玩转DB里的数据 — 阿里云DMS任务编排之简介和实操

2022-05-01 06:25:55

1.任务编排介绍

数据库是企业IT系统里的重要基础设施，里面存储了大量有价值的数据资产，如：交易数据、客户数据、订单数据，等等。其实，数据库在企业里一直扮演着一个数据生产者（Producer）的角色，日积月累这些数据会形成一个巨大的宝藏。但是，随着数据库中数据量的增长和数据形态的多样化，如何对数据进行存储、迁移和加工，并挖掘出其中的价值，是许多企业面临的难题。

为解决上述问题，阿里云DMS（Data Management Service）产品近期推出了一个新功能——任务编排。无论您的数据库部署在何处（阿里云/本地IDC/其他云厂商等），是何种类型（OLTP交易型数据库/OLAP分析型数据库），DMS任务编排都能够触达您的数据库，让您轻松地对数据库中的数据进行流转、加工和变换。DMS任务编排提供的主要功能和特性包括：

丰富的数据迁移能力：可实现数据库与数据库之间（如：OLTP在线库与OLAP离线库）、数据库与弹性存储之间（如：MySQL与OSS）的数据*流动；
丰富的数据加工手段：单库SQL任务、跨库SQL任务、数据迁移任务、Spark任务、数据备份与恢复服务（建设中）；不仅可以通过SQL语句对单个数据库或多个数据库里的数据进行加工，还可编写Spark任务进行复杂的数据处理和AI分析；
任务流和定时调度：通过可视化的方式将多个任务节点进行编排形成任务流，灵活按需设置多种不同粒度间隔的定时调度；
按模板一键创建任务流：为不同的场景（如：历史数据归档到OSS）内置了任务流模板，用户可一键生成模板任务流，通过简单的配置即可应用于生产；
牢靠的数据安全保障：依托DMS强大的数据安全能力，任务编排会对用户权限进行严格检查，仅限有权限的用户才能执行相应的任务。

了解了DMS任务编排的功能，你一定开始好奇用DMS任务编排能做什么？下图展示了DMS任务编排支持的四类主要场景：

场景1：数据归档

目前比较流行的有两类数据库：传统单机版数据库（如：MySQL）和云原生数据库（如：阿里云PolarDB和AnalyticDB for MySQL）。前者的存储空间是有限的，后者虽然可以对存储扩容，但也要收取较高的费用。那么，当数据库中的数据量持续增长时，该如何降低存储成本呢？许多用户希望能将数据库中的冷数据/历史数据转储到可靠又低价的存储上，如：阿里云对象存储（OSS）。现在通过DMS任务编排，可轻松实现数据库数据周期归档（如：每日/每周）到OSS的需求。同时，DMS还有好地对接了阿里云数据湖分析产品（DLA），用户可在DMS里方便地访问DLA，对归档到OSS上的数据进行即席查询和分析。

场景2：数据集成

企业的数据可能分散在不同的数据源中（如：MySQL、SQL Server），也可能分散在不同的地域（例如：北京、杭州、深圳）。导致数据分散的原因有很多，比如：业务的垂直划分、微服务、应用的本地部署等等。数据的分散不可避免，但同时许多企业又有数据集成的需求，需要将各地的数据汇聚到一起进行全局分析（如：汇总和AI分析），典型的场景就是OLTP交易库的数据同步至OLAP分析库做离线分析。通过DMS任务编排，可以轻松实现这一需求。首先，DMS打通了各种网络环境（如：阿里云VPC/经典网络，本地IDC网络），可连接至各个地域的数据源。其次，DMS支持异构数据源间的数据集成，如：RDS MySQL到AnalyticDB。此外，通过DMS任务编排，还能满足各种集成方式的需求，如：单次全量集成、周期性增量集成。

场景3：数据加工

做完数据集成之后，用户通常还要对汇聚的原始数据进行加工、清洗和分析，才能挖掘出其中的价值，例如：每日统计产品的用户数（UV），按周产生报表数据。DMS任务编排提供了任务流和定时调度能力，通过任务流可以将复杂加工任务进行拆解和编排，然后配置调度信息。DMS支持单次调度和周期调度（如：按日、周、月），此外还支持多类型的加工任务，用户可使用SQL进行数据加工，也可编写Spark程序进行复杂的数据处理和AI分析。通过丰富的调度配置和任务类型，DMS任务编排能满足各种简单/复杂场景的数据加工需求。

场景4：定时操作

在日常数据库的使用中，有许多DML/DDL/DCL操作需要定期执行，如：每周清理历史数据（DELETE）防止表过大、每日更新统计信息（ANALYZE TABLE）以获得更好的查询优化结果。有些数据库在内核层面已经提供了事件调度功能，如：MySQL Event，但是使用特殊的语法创建Event和维护Event都有一定的成本。DMS任务编排的调度功能提供了可视化的方式轻松创建定时任务，并且不依赖数据库引擎上的能力，因此更加简易灵活，适用范围更广。

2.任务编排实操 — DB数据周期归档

介绍完DMS任务编排的功能和使用场景，下面将以数据归档场景为例，介绍如何通过DMS任务编排和阿里云DLA服务将RDS MySQL数据周期地归档至OSS上。具体的实操步骤还可查阅DMS的使用文档。

2.1 背景和需求

用户的RDS MySQL业务库中某张表（如：交易记录、登录/操作日志）的数据持续增长，占用了大量的存储空间，甚至影响到了数据库性能。同时，这部分数据又是有价值的，比如：用于审计、报表和统计分析，不能随意删除。为解决这个问题，用户有三个核心的需求：

• 降低MySQL业务库的存储压力;

• 对历史业务数据做增量归档；

• 对归档数据做分区，可按分区过滤进行高效查询。

为满足这三个需求，我们选择了阿里云DLA服务，因为其同时打通了OSS和RDS MySQL，能够对上面的数据进行迁移和即席分析。但是，DLA并不具备周期调度和增量数据迁移的能力，DMS任务编排正好可以与DLA互补，形成完整的解决方案满足用户需求。

在下面的实操中，我们假设用户RDS MySQL中待归档的表为订单表orders，其表结构如下（created_date字段为订单创建日期）：

create table orders(
  order_id bigint,
  product_name varchar(32),
  price double,
  total_amount double,
  created_date date
);

2.2前置条件

1、已购买阿里云DLA服务，且DLA服务的区域（Region）和待归档的RDS MySQL区域一致，如：都是华东1（杭州）

2、已开通阿里云OSS服务，且服务的区域与DLA、RDS MySQL一致

3、已购买阿里云DMS服务

4、DLA实例已录入DMS中（请参考DMS实例录入）
各产品的购买要求和用途：

产品	购买产品的区域	用途
DMS	无限制	周期调度
DLA	与RDS MySQL同区域	RDS MySQL数据迁移至OSS；查询OSS上的归档数据
OSS	与RDS MySQL同区域	存储RDS MySQL归档的数据

2.3 配置任务流

下面介绍如何在DMS中操作实现RDS MySQL数据周期归档，主要包含5个步骤：

步骤1：创建DLA归档库

若要将数据归档至DLA上，首先要在DLA中创建一个用于归档的schema，用于存放归档表。在DMS首页的顶部菜单中，找到SQLConsole单库查询，并打开查询窗口，然后输入如下SQL语句并执行：

CREATE DATABASE demo_schema
WITH DBPROPERTIES (
    catalog = 'oss',
    location = 'oss://xxxxxx/dla_demo/'
)

步骤2：创建任务流

在DMS首页的顶部菜单中，选择数据工厂 -> 任务编排，进入任务编排的首页。在首页点击“新建任务流”，或者点击左侧tab进入开发空间，也可以快速地找到新建任务流的入口。在新建任务流的窗口，我们将任务流名称设为：rds_data_to_oss。

步骤3：配置任务节点

在任务流rds_data_to_oss中，依次新建三个DLA-SQL类型的任务节点：

创建RDS同步Schema：在DLA中创建Scheme映射到RDS
创建OSS备份表：在DLA中建立OSS备份表，用于存储历史数据
备份数据：实现RDS MySQL前一天数据的备份。

节点创建完以后，可在节点间添加连线，对节点的执行顺序进行编排，产生完整任务流。

下面对每个节点的内容进行设置：

节点1：创建RDS同步Schema

要让DLA顺利访问RDS MySQL的数据，需要在DLA中为RDS MySQL创建一个Schema，取名: dla_mysql_rds。我们将以SQL的方式来创建Schema。首先，点击第一个任务节点，在右侧的内容设置Tab页中，输入如下SQL语句（其中部分参数需替换为RDS上的真实信息）：

CREATE SCHEMA IF NOT EXISTS dla_mysql_rds WITH DBPROPERTIES (
   CATALOG = 'mysql', 
   LOCATION = 'jdbc:mysql://xxxxxx.rds.aliyuncs.com:3306/dmstest',
   USER = 'dmstest',
   PASSWORD = 'xxxxxxxxx',
   INSTANCE_ID = 'xxxxxx'
 );
 MSCK REPAIR DATABASE dla_mysql_rds;

此外，为了让DLA顺利访问RDS MySQL，还需要在RDS MySQL中添加DLA的白名单，即：将IP地址段100.104.0.0/16加入到RDS的白名单列表中。RDS白名单的配置方法可参考这个文档。

节点2：创建OSS备份表

我们需要在DLA中创建OSS备份表（oss_orders），首先将节点的目标数据库设为demo_schema，然后将节点内容设置为如下的SQL语句。oss_orders表的结构与RDS中的orders表完全一致，不同的是oss_orders为分区表，按照年/月/日（y/m/d）分区：

CREATE EXTERNAL TABLE oss_orders (
    order_id bigint,
    product_name varchar(32),
    price double,
    total_amount double,
    created_date date)
PARTITIONED BY (y string, m string, d string)
STORED AS TEXTFILE
LOCATION 'oss://xxxxxx/dla_demo/';

其中，LOCATION参数需要填写一个OSS路径，即：归档数据储存的OSS地址。

节点3：数据备份

该数据备份实现了将RDS MySQL数据备份至OSS的功能。配置节点需要选择目标数据库为DLA的demo_schema，设置时间变量，并且编写备份SQL语句。

配置三个时间变量，它们分别是：
• year：当前日期前一天的年份（格式为yyyy）
• month：当前日期前一天的月份（格式为MM）
• day：当前日期前一天的日（格式为dd）

注：关于DMS任务编排中变量的配置和使用，请参阅该文档。bizdate为DMS任务编排里的系统参数，对应到任务运行时间的前一天，其他自定义变量也会随着任务执行时间的变化而自动更新。

设置数据备份SQL语句

/* 创建临时表 */
CREATE EXTERNAL TABLE oss_orders_tmp (
    order_id bigint,
    product_name varchar(32),
    price double,
    total_amount double,
    created_date date) 
STORED AS TEXTFILE 
LOCATION 'oss://xxxxxx/dla_demo/y=${year}/m=${month}/d=${day}' 
TBLPROPERTIES('auto.create.location'= 'true');

/* 备份日数据 */
insert into oss_orders_tmp
SELECT * FROM dla_mysql_rds.orders 
where created_date = '${bizdate}';
      
/* 更新备份表分区信息以及删除临时表 */
msck repair table oss_orders;
drop table oss_orders_tmp;

上面的SQL脚本本质上包括3个步骤来实现数据备份：

DLA OSS中创建临时表：临时表oss_orders_tmp映射位置为oss_orders所在OSS之下的年/月/日目录中，临时表的数据会自动成为oss_orders一个分区；
备份日数据：直接使用insert-select SQL语句从RDS MySQL中的orders表中读取数据（对应到DLA中的dla_mysql_rds.orders），写入OSS中的临时表；
更新分区信息以及删除临时表：更新oss_orders元数据信息，然后删除临时表oss_orders_tmp。

这里的巧妙之处在于，合理地利用了DMS任务编排里变量的功能，以及DLA OSS表的分区功能。临时表对应的OSS路径正好是全局备份表的一个分区路径。随着任务每日执行，变量的值会自动更新，由此产生新的OSS目录和分区，RDS MySQL的增量数据也自动地归档至新分区下。例如：RDS中created_date为2020-06-01的数据，将归档至oss://xxxxxx/dla_demo/y=2020/m=06/d=01的路径下。

2.4 配置任务流调度

最后，再介绍一下如何对任务流的调度进行配置。点击任务流空白处，调出右侧的调度配置页面。首先将该任务流的调度进行开启，然后将运行时间设为RDS MySQL的业务低峰期（如：凌晨5点），并将调度周期设为“日”。这样设置以后，该任务流将在每天的5点钟定期执行，无需人工干预。如果要查看任务流的执行历史，可点击左侧的运维中心，其中还会展示每一次执行的时间和日志。

3 快速任务流构建 — 任务流模板

为了节省用户手动创建和配置任务流的时间，DMS任务编排还提供了多种模板。这些模板通常包含了内置好的任务节点和SQL内容；它们从具体的场景出发，经过悉心的设计来解决实际问题，并且来源于DMS用户的真实案例，例如：第二节介绍的RDS数据周期归档OSS场景就来自于某知名跨国汽车厂商。

通过模板，用户可一键创建任务流，然后经过简单的配置，如：设置节点的目标数据库和SQL中的部分参数，即可生成可运行的任务流。目前，我们已经上线了多个任务流模板，欢迎访问DMS任务编排的首页进行查看，我们也将持续补充模板，让任务编排的使用更加便捷。

4 总结

DMS是阿里云用户非常喜爱的一款数据库工具产品，能帮助用户打通各种网络环境，对数据库进行管理和操作。除了常规的数据库增删改查和DDL操作，越来越多的用户需要对数据库中的数据进行归档、迁移、备份和加工。为了满足这些需求，DMS推出了任务编排功能，它打通了数据库与其他系统/存储之间的通道，让数据库不再成为数据孤岛。此外，DMS任务编排还提供了丰富的任务类型，以及任务流和定时调度能力，可以帮助用户轻松地对数据库中的数据进行清洗加工，把数据转变成商业智能。

DMS任务编排虽然在公共云上发布不久，但已经积累了来自各个行业的众多用户，包括：互联网、零售、支付、交通、汽车、美妆等等。如果您想了解更多DMS任务编排的详细功能，欢迎登录DMS的控制台首页进行体验，或者查看我们的产品文档。也欢迎您扫码加入DMS的钉钉用户服务群进行交流和咨询。

码农公寓