DataWorks V2.0 新一代智能大数据研发平台

DataWorks(数据工场)是阿里云推出的大数据领域PaaS平台,是一站式的DW能力平台,提供数据集成、数据开发、数据管理、数据质量、数据服务、数据保护伞等全方位的产品服务。

全新的数据开发界面 DataStudio

数据开发(DataStudio)是DataWorks上被使用最多的界面,本次升级我们给数据开发界面做了一系列的改造,并将数据开发改名为DataStudio。DataStudio上拥有强大的SQL编辑器,SQL解析器;不仅让你SQL写的爽,还让你SQL读的爽,极大的提升SQL代码编写及阅读效率。DataStudio还推出了组件功能,支持将通用的代码逻辑封装成为组件,封装后的组件可直接在SQL节点中调用,只需要简单的配置输入输出即可,提升了SQL代码的可复用性。DataStudio还推出了业务流程的概念,业务流程可以将完成同业务的节点封装在一起,并通过拖拽来设置任务间的依赖,提升任务配置和管理的效率。除此之外还发布了一系列的开发辅助功能,只为提升数据开发效率。

SQL编辑器

为了SQL写的更爽,我们升级了SQL编辑器的功能。优化了SQL关键词提示,可快速编辑代码;新增在编辑SQL时能实时获取操作表的元数据,在编写过程中会自动提示表的列名,且将鼠标放在表名上,会显示表的元数据信息;编辑器支持SQL语法检测,能快速定位代码中的语法错误,提升SQL的准确性。升级后的SQL编辑器极大的提升了数据开发效率。我们除了在编辑代码上做了优化外,针对长SQL还进行了结构拆分,解决了长SQL 阅读难的问题。
DataWorks支持功能自定义配置,用户可根据开发习惯,自行配置编辑器的代码字体大小,关键字大小写等信息。
DataWorks V2.0 新一代智能大数据研发平台

业务流程

除了编辑器上的优化以外,我们还推出了解决方案和业务流程的概念。业务流程是对业务的抽象实体,以赋能用户能够以业务的视角来组织数据代码开发。业务流程可以被多个解决方案复用,用户可自定义组合一些业务流程为一个解决方案。 在业务流程中,我们支持了全局参数,增加了参数的可复用性,解决同一个参数在多个任务中复用的问题。业务流程有入下几个优点:

  • 帮助用户从业务视角组织代码,更清晰。提供基于任务类型的代码组织方式。支持多级子目录(建议不超过四级)。
  • 可从业务视角查看整体的工作流,并进行优化
  • 提供业务流程看板,开发更高效
  • 可按照业务流程组织发布、运维。

DataWorks V2.0 新一代智能大数据研发平台

除此之外,DataWorks还推出了手动业务流程,支持灵活配置全局参数,可每次运行时灵活传参。未来将会提供手动业务流程的调度API,可通过API触发任务,与你的系统紧密结合。

组件

在实际业务实践中,有大量的SQL代码过程很类似,过程中输入的表和输出的表的结构是一样的或者是类型兼容的,仅仅是名字不同而已。这个时候组件的开发者就可以将这样的一个 SQL 过程抽象成为一个SQL组件节点,将里面可变的输入表抽象成输入参数,把里面可变的输出表抽象成输出参数,就可以实现 SQL 代码的复用。组件的使用者在使用 SQL 组件节点的时候,只要从组件列表中选择和自己业务处理过程类似的组件,为这些组件配置上自己业务中特定的 输入表和输出表,不用再重复复制代码,就可以直接生成新的组件 SQL 节点 从而极大提高了开发效率,避免了重复开发。SQL 组件节点生成后的发布,调度的操作方法都和普通的 SQL 节点的操作方式是一样的。

强大的辅助开发功能

DataWorks新增了代码搜索功能,再也不用担心任务过多的情况下,找不到操作某表的节点代码了。
DataWorks新增了运行日志功能,可保留近三天内,SQL节点在界面上运行的日志及结果。减少代码重复运行率,再也不怕随意关闭查询结果页了。
DataWorks新增了回收站功能,节点下线以后,会自动转移至回收站中,一键恢复代码不是梦。

智能监控

智能监控(Intelligent Monitor,内部代号Mosad)是在DataWorks原有运维中心基础上做的一次升级改进。

在智能监控中,引入了新的概念——基线。通过基线,技术专家可以不再理会错综复杂的数据处理中间过程,只需指定真正决定业务的最终步骤,并设定期望完成的时间,之后的一切都交由智能算法来搞定。

通过基线,技术专家可以足够宏观,对任务链路进行全局把握。根据设定的期望完成时间,算法会自动推断过程中每一步任务的预警时刻。一旦有任务逾越界限,随即触发告警,帮助用户将故障消灭在萌芽时刻。

通过基线,技术专家也可以足够微观,对每一个任务状态进行全方位分析。根据任务的历史运行状态,算法会自动确定获得结果的关键路径。关键路径上的任务节点,将被严密监视,任何的异动——包括出错,甚至是运行变慢,都将直接出发告警,帮助用户将故障消灭在细微之处。

除了全新的基线,原有的监控规则也得到了加强。新的超时规则,基于相对时间进行判定,使监控规则更加灵活。免打扰时段、最小报警间隔等体贴功能,将会最大程度的保护技术专家的心智资源。

双模式开发

本次版本升级,DataWorks还完善了之前推出的双项目开发模式。在DataWorks的新版本中,支持双模式开发,即创建项目时,要求选择项目模式是简单模式还是标准模式,标准模式是一个项目两个环境(开发+生产)。升级后的标准模式和原始的双项目开发模式相比,多了规则的约束,以保证规范的数据开发。以下给大家讲解一下标准模式的特点:

  1. 所有任务的编辑,只能在开发环境中进行。生产环境的的代码无法直接修改,减少了生产环境代码的修改入口,尽可能的保证了生产环境代码的稳定。
  2. 开发环境默认不开启任务调度,避免开发环境每日运行会和生产环境项目抢夺运行资源,更好的保障了生产环境任务运行的稳定性。
  3. 生产环境运行会有一个默认的生产账号,生产账号产出的所有表都属于主账号,开发过程中查询生产表都需要单独申请,更好的做到了表权限的控制。
  4. 任务开发完毕后,要发布上生产都必须经历一个打包发布的过程(开发角色只允许编辑代码,发布操作需要运维角色或项目管理员来操作,相当于增加了一个代码二次审核的过程),完善了数据开发的规范,更好的保证生产环境代码的准确性。

DataWorks V2.0 新一代智能大数据研发平台

以上是本次三合一发布新版本的大部分内容,鉴于本次新版本功能改动较大,老用户需要等待数据迁移成功后,才可使用。在2018年07月13日后加入阿里云的用户,可直接使用新版。老用户可通过注册一个新的阿里云账号来试用DataWorks V2.0的新功能。
大家有任何问题可在本文下发留言,或加入钉钉群AT彭敏、向翠、李珍珍三位同学寻求帮助。
DataWorks V2.0 新一代智能大数据研发平台

上一篇:DataWorks上数据集成任务如何解决网络问题


下一篇:DataWorks V2使用PyUdf