玩转DB里的数据—阿里云DMS任务编排之简介和实操
1.任務編排介紹
數據庫是企業IT系統里的重要基礎設施，里面存儲了大量有價值的數據資產，如：交易數據、客戶數據、訂單數據，等等。其實，數據庫在企業里一直扮演著一個數據生產者（Producer）的角色，日積月累這些數據會形成一個巨大的寶藏。但是，隨著數據庫中數據量的增長和數據形態的多樣化，如何對數據進行存儲、遷移和加工，并挖掘出其中的價值，是許多企業面臨的難題。
為解決上述問題，阿里云DMS（Data Management Service）產品近期推出了一個新功能——任務編排。無論您的數據庫部署在何處（阿里云/本地IDC/其他云廠商等），是何種類型（OLTP交易型數據庫/OLAP分析型數據庫），DMS任務編排都能夠觸達您的數據庫，讓您輕松地對數據庫中的數據進行流轉、加工和變換。DMS任務編排提供的主要功能和特性包括：
- 豐富的數據遷移能力：可實現數據庫與數據庫之間（如：OLTP在線庫與OLAP離線庫）、數據庫與彈性存儲之間（如：MySQL與OSS）的數據自由流動；
- 豐富的數據加工手段：單庫SQL任務、跨庫SQL任務、數據遷移任務、Spark任務、數據備份與恢復服務（建設中）；不僅可以通過SQL語句對單個數據庫或多個數據庫里的數據進行加工，還可編寫Spark任務進行復雜的數據處理和AI分析；
- 任務流和定時調度：通過可視化的方式將多個任務節點進行編排形成任務流，靈活按需設置多種不同粒度間隔的定時調度；
- 按模板一鍵創建任務流：為不同的場景（如：歷史數據歸檔到OSS）內置了任務流模板，用戶可一鍵生成模板任務流，通過簡單的配置即可應用于生產；
- 牢靠的數據安全保障：依托DMS強大的數據安全能力，任務編排會對用戶權限進行嚴格檢查，僅限有權限的用戶才能執行相應的任務。
了解了DMS任務編排的功能，你一定開始好奇用DMS任務編排能做什么？下圖展示了DMS任務編排支持的四類主要場景：
場景1：數據歸檔
目前比較流行的有兩類數據庫：傳統單機版數據庫（如：MySQL）和云原生數據庫（如：阿里云PolarDB和AnalyticDB for MySQL）。前者的存儲空間是有限的，后者雖然可以對存儲擴容，但也要收取較高的費用。那么，當數據庫中的數據量持續增長時，該如何降低存儲成本呢？許多用戶希望能將數據庫中的冷數據/歷史數據轉儲到可靠又低價的存儲上，如：阿里云對象存儲（OSS）。現在通過DMS任務編排，可輕松實現數據庫數據周期歸檔（如：每日/每周）到OSS的需求。同時，DMS還有好地對接了阿里云數據湖分析產品（DLA），用戶可在DMS里方便地訪問DLA，對歸檔到OSS上的數據進行即席查詢和分析。
場景2：數據集成
企業的數據可能分散在不同的數據源中（如：MySQL、SQL Server），也可能分散在不同的地域（例如：北京、杭州、深圳）。導致數據分散的原因有很多，比如：業務的垂直劃分、微服務、應用的本地部署等等。數據的分散不可避免，但同時許多企業又有數據集成的需求，需要將各地的數據匯聚到一起進行全局分析（如：匯總和AI分析），典型的場景就是OLTP交易庫的數據同步至OLAP分析庫做離線分析。通過DMS任務編排，可以輕松實現這一需求。首先，DMS打通了各種網絡環境（如：阿里云VPC/經典網絡，本地IDC網絡），可連接至各個地域的數據源。其次，DMS支持異構數據源間的數據集成，如：RDS MySQL到AnalyticDB。此外，通過DMS任務編排，還能滿足各種集成方式的需求，如：單次全量集成、周期性增量集成。
場景3：數據加工
做完數據集成之后，用戶通常還要對匯聚的原始數據進行加工、清洗和分析，才能挖掘出其中的價值，例如：每日統計產品的用戶數（UV），按周產生報表數據。DMS任務編排提供了任務流和定時調度能力，通過任務流可以將復雜加工任務進行拆解和編排，然后配置調度信息。DMS支持單次調度和周期調度（如：按日、周、月），此外還支持多類型的加工任務，用戶可使用SQL進行數據加工，也可編寫Spark程序進行復雜的數據處理和AI分析。通過豐富的調度配置和任務類型，DMS任務編排能滿足各種簡單/復雜場景的數據加工需求。
場景4：定時操作
在日常數據庫的使用中，有許多DML/DDL/DCL操作需要定期執行，如：每周清理歷史數據（DELETE）防止表過大、每日更新統計信息（ANALYZE TABLE）以獲得更好的查詢優化結果。有些數據庫在內核層面已經提供了事件調度功能，如：MySQL Event，但是使用特殊的語法創建Event和維護Event都有一定的成本。DMS任務編排的調度功能提供了可視化的方式輕松創建定時任務，并且不依賴數據庫引擎上的能力，因此更加簡易靈活，適用范圍更廣。
2.任務編排實操 — DB數據周期歸檔
介紹完DMS任務編排的功能和使用場景，下面將以數據歸檔場景為例，介紹如何通過DMS任務編排和阿里云DLA服務將RDS MySQL數據周期地歸檔至OSS上。具體的實操步驟還可查閱DMS的使用文檔。
2.1 背景和需求
用戶的RDS MySQL業務庫中某張表（如：交易記錄、登錄/操作日志）的數據持續增長，占用了大量的存儲空間，甚至影響到了數據庫性能。同時，這部分數據又是有價值的，比如：用于審計、報表和統計分析，不能隨意刪除。為解決這個問題，用戶有三個核心的需求：
? 降低MySQL業務庫的存儲壓力;
? 對歷史業務數據做增量歸檔；
? 對歸檔數據做分區，可按分區過濾進行高效查詢。
為滿足這三個需求，我們選擇了阿里云DLA服務，因為其同時打通了OSS和RDS MySQL，能夠對上面的數據進行遷移和即席分析。但是，DLA并不具備周期調度和增量數據遷移的能力，DMS任務編排正好可以與DLA互補，形成完整的解決方案滿足用戶需求。
在下面的實操中，我們假設用戶RDS MySQL中待歸檔的表為訂單表orders，其表結構如下（created_date字段為訂單創建日期）：
create table orders(order_id bigint,product_name varchar(32),price double,total_amount double,created_date date );2.2前置條件
1、已購買阿里云DLA服務，且DLA服務的區域（Region）和待歸檔的RDS MySQL區域一致，如：都是華東1（杭州）
2、已開通阿里云OSS服務，且服務的區域與DLA、RDS MySQL一致
3、已購買阿里云DMS服務
4、DLA實例已錄入DMS中（請參考DMS實例錄入）
各產品的購買要求和用途：
| DMS | 無限制 | 周期調度 |
| DLA | 與RDS MySQL同區域 | RDS MySQL數據遷移至OSS；查詢OSS上的歸檔數據 |
| OSS | 與RDS MySQL同區域 | 存儲RDS MySQL歸檔的數據 |
2.3 配置任務流
下面介紹如何在DMS中操作實現RDS MySQL數據周期歸檔，主要包含5個步驟：
步驟1：創建DLA歸檔庫
若要將數據歸檔至DLA上，首先要在DLA中創建一個用于歸檔的schema，用于存放歸檔表。在DMS首頁的頂部菜單中，找到SQLConsole單庫查詢，并打開查詢窗口，然后輸入如下SQL語句并執行：
CREATE DATABASE demo_schema WITH DBPROPERTIES (catalog = 'oss',location = 'oss://xxxxxx/dla_demo/' )步驟2：創建任務流
在DMS首頁的頂部菜單中，選擇數據工廠 -> 任務編排，進入任務編排的首頁。在首頁點擊“新建任務流”，或者點擊左側tab進入開發空間，也可以快速地找到新建任務流的入口。在新建任務流的窗口，我們將任務流名稱設為：rds_data_to_oss。
步驟3：配置任務節點
在任務流rds_data_to_oss中，依次新建三個DLA-SQL類型的任務節點：
節點創建完以后，可在節點間添加連線，對節點的執行順序進行編排，產生完整任務流。
下面對每個節點的內容進行設置：
節點1：創建RDS同步Schema
要讓DLA順利訪問RDS MySQL的數據，需要在DLA中為RDS MySQL創建一個Schema，取名: dla_mysql_rds。我們將以SQL的方式來創建Schema。首先，點擊第一個任務節點，在右側的內容設置Tab頁中，輸入如下SQL語句（其中部分參數需替換為RDS上的真實信息）：
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，為了讓DLA順利訪問RDS MySQL，還需要在RDS MySQL中添加DLA的白名單，即：將IP地址段100.104.0.0/16加入到RDS的白名單列表中。RDS白名單的配置方法可參考這個文檔。
節點2：創建OSS備份表
我們需要在DLA中創建OSS備份表（oss_orders），首先將節點的目標數據庫設為demo_schema，然后將節點內容設置為如下的SQL語句。oss_orders表的結構與RDS中的orders表完全一致，不同的是oss_orders為分區表，按照年/月/日（y/m/d）分區：
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參數需要填寫一個OSS路徑，即：歸檔數據儲存的OSS地址。
節點3：數據備份
該數據備份實現了將RDS MySQL數據備份至OSS的功能。配置節點需要選擇目標數據庫為DLA的demo_schema，設置時間變量，并且編寫備份SQL語句。
配置三個時間變量，它們分別是：
? year：當前日期前一天的年份（格式為yyyy）
? month：當前日期前一天的月份（格式為MM）
? day：當前日期前一天的日（格式為dd）
注：關于DMS任務編排中變量的配置和使用，請參閱該文檔。bizdate為DMS任務編排里的系統參數，對應到任務運行時間的前一天，其他自定義變量也會隨著任務執行時間的變化而自動更新。
設置數據備份SQL語句
上面的SQL腳本本質上包括3個步驟來實現數據備份：
這里的巧妙之處在于，合理地利用了DMS任務編排里變量的功能，以及DLA OSS表的分區功能。臨時表對應的OSS路徑正好是全局備份表的一個分區路徑。隨著任務每日執行，變量的值會自動更新，由此產生新的OSS目錄和分區，RDS MySQL的增量數據也自動地歸檔至新分區下。例如：RDS中created_date為2020-06-01的數據，將歸檔至oss://xxxxxx/dla_demo/y=2020/m=06/d=01的路徑下。
2.4 配置任務流調度
最后，再介紹一下如何對任務流的調度進行配置。點擊任務流空白處，調出右側的調度配置頁面。首先將該任務流的調度進行開啟，然后將運行時間設為RDS MySQL的業務低峰期（如：凌晨5點），并將調度周期設為“日”。這樣設置以后，該任務流將在每天的5點鐘定期執行，無需人工干預。如果要查看任務流的執行歷史，可點擊左側的運維中心，其中還會展示每一次執行的時間和日志。
3 快速任務流構建 — 任務流模板
為了節省用戶手動創建和配置任務流的時間，DMS任務編排還提供了多種模板。這些模板通常包含了內置好的任務節點和SQL內容；它們從具體的場景出發，經過悉心的設計來解決實際問題，并且來源于DMS用戶的真實案例，例如：第二節介紹的RDS數據周期歸檔OSS場景就來自于某知名跨國汽車廠商。
通過模板，用戶可一鍵創建任務流，然后經過簡單的配置，如：設置節點的目標數據庫和SQL中的部分參數，即可生成可運行的任務流。目前，我們已經上線了多個任務流模板，歡迎訪問DMS任務編排的首頁進行查看，我們也將持續補充模板，讓任務編排的使用更加便捷。
4 總結
DMS是阿里云用戶非常喜愛的一款數據庫工具產品，能幫助用戶打通各種網絡環境，對數據庫進行管理和操作。除了常規的數據庫增刪改查和DDL操作，越來越多的用戶需要對數據庫中的數據進行歸檔、遷移、備份和加工。為了滿足這些需求，DMS推出了任務編排功能，它打通了數據庫與其他系統/存儲之間的通道，讓數據庫不再成為數據孤島。此外，DMS任務編排還提供了豐富的任務類型，以及任務流和定時調度能力，可以幫助用戶輕松地對數據庫中的數據進行清洗加工，把數據轉變成商業智能。
DMS任務編排雖然在公共云上發布不久，但已經積累了來自各個行業的眾多用戶，包括：互聯網、零售、支付、交通、汽車、美妝等等。如果您想了解更多DMS任務編排的詳細功能，歡迎登錄DMS的控制臺首頁進行體驗，或者查看我們的產品文檔。也歡迎您掃碼加入DMS的釘釘用戶服務群進行交流和咨詢。
原文鏈接
本文為云棲社區原創內容，未經允許不得轉載。
總結
以上是生活随笔為你收集整理的玩转DB里的数据—阿里云DMS任务编排之简介和实操的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 多所高校内使用AI监控并追踪学生行为惹争
- 下一篇： 第九弹 - 脚本模式与参数视图