Haydn解决方案工厂-交付项目创建:数据探源
下载Haydn解决方案工厂用户手册完整版
数据探源
在项目交付设计设计和实施之前，需要梳理当前项目中的原始数据有哪些，即数据探源。本实践的数据源如下：
归属系统 |
数据类型 |
DB&表 |
说明 |
|---|---|---|---|
源端-门店系统 |
MySQL |
store_mgmt.t_user_store_info |
源端门店基本信息表，需要通过数据探源的方式获取表结构。 |
源端-订单系统 |
MySQL |
order_mgmt.t_trade_order |
源端订单基本信息表，需要通过数据探源的方式获取表结构。 |
目标端-数据中台 |
MRS-Hudi |
|
目标端系统，不需要做数据探源，但是由于后续做数据迁移入湖时需要用到，因此可以在本章节统一创建数据连接。 |
- 实施责任人（本实践设置为“HaydnTrial_TE”）在交付空间内左侧导航栏选择“交付中心-需求管理”，在相应的项目需求下点击【需求分析】按钮，进入需求分析页面后，点击“数据调研管理”TAB页。
- 创建公司组织架构信息。
在开始对探源对象进行监控前，需要创建应用系统列表，用于展示公司的组织架构信息。后续的数据连接以及监控等需要按照组织架构进行划分。图14 创建组织架构信息
如上图所示，创建了三个应用系统，分别表示源端的门店和订单系统、以及目标端的数据中台管理系统。
- 创建连接
按照公司组织架构，根据对应的连接系统和数据库连接类型管理用户的数据连接，以便完成数据调研的数据连接以及后续的数据实施。
图15 创建数据连接
在本实践中，需要将客户源端的MySQL数据迁移至云上MRS，如下图所示为本实践配置的数据连接，分别是源端的两个MySQL连接和目标端的一个MRS Hudi连接。
图16 数据连接清单
- 添加监控对象，配置想要采集的数据连接的库表信息，以及所需采集的空值字段的表名和表字段名。
为了做源端数据探源，需要对源端系统进行监控，因此对已配置的三个数据连接中的两个源端连接（订单系统、门店系统）进行监控。若需要对字段的空置率进行检测，则可配置要检测的字段名。
- 配置调度规则
Haydn支持使用探源工具对源系统进行数据探源，支持配置数据探源规则，包含DB、表信息等采集周期和具体时间，若未配置，则按默认规则进行数据采集。
- DB采集：配置数据库采集时间，如：数据库类型，数据库表数，数据总量，采集时间。
- 表信息采集：配置表的采集时间。
- 字段采集：配置字段采集时间。
- 上报采集：配置库、表、字段采集信息的上报时间。
- 删除字段：各项目根据自己公司的实际情况，配置表在软删除是删除字段的名称。
图17 配置调度规则
- 下载配置文件application.properties并补充待探源系统的数据库登录信息。
配置完成后，下载配置文件。配置文件文件中包含了前面配置的规则、数据源信息等，用户可以修改配置文件中的信息。由于Haydn不记录数据库密码，因此下载配置文件后可自行在文件中补充数据库登录密码。
图18 下载配置文件
- 下载探源工具示例代码，结合下载的配置文件按照探源工具指导对源系统进行数据探源。
- 下载探源工具示例代码
图19 下载探源工具示例代码
- 将下载的压缩包解压缩。jar包已提供为分段压缩包，把子压缩包放在一个文件夹中解压即可得到完整jar包。同时支持通过修改代码，重新编译打包。
- 将jar包放入远端服务器中，即环境准备中用来做探源的服务器中。如，本最佳实践需要对两个MySQL数据库进行数据探源，则，可将本探源工具放入某台linux服务器中，只需保证该服务器网络上访问到这两个MySQL数据库即可。
- 将6中下载的配置文件application.properties放入该远端服务器中。注意，需要和jar包在同一个目录下。
图20 探源工具
- 运行启动脚本：run_agent.sh
启动后，将会按照6中配置文件application.properties的规则进行数据探源，获取指定数据库的数据结构。更多说明，请参考探源工具示例代码中的指导。
探源工具通过查询指定数据库的系统表获取相关信息，对数据库压力较小，但为了保证不影响业务，建议将探源工具的定时任务设置在凌晨等压力较小的时间段进行。
- 下载探源工具示例代码
- 查看监控对象数据探源结果。数据探源结果可在线上报或离线导入：若运行探源工具的服务器可访问公网，则默认会在线上报；否则需要离线导入。
- 在线上报
按照6中配置文件application.properties的采集和上报规则，探源结果可在线上报到Haydn平台（要求运行探源工具的服务器可访问公网）。在图22中点击刷新 按钮即可。
- 离线导入
若探源的系统仅能在客户侧内网运行，则可通过离线导入的方式将探源结果（7运行后会在相同目录下生成数据压缩包）导入到Haydn平台。
图21 探源工具运行结果
探源结果这里展示对相应组织结构下的表信息，包括表行数、每行平均长度、表数据量、时间戳字段（表中是否含有date和timestamp类型）、删除标识（表中是否含有删除字段）、空值率检测（该表是否进行了空置率检测）。如下图所示，点击左侧列表中的“数据部”，则会展示该部门下所采集的所有数据结构。
图23 数据探源结果
- 在线上报
- 生成入湖清单
对于探源到的数据，可将需要的数据配置生成入湖清单，后续基于入湖清单可直接生成CDM迁移入湖作业。如，本实践中需要将探源到的订单系统和门店系统进行数据迁移，通过CDM迁移至云上MRS Hudi，则可选择这两个系统下的表生成入湖清单，目标端选择MRS Hudi。
图24 新增入湖清单
图25 配置入湖清单
图26 入湖清单
