采集数据

新建OSS数据源

1. 进入数据源管理页面。
   1. 登录DataWorks控制台。
   2. 在左侧导航栏，单击工作空间列表。
   3. 单击相应工作空间后的进入数据集成。
      如果您已在DataWorks的某个功能模块，请单击左上方的图标，选择全部产品 > 数据汇聚 > 数据集成，进入数据集成页面。
   4. 在左侧导航栏，单击数据源，进入工作空间管理 > 数据源管理页面。
2. 在数据源管理页面，单击右上方的新增数据源。
3. 在新增数据源对话框中，选择数据源类型为OSS。
4. 在新增OSS数据源对话框中，配置各项参数。此处您可以直接按照示例参数进行填写。

   参数	描述
   数据源名称	输入数据源名称，示例为oss_workshop_log。
   数据源描述	对数据源进行简单描述。
   Endpoint	输入Endpoint，示例为http://oss-cn-shanghai-internal.aliyuncs.com。
   Bucket	输入Bucket名称，示例为new-dataworks-workshop。
   AccessKey ID	输入访问密钥中的AccessKey ID，示例为LTAI4FvGT3iU4xjKotpUMAjS。
   AccessKey Secret	输入访问密钥中的AccessKey Secret，示例为9RSUoRmNxpRC9EhC4m9PjuG7Jzy7px。

5. 连通性测试通过后，单击完成。

新建RDS数据源

1. 在数据源管理页面，单击右上方的新增数据源。
2. 在新增数据源对话框中，选择数据源类型为MySQL。
3. 在新增MySQL数据源对话框中，配置各项参数。此处您可以直接按照示例参数进行填写。

   参数	描述
   数据源类型	选择阿里云实例模式。
   数据源名称	输入数据源名称，示例为rds_workshop_log。
   数据源描述	对数据源进行简单描述。
   地区	选择RDS实例所在的区域，示例为华东2-上海。
   RDS实例ID	输入rm-2ev0681lc7042g16u。
   RDS实例主账号ID	输入5600815724958382。
   数据库名	输入数据库名称，示例为workshop。
   用户名	输入用户名，示例为workshop。
   密码	输入密码，示例为workshop#2017。

4. 连通性测试通过后，单击完成。

新建私有OSS数据源

本次实验将EMR引擎的数据存储在OSS数据源中。

1. 在数据源管理页面，单击右上方的新增数据源。
2. 在新增数据源对话框中，选择数据源类型为OSS。
3. 在新增OSS数据源对话框中，配置各项参数。

   参数	描述
   数据源名称	输入数据源的名称。
   数据源描述	对数据源进行简单描述。
   Endpoint	输入http://oss-cn-shanghai-internal.aliyuncs.com。
   Bucket	您在环境准备中创建的OSS Bucket的名称，示例为dw-emr-demo。
   AccessKey ID	当前登录账号的AccessKey ID，您可以进入安全信息管理页面复制AccessKey ID。
   AccessKey Secret	输入当前登录账号的AccessKey Secret。

4. 连通性测试通过后，单击完成。

新建业务流程

1. 单击左上方的图标，选择全部产品 > 数据开发 > DataStudio（数据开发）。
2. 在数据开发面板，右键单击业务流程，选择新建业务流程。
3. 在新建业务流程对话框中，输入业务名称和描述。
   注意 业务名称不能超过128个字符，且必须是大小写字母、中文、数字、下划线（_）以及英文句号（.）。
4. 单击新建。
5. 进入业务流程开发面板，鼠标单击虚拟节点并拖拽至右侧的编辑页面。在新建节点对话框中，输入节点名称为workstart，单击提交。
   

   以同样的方式新建两个离线同步节点，节点名称分别为Log2oss和User2oss。

6. 通过拖拽连线，将workstart节点设置为两个离线同步节点的上游节点。
   

配置workstart节点

1. 在数据开发页面，双击相应业务流程下的虚拟节点。打开该节点的编辑页面，单击右侧的调度配置。
2. 在调度依赖区域，单击使用工作空间根节点，设置workstart节点的上游节点为工作空间根节点。
   由于新版本给每个节点都设置了输入输出节点，所以需要给workstart节点设置一个输入。此处设置其上游节点为工作空间根节点，通常命名为工作空间名_root。
3. 配置完成后，单击左上方的图标。

配置离线同步节点

1. 同步RDS数据源的用户信息至自建的OSS。
   1. 在数据开发页面，双击User2oss节点，进入节点配置页面。
   2. 选择数据来源。
      

      参数	描述
      数据源	选择MySQL > rds_workshop_log数据源。
      表	选择数据源中的ods_user_info_d。
      数据过滤	您将要同步数据的筛选条件，暂时不支持limit关键字过滤。此处可以不填写。
      切分键	建议使用主键或有索引的列作为切分键，仅支持类型为整型的字段。此处设置切分键为uid。

   3. 选择数据去向。
      

      参数	描述
      数据源	选择前文创建的OSS数据源，此处示例为OSS > dw_emr_demo数据源。
      Object前缀	根据您自建OSS的目录进行输入，示例为ods_user_info_d/user_${bizdate}/user_${bizdate}.txt。
      文本类型	选择text类型。
      列分隔符	输入列分隔符为|。
      编码格式	默认为UTF-8格式。
      null值	表示null值的字符串，此处可以不填写。
      时间格式	时间序列化格式，此处可以不填写。
      前缀冲突	此处选择替换原有文件。

   4. 配置字段映射。
      
   5. 配置通道控制，单击工具栏中的图标。
      
   6. 单击工具栏中的图标，在已有的脚本中手动添加参数"writeSingleObject": "true"和"suffix": ".txt"。
      

      说明

      • writeSingleObject和suffix参数仅支持脚本模式进行添加。
      • 存储的路径object需要与自建OSS中的目录一致。
   7. 配置完成后，单击工具栏中的图标。
2. 同步OSS数据源的日志信息至自建的OSS。
   1. 在数据开发页面，双击Log2oss节点，进入节点配置页面。
   2. 选择数据来源。

      参数	描述
      数据源	选择OSS > oss_workshop_log数据源。
      Object前缀	输入user_log.txt。
      文本类型	选择text类型。
      列分隔符	输入列分隔符为|。
      编码格式	默认为UTF-8格式。
      null值	表示null值的字符串，此处可以不填写。
      压缩格式	包括None、Gzip、Bzip2和Zip四种类型，此处选择None。
      是否包含表头	默认为No。

   3. 选择数据去向。

      参数	描述
      数据源	选择前文创建的OSS数据源，此处示例为OSS > dw_emr_demo数据源。
      Object前缀	根据您自建OSS的目录进行输入，示例为ods_raw_log_d/user_log_${bizdate}/user_log_${bizdate}.txt。
      文本类型	选择text类型。
      列分隔符	输入列分隔符为|。
      编码格式	默认为UTF-8格式。
      null值	表示null值的字符串，此处可以不填写。
      时间格式	时间序列化格式，此处可以不填写。
      前缀冲突	此处选择替换原有文件。

   4. 配置字段映射。
      注意 源数据表中只有一列数据，此处需要删除其它映射过来的空列。
   5. 配置通道控制，单击工具栏中的图标。
   6. 单击工具栏中的图标，在已有的脚本中手动添加参数"writeSingleObject": "true"和"suffix": ".txt"。
      说明

      • writeSingleObject和suffix参数仅支持脚本模式进行添加。
      • 存储的路径object需要与自建OSS中的目录一致。
   7. 配置完成后，单击工具栏中的图标。

新建表

1. 在数据开发页面打开新建的业务流程，右键单击EMR，选择新建 > EMR Hive。
2. 在新建节点对话框中，输入节点名称，单击提交。
   此处需要新建两个EMR Hive节点（ods_user_info_d和ods_raw_log_d），分别新建存储同步过来的OSS日志数据和RDS日志数据的两张表。
3. 分别在EMR Hive节点中，选择EMR引擎并输入建表语句，单击保存并运行各建表语句。
   • 新建ods_user_info_d表。
     双击ods_user_info_d节点，在右侧的编辑页面输入下述建表语句。

     CREATE EXTERNAL TABLE IF NOT EXISTS ods_user_info_d
     (
         `uid` STRING COMMENT '用户ID',
         `gender` STRING COMMENT '性别',
         `age_range` STRING COMMENT '年龄段',
         `zodiac` STRING COMMENT '星座'
     ) PARTITIONED BY (
       dt STRING
     )
     ROW FORMAT  delimited fields terminated by '|'
     LOCATION 'oss://dw-emr-demo/ods_user_info_d/';
     
     ALTER TABLE ods_user_info_d ADD IF NOT EXISTS PARTITION (dt=${bizdate})
     LOCATION 'oss://dw-emr-demo/ods_user_info_d/user_${bizdate}/';

     说明 上述代码中的location为示例路径，需要输入您建立的文件夹的路径名称。
   • 新建ods_raw_log_d表。
     双击ods_raw_log_d节点，在右侧的编辑页面输入下述建表语句。

     --创建OSS日志对应目标表
     CREATE EXTERNAL TABLE IF NOT EXISTS ods_raw_log_d
     (
       `col` STRING
     ) PARTITIONED BY (
       dt STRING
     );
     ALTER TABLE ods_raw_log_d ADD IF NOT EXISTS PARTITION (dt=${bizdate})
     LOCATION 'oss://dw-emr-demo/ods_raw_log_d/user_log_${bizdate}/';

     说明 上述代码中的location为示例路径，需要输入您建立的文件夹的路径名称。
4. 查看数据同步结果。
   建表语句运行成功后，分别在两个EMR Hive节点中输入查询语句。

   说明 查询语句中的分区列需要更新为业务日期。例如，任务运行的日期为20191107，则业务日期为20191106，即任务运行日期的前一天。

   • 查询ods_user_info_d表的数据。

     SELECT * from ods_user_info_d where dt=业务日期; --业务日期为任务运行日期的前一天。

     
   • 查询ods_raw_log_d表的数据。

     SELECT * from ods_raw_log_d where dt=业务日期; --业务日期为任务运行日期的前一天。

     

后续步骤

现在，您已经学习了如何进行日志数据同步，完成数据的采集，您可以继续下一个教程。在该教程中，您将学习如何对采集的数据进行计算与分析。详情请参见加工数据。