玩转DB里的数据-阿里云DMS任务编排之简介和实操

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）的数据自由流动；
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：

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。

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。

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。

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。

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。

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
);

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

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：

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/'
)

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。

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。

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。

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。

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。

玩转DB里的数据-阿里云DMS任务编排之简介和实操

1. 任务编排介绍

场景 1：数据归档

场景 2：数据集成

场景 3：数据加工

场景 4：定时操作

2. 任务编排实操 — DB 数据周期归档

2.1 背景和需求

2.2 前置条件

2.3 配置任务流

步骤 1：创建 DLA 归档库

步骤 2：创建任务流

步骤 3：配置任务节点

节点 1：创建 RDS 同步 Schema

节点 2：创建 OSS 备份表

节点 3：数据备份

2.4 配置任务流调度

3 快速任务流构建 — 任务流模板

4 总结