğümleri, PolarDB PostgreSQL görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10007 |
- |
|
|
Doris düğümü |
Doris düğümleri, Doris görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10008 |
- |
|
|
MariaDB düğümü |
MariaDB düğümleri, MariaDB görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10009 |
- |
|
|
SelectDB düğümü |
SelectDB düğümleri, SelectDB görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10010 |
- |
|
|
Redshift düğümü |
Redshift düğümleri, Redshift görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10011 |
- |
|
|
Saphana düğümü |
Saphana düğümleri, SAP HANA görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10012 |
- |
|
|
Vertica düğümü |
Vertica düğümleri, Vertica görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10013 |
- |
|
|
DM (Dameng) düğümü |
DM düğümleri, DM görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10014 |
- |
|
|
KingbaseES düğümü |
KingbaseES düğümleri, KingbaseES görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10015 |
- |
|
|
OceanBase düğümü |
OceanBase düğümleri, OceanBase görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10016 |
- |
|
|
DB2 düğümü |
DB2 düğümleri, DB2 görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10017 |
- |
|
|
GBase 8a düğümü |
GBase 8a düğümleri, GBase 8a görevlerinin geliştirilmesini ve periyodik zamanlamasını destekler. |
10018 |
- |
|
|
Algoritma |
Uçtan uca makine öğrenimi geliştirme iş akışlarını uygulamak için PAI'nin görsel modelleme aracıdır. |
1117 |
PAI_STUDIO |
|
|
Eğitim görevlerinin dağıtık yürütülmesi için PAI'nin konteyner tabanlı eğitim hizmetidir. |
1119 |
PAI_DLC |
||
|
PAI bilgi tabanı dizin iş akışı / DataWorks tarafında PAIFlow düğümleri oluşturur. |
1250 |
PAI_FLOW |
||
|
Mantık düğümü |
Yönetim ve zamanlama amacıyla birden çok iş akışını tek bir bütün halinde birleştirir. |
1122 |
SUB_PROCESS |
Düğüm oluşturma
Zamanlanmış iş akışları için düğüm oluşturma
Görevlerinizin belirli aralıklarla (saatlik, günlük veya haftalık gibi) otomatik olarak çalışması gerekiyorsa, aşağıdaki yollarla zamanlanmış görev düğümleri oluşturun: bağımsız bir zamanlanmış görev düğümü oluşturun, zamanlanmış bir iş akışına iç düğümler ekleyin veya mevcut bir düğümü kopyalayın.
DataWorks konsolundaki Çalışma Alanları sayfasına gidin. Üst gezinme çubuğundan istediğiniz bölgeyi seçin. İstediğiniz çalışma alanını bulun ve Actions sütununda öğelerini seçin.
Sol gezinme bölmesinde Data Studio sayfasına gitmek için
simgesine tıklayın.
Zamanlanmış görev düğümü oluşturma
-
Proje dizininin sağ tarafındaki
simgesine tıklayın, New Node öğesini seçin ve ardından istediğiniz düğüm türünü seçin.ÖnemliSistem Common Nodes ve All Nodes listeleri sunar. Mevcut tüm düğüm türlerini görüntülemek için alt kısımdaki All Nodes seçeneğini belirleyin. Düğümleri hızlıca bulmak için arama kutusunu kullanın veya istediğiniz düğümü bulup oluşturmak için kategori filtrelerinden (MaxCompute, Data Integration ve General gibi) yararlanın.
Düğümleri düzenlemek ve yönetmek için önceden dizinler oluşturabilirsiniz.
Düğüm adını belirleyin ve kaydedin. Ardından düğüm düzenleme sayfası görüntülenir.
Zamanlanmış iş akışında iç düğüm oluşturma
Bir zamanlanmış iş akışı oluşturun.
İş akışı tuvalinde üstteki araç çubuğunda New Node düğmesine tıklayın, geliştirmeniz gereken göreve göre istediğiniz düğüm türünü seçin ve tuvale sürükleyin.
Düğüm adını belirleyin ve kaydedin.
Kopyalayarak düğüm oluşturma
Kopyalama özelliğini kullanarak mevcut bir düğümü hızlıca çoğaltabilir ve yeni bir düğüm oluşturabilirsiniz. Kopyalanan içerik, düğümün Scheduling Settings bilgilerini (Scheduling Parameters, Scheduling time ve Scheduling Dependency) içerir.
Sol taraftaki Project Directory bölümünde kopyalamak istediğiniz düğüme sağ tıklayın ve bağlam menüsünden Cloning seçeneğini belirleyin.
İletişim kutusunda düğüm Name ve Path değerlerini değiştirin (veya varsayılan değerleri koruyun) ve kopyalamayı başlatmak için Confirm düğmesine tıklayın.
Kopyalama tamamlandıktan sonra yeni oluşturulan düğümü Project Directory bölümünde görüntüleyin.
Manuel olarak tetiklenen iş akışları için düğüm oluşturma
Görevlerinizin periyodik olarak çalışması gerekmiyor ancak üretim ortamına dağıtılması ve gerektiğinde manuel olarak çalıştırılması gerekiyorsa, manuel olarak tetiklenen bir iş akışında iç düğümler oluşturun.
DataWorks konsolundaki Çalışma Alanları sayfasına gidin. Üst gezinme çubuğundan istediğiniz bölgeyi seçin. İstediğiniz çalışma alanını bulun ve Actions sütununda öğelerini seçin.
-
Sol gezinme bölmesinde manuel olarak tetiklenen iş akışı sayfasına gitmek için
simgesine tıklayın.Bir manuel olarak tetiklenen iş akışı oluşturun.
Manuel olarak tetiklenen iş akışı düzenleme sayfasının üstündeki araç çubuğunda New Internal Node düğmesine tıklayın ve geliştirmeniz gereken göreve göre istediğiniz düğüm türünü seçin.
Düğüm adını belirleyin ve kaydedin.
Manuel görev düğümleri oluşturma
DataWorks konsolundaki Çalışma Alanları sayfasına gidin. Üst gezinme çubuğundan istediğiniz bölgeyi seçin. İstediğiniz çalışma alanını bulun ve Actions sütununda öğelerini seçin.
Sol gezinme bölmesinde manuel görev sayfasına gitmek için
simgesine tıklayın.-
Alt bölümde Manually Triggered Task öğesinin sağ tarafındaki
simgesine tıklayın, New Node seçeneğini belirleyin ve ardından istediğiniz düğüm türünü seçin.NotManuel görevler yalnızca aşağıdaki düğüm türlerini destekler: Offline synchronization, Notebook, Maxcompute SQL, Maxcompute Script, Pyodps 2, Maxcompute MR, Hologres SQL, Python ve Shell.
Düğüm adını belirleyin ve kaydedin. Ardından düğüm düzenleme sayfası görüntülenir.
Düğümlerin toplu düzenlenmesi
Bir iş akışı çok sayıda düğüm içerdiğinde bunları tek tek açarak düzenlemek verimsizdir. DataWorks, tuvalin sağ tarafında tüm düğümleri liste halinde gösteren ve hızlı önizleme, arama ile toplu düzenleme imkanı sunan Internal Node List özelliğini sağlar.
Kullanım
-
İş akışı tuvalinin üstündeki araç çubuğunda Show Internal Node List düğmesine tıklayarak özelliği tuvalin sağ tarafındaki panelde açın.
-
Panel açıldığında mevcut iş akışındaki tüm düğümler liste halinde görüntülenir.
-
Kod önizleme ve sıralama:
Kod düzenlemeyi destekleyen düğümler (MaxCompute SQL gibi) varsayılan olarak kod düzenleyiciyi genişletir.
Kod düzenlemeyi desteklemeyen düğümler (sanal düğümler gibi) kart olarak görüntülenir ve listenin en altına otomatik olarak yerleştirilir.
-
Hızlı arama ve gezinme:
Arama: Üstteki arama kutusuna anahtar kelimeler girerek düğüm adları üzerinde bulanık arama yapın.
Bağlantı: Tuval ile kenar çubuğu arasında çift yönlü bağlantı mevcuttur. Tuvalde bir düğüm seçtiğinizde kenar çubuğundaki ilgili düğüm vurgulanır ve tersi de geçerlidir.
-
Çevrimiçi düzenleme:
İşlemler: Her düğüm kartının sağ üst köşesinde Load Latest Code, Open Node ve Edit gibi hızlı işlemler bulunur.
Otomatik kaydetme: Düzenleme moduna geçtiğinizde fare odağı kod bloğu alanından ayrıldığında değişiklikler otomatik olarak kaydedilir.
Çakışma algılama: Düzenleme sırasında kod başka bir kullanıcı tarafından güncellenirse yanlışlıkla üzerine yazılmasını önlemek amacıyla kaydetme hatası bildirimi tetiklenir.
-
Odak modu:
Bir düğüm seçin ve odak modunu etkinleştirmek için kayan pencerenin sağ üst köşesindeki
simgesine tıklayın. Kenar çubuğu yalnızca seçili düğümü göstererek kod düzenleme için daha fazla alan sağlar.
-
Sürüm yönetimi
Düğümleri belirtilen geçmiş bir sürüme geri yükleyin. Sistem ayrıca farkları analiz etmenize ve ayarlama yapmanıza yardımcı olmak için sürüm görüntüleme ve karşılaştırma özellikleri sunar.
Sol taraftaki Project Directory bölümünde hedef düğüm adına çift tıklayarak düğüm düzenleme sayfasına gidin.
-
Düğüm düzenleme sayfasının sağ tarafındaki Version düğmesine tıklayın. Version sayfasında Developer Record ve Publish Record bilgilerini görüntüleyin ve yönetin.
-
View bir sürüm:
Developer Record veya Publish Record sekmesinde görüntülemek istediğiniz düğüm sürümünü bulun.
-
Operation sütunundaki View düğmesine tıklayarak ayrıntılar sayfasına gidin; burada düğüm kodu içeriğini ve Scheduling Settings bilgilerini görüntüleyebilirsiniz.
NotScheduling Settings bilgileri Script Mode veya Visual Mode içinde görüntülenebilir. Görüntüleme modları arasında Scheduling Settings sekmesinin sağ üst köşesinden geçiş yapabilirsiniz.
-
Compare sürümler:
Developer Record veya Publish Record sekmesinde bir düğümün farklı sürümlerini karşılaştırabilirsiniz. Aşağıdaki örnek, geliştirici kaydını kullanarak karşılaştırma işlemini göstermektedir.
Geliştirme veya dağıtım kayıtları içinde karşılaştırma: Developer Record sekmesinde iki sürüm seçin ve sürümler arasındaki düğüm kodu içeriği ile zamanlama ayarlarını karşılaştırmak için üstteki Select Comparison düğmesine tıklayın.
-
Geliştirme ve dağıtım veya derleme kayıtları arasında karşılaştırma:
Developer Record sekmesinde istediğiniz düğüm sürümünü bulun.
Operation sütunundaki Compare düğmesine tıklayın ve ayrıntılar sayfasında karşılaştırmak için Publish Record veya Build Records içinden bir sürüm seçin.
-
Restore bir sürüm:
Düğümleri yalnızca Developer Record içinden belirtilen geçmiş bir sürüme geri yükleyebilirsiniz. Developer Record sekmesinde hedef sürümü bulun ve düğümün kodunu ile Scheduling Settings bilgilerini hedef sürüme geri yüklemek için Operation sütunundaki Restore düğmesine tıklayın.
-
İlgili Konular
Zamanlanmış iş akışlarında ve manuel olarak tetiklenen iş akışlarında düğüm geliştirme hakkında daha fazla bilgi için Zamanlanmış iş akışları ve Manuel olarak tetiklenen iş akışları konularına bakın.
Düğümler oluşturulup geliştirildikten sonra bunları üretim ortamına dağıtabilirsiniz. Daha fazla bilgi için Düğümleri gönderme ve Düğümleri dağıtma konularına bakın.
SSS
Düğüm kodunu (SQL veya Python gibi) yerel makineme indirebilir miyim?
Yanıt: Doğrudan indirme özelliği mevcut değildir. Geliştirme sırasında kodu yerel makinenize kopyalayabilirsiniz. Alternatif olarak, Data Studio'daki kişisel dizinde geliştirme yapabilir ve ardından kodu proje dizinine gönderebilirsiniz; bu işlem kodunuzu yerel olarak kaydeder.