全部产品
Search
文档中心

大数据开发治理平台 DataWorks:创建MaxCompute数据源

更新时间:Jan 15, 2024

若您要使用DataWorks进行MaxCompute任务的开发、管理,需先将您的MaxCompute项目创建为DataWorks的MaxCompute数据源。创建完成后,可在DataWorks的各功能模块使用该数据源连接MaxCompute项目,进行相应的数据同步、数据开发、数据分析等操作。

前提条件

  • 已购买MaxCompute,详情请参见开通MaxCompute

    说明

    建议购买MaxCompute的地域与创建MaxCompute数据源的DataWorks工作空间地域一致。若地域不一致,则只能创建为跨地域的数据源,此类数据源无法在DataWorks的数据开发(DataStudio)模块绑定,即无法用于数据开发或周期性调度任务,仅可进行数据同步任务。

  • 已购买所需DataWorks资源组并完成资源组配置。

    MaxCompute数据源创建完成后,可用于进行数据同步、计算任务开发与调度、生成API提供数据服务等应用场景,各场景需分别使用DataWorks的数据集成资源组、调度资源组、数据服务资源组。

    您需根据应用场景提前准备对应的资源组并完成配置,在创建MaxCompute数据源时确保与对应资源组间网络连通。各资源组的介绍与配置引导,请参见DataWorks资源组概述

  • 已创建或加入目标工作空间。

    您需在目标工作空间中,将MaxCompute项目创建为该工作空间的数据源,用于后续在该工作空间进行开发操作。同时,需将购买的DataWorks资源组绑定至该工作空间,确保数据源与资源组网络连通。创建工作空间,详情请参见创建并管理工作空间

    说明

    同一个MaxCompute项目可在多个DataWorks工作空间中被创建为数据源。

使用限制

  • 仅当MaxCompute项目和DataWorks工作空间属于同地域、同一阿里云账号时,基于该项目创建的数据源才可在DataWorks的数据开发(DataStudio)模块绑定,即此类数据源才可用于数据开发或周期性调度任务。

  • 支持跨账号创建数据源,即支持将其他阿里云账号下的MaxCompute项目创建为数据源,但数据源创建完成后仅支持通过RAM角色访问对应项目,并且该类数据源不能用于数据开发或周期性调度任务。详情请参见场景:跨账号创建MaxCompute数据源

  • 运维空间管理员角色可创建数据源。授权用户拥有该类角色,详情请参见添加空间成员并管理成员角色权限

    说明

    除上述空间角色权限外,创建MaxCompute数据源时还会存在其他MaxCompute侧权限控制,您需根据界面提示进行授权。详情请参见下文权限说明章节。

权限说明

  • 使用RAM用户或角色创建数据源:

  • 设置生产数据源的默认访问身份为RAM用户或角色:

    • 如需将默认访问身份设置为其他阿里云账号或角色(即非当前登录账号的其他身份),需拥有RAM的AdministratorAccess权限,且数据源创建完成后,该账号或角色将会被MaxCompute生产项目添加为Role_Project_Scheduler角色。配置默认访问身份,详情请参见下文的创建数据源章节。

    • 当前工作空间下的生产数据,均归属于创建数据源时所指定的生产环境默认访问身份。其他账号如需操作及访问生产表,需在安全中心申请相关权限。相关介绍及操作,请参见MaxCompute数据访问权限控制审批中心概述

      说明

      简单模式工作空间无法做到细粒度权限控制,以下内容为标准模式工作空间下的影响说明。

数据源创建入口

  1. 进入数据源页面。

    1. 登录DataWorks控制台,单击左侧导航栏的管理中心,在下拉框中选择对应工作空间后单击进入管理中心

    2. 进入工作空间管理中心页面后,单击左侧导航栏的数据源,进入数据源页面。

  2. 单击新增数据源,选择MaxCompute,根据界面指引创建数据源。

    您也可进入数据集成界面创建,但该页面仅支持创建生产数据源,且创建完成后需在管理中心 > 数据源进行管理。数据集成页面支持创建的数据源类型,具体请以实际界面为准。

创建数据源

DataWorks支持通过如下两种方式创建新版数据源。

说明

标准模式工作空间,需分别创建开发环境数据源和生产环境数据源。工作空间模式,详情请参见必读:简单模式和标准模式的区别

方式一:通过已有MaxCompute项目创建数据源

若您已有MaxCompute项目,则可将已有MaxCompute项目添加为当前工作空间的数据源。

通过该方式新建数据源,需拥有MaxCompute的odps:ListProjects权限,以及目标MaxCompute项目的Super_Administrator权限。

创建数据源配置如下。

  1. 配置基础信息。image.png

    参数

    说明

    数据源名称

    定义数据源在DataWorks的名称,名称必须唯一。

    认证方式

    新建的数据源仅支持通过阿里云账号及阿里云RAM角色身份进行认证。

    说明

    历史存量使用AccessID及AccessKey创建的数据源,建议后续修改时通过阿里云账号及阿里云RAM角色身份进行认证。

    所属云账号

    定义添加哪个账号下的MaxCompute项目作为当前工作空间的数据源。

    • 当前阿里云主账号:添加当前阿里云主账号下的MaxCompute项目作为当前工作空间的数据源。

    • 其他阿里云主账号:添加其他阿里云主账号下的MaxCompute项目作为当前工作空间的数据源。

    请根据选择的账号类型,参照下文配置其他配置项。

    地域

    MaxCompute项目所在地域。

    说明

    若选择的MaxCompute项目与当前工作空间不在同一地域,则将MaxCompute项目添加为数据源后,该数据源不支持绑定为工作空间的计算引擎,即不支持在数据开发(DataStudio)、运维中心使用,仅用于数据集成模块进行数据同步。

    其他配置(使用当前阿里云主账号)

    所属云账号选择当前阿里云主账号时,您需配置如下参数:

    • MaxCompute项目名称:选择需将指定地域下哪一个MaxCompute项目添加为当前工作空间的数据源。

      说明

      若无法选择目标MaxCompute项目,则请授予当前登录账号该项目的Super_Administrator权限。授权详情请参见权限说明

    • 默认访问身份:定义在当前工作空间下,用什么身份访问该数据源。

      • 开发环境:当前仅支持使用执行者身份访问。

      • 生产环境:支持使用阿里云主账号、阿里云RAM用户(即子账号)、阿里云RAM角色访问。

        说明
        • 仅阿里云主账号及拥有AdministratorAccess角色权限的用户或角色可选择所有身份访问。

        • 设置生产数据源的默认访问身份为RAM用户或角色:

          如需将默认访问身份设置为其他阿里云账号或角色(即非当前登录账号的其他身份),需拥有RAM的AdministratorAccess权限,且数据源创建完成后,该账号或角色将会被MaxCompute生产项目添加为Role_Project_Scheduler角色。

        • 当前工作空间下的生产数据,均归属于创建数据源时所指定的生产环境默认访问身份。其他账号如需操作及访问生产表,需在安全中心申请相关权限。相关介绍及操作,请参见MaxCompute数据访问权限控制审批中心概述

          说明

          简单模式工作空间无法做到细粒度权限控制,以下内容为标准模式工作空间下的影响说明。

    其他配置(使用其他阿里云主账号)

    所属云账号选择其他阿里云主账号时,您需配置如下参数:

    • 对方阿里云主账号UID:需添加的MaxCompute项目所属的云账号UID。

    • 对方MaxCompute项目:需将对方账号下哪一个MaxCompute项目作为当前工作空间的MaxCompute数据源。

    • 对方RAM角色:访问该MaxCompute项目的RAM角色。该角色需满足如下条件:

      • 对方阿里云主账号中已创建RAM角色。

      • 对方阿里云主账号的RAM角色已授权当前账号DataWorks服务访问。

      • 所选择的MaxCompute项目中已添加该角色。

    说明
    • 跨账号添加数据源的相关操作,详情请参见场景:跨账号创建MaxCompute数据源

    • 若选择的MaxCompute项目与DataWorks工作空间不在同一个阿里云主账号下,则将MaxCompute项目添加为数据源后,该数据源不支持绑定为工作空间的计算引擎,即不支持在数据开发(DataStudio)、运维中心使用,仅用于数据集成模块进行数据同步。

    Endpoint

    指定DataWorks通过该数据源访问MaxCompute项目的Endpoint地址。包括访问MaxCompute服务的Endpoint地址,以及上传、下载本地或云数据源数据的Tunnel服务地址。支持以下两种配置:

    • 自动适配:DataWorks根据实际情况自动适配,建议选择该项。

      说明

      若MaxCompute项目与DataWorks服务所在地域不一致,即存在跨地域访问场景,自动适配情况下,数据集成默认使用公网访问地址读取和下载数据。

    • 自定义配置:自定义情况下,您需手动配置MaxCompute Endpoint及Tunnel Endpoint,不同地域,Endpoint不同。详情请参见Endpoint

      说明

      原绑定MaxCompute引擎自动创建的MaxCompute数据源暂不支持修改Tunnel Endpoint。

  2. 测试资源组连通性。

    根据使用场景不同,资源组分为数据集成(用于数据同步)、数据调度(用于任务调度)、数据服务(用于数据服务任务)三种类型。各类资源组的详细介绍,请参见DataWorks资源组概述

    您需根据数据源后续的用途,在连接配置区域对应资源组类型后,测试所需资源组的连通性。若资源组与数据源无法连通,则相应数据源任务将无法正常执行。

    说明

    数据源创建成功后平台会进行访问身份授权,即将访问身份账号添加至MaxCompute项目中,并为该身份映射MaxCompute对应的权限。在授权完成前,连通性测试可能会产生连通无权限报错,该场景下,保存数据源后,您需稍作等待。

方式二:通过新建MaxCompute项目创建数据源

若您没有可用MaxCompute项目,则可新建MaxCompute项目并将其添加为当前工作空间的数据源。

通过该方式新建数据源,需拥有MaxCompute的odps:CreateProject权限。若使用RAM用户或角色创建数据源,数据源创建完成后,该RAM用户或角色将被MaxCompute项目添加为Super_Administrator

说明

通过该方式创建的数据源,会默认将工作空间内存量和新增用户均加入至MaxCompute开发项目。同时,用户所拥有的角色会映射相应预设MaxCompute角色。详情请参见附录:空间级预设角色与MaxCompute引擎权限的映射关系

创建数据源配置如下。

  1. 配置基础信息。image.png

    参数

    说明

    数据源名称

    定义数据源在DataWorks的名称,名称必须唯一。

    认证方式

    新建的数据源仅支持通过阿里云账号及阿里云RAM角色身份进行认证。

    所属云账号

    仅支持通过当前阿里云主账号创建数据源。

    地域

    仅支持在当前工作空间所在地域创建数据源。

    项目名称

    创建的MaxCompute项目命称。建议按如下规范命名:

    • 生产环境:project_name

    • 开发环境:project_name_dev

    计算资源付费类型

    定义MaxCompute项目按照哪种付费方式进行计费,包括按量付费包年包月。 关于MaxCompute计费模式详情请参见计费项与计费方式概述

    说明

    标准模式下不支持添加开发者版本的实例。

    默认Quota

    定义MaxCompute项目使用的计算资源池。关于Quota相关说明详情请参见配额

    单SQL消费限制

    用于设置单个SQL语句的消费阈值,预防单个SQL语句产生高额费用。

    数据类型

    定义MaxCompute项目使用哪一类数据类型。包括2.0数据类型(推荐)1.0数据类型(面向已有使用1.0数据类型用户)Hive兼容类型(面向Hive迁移用户),详情请参见:数据类型版本说明

    是否加密

    根据实际情况选择当前MaxCompute项目是否需要通过密钥管理服务KMS(Key Management Service)对数据进行存储加密,详情请参见存储加密

    默认访问身份

    定义在当前工作空间下,用什么身份访问该数据源。

    • 开发环境:当前仅支持使用执行者身份访问。

    • 生产环境:支持使用阿里云主账号、阿里云RAM用户(即子账号)、阿里云RAM角色访问。

      说明
      • 仅阿里云主账号及拥有AdministratorAccess角色权限的用户或角色可选择所有身份访问。

      • 设置生产数据源的默认访问身份为RAM用户或角色:

        如需将默认访问身份设置为其他阿里云账号或角色(即非当前登录账号的其他身份),需拥有RAM的AdministratorAccess权限,且数据源创建完成后,该账号或角色将会被MaxCompute生产项目添加为Role_Project_Scheduler角色。

      • 当前工作空间下的生产数据,均归属于创建数据源时所指定的生产环境默认访问身份。其他账号如需操作及访问生产表,需在安全中心申请相关权限。相关介绍及操作,请参见MaxCompute数据访问权限控制审批中心概述

        说明

        简单模式工作空间无法做到细粒度权限控制,以下内容为标准模式工作空间下的影响说明。

    Endpoint

    指定DataWorks通过该数据源访问MaxCompute项目的Endpoint地址。包括访问MaxCompute服务的Endpoint地址,以及上传、下载本地或云数据源数据的Tunnel服务地址。支持以下两种配置:

    • 自动适配:DataWorks根据实际情况自动适配,建议选择该项。

      说明

      若MaxCompute项目与DataWorks服务所在地域不一致,即存在跨地域访问场景,自动适配情况下,数据集成默认使用公网访问地址读取和下载数据。

    • 自定义配置:自定义情况下,您需手动配置MaxCompute Endpoint及Tunnel Endpoint,不同地域,Endpoint不同。详情请参见Endpoint

      说明

      原绑定MaxCompute引擎自动创建的MaxCompute数据源暂不支持修改Tunnel Endpoint。

  2. 测试资源组连通性。

    根据使用场景不同,资源组分为数据集成(用于数据同步)、数据调度(用于任务调度)、数据服务(用于数据服务任务)三种类型。各类资源组的详细介绍,请参见DataWorks资源组概述

    您需根据数据源后续的用途,在连接配置区域对应资源组类型后,测试所需资源组的连通性。若资源组与数据源无法连通,则相应数据源任务将无法正常执行。

    说明

    数据源创建成功后平台会进行访问身份授权,即将访问身份账号添加至MaxCompute项目中,并为该身份映射MaxCompute对应的权限。在授权完成前,连通性测试可能会产生连通无权限报错,该场景下,保存数据源后,您需稍作等待。

后续操作

为保障您的开发过程更加顺畅,建议先阅读DataWorks On MaxCompute使用说明,了解在DataWorks使用MaxCompute的开发流程、相关费用、环境准备、权限控制等内容。

数据源创建完成后,您可根据需要执行如下操作:

  • 计算任务开发与调度

    DataWorks的数据开发与运维中心模块,为您提供MaxCompute任务的开发与调度能力,若您需要基于该MaxCompute数据源进行MaxCompute任务开发,或周期性调度MaxCompute相关任务,需先进入数据开发(DataStudio)页面,将创建的数据源绑定至数据开发(DataStudio)。

    说明

    仅当MaxCompute项目和DataWorks工作空间同地域、同账号时,基于该项目创建的数据源才可绑定至数据开发(DataStudio)。

  • 进行数据同步

    DataWorks的数据集成模块为您提供读取和写入数据至MaxCompute的能力,您可将其他数据源的数据同步至当前MaxCompute数据源,或将当前MaxCompute数据源的数据同步至其他数据源。同时,可根据需要选择离线同步、实时同步、同步解决方案等场景执行相关数据同步操作。

  • 增删改查数据源:进入数据源管理页面执行编辑、删除等管理操作。