数据开发治理平台 WeData GBase 数据源

一、GBase 离线单表读取节点配置

参数	说明
数据来源	可用的 Gbase 数据源。
库	支持选择、或者手动输入需读取的库名称。默认将数据源绑定的数据库作为默认库，其他数据库需手动输入库名称。当数据源网络不联通导致无法直接拉取库信息时，可手动输入数据库名称。在数据集成网络连通的情况下，仍可进行数据同步。
Schema	支持选择、或者手动输入需读取的 Schema 名称。
表	支持选择、或者手动输入需读取的表名称。支持同时读取多张表。当配置为多张表时，你需要保证多张表的 schema 结构一致，Gbase 不检查表的逻辑是否统一。
切割键	Gbase 进行数据抽取时，如果指定 splitPk，表示你希望使用 splitPk 代表的字段进行数据分片，数据同步因此会启动并发任务进行数据同步，提高数据同步的效能。推荐 splitPk 用户使用表主键，因为表主键通常情况下比较均匀，因此切分出来的分片也不容易出现数据热点。目前 splitPk 仅支持整型数据切分，不支持字符串、浮点和日期等其它类型。如果你指定其它非支持类型，则忽略 splitPk 功能，使用单通道进行同步。如果设置 splitPk 值为空，底层将视作你不允许对单表进行切分，因此使用单通道进行抽取。
筛选条件（选填）	根据数据类型填写对应筛选语句，该语句会作为将要同步数据的筛选条件。 Gbase 根据指定的 where 条件拼接 SQL，并根据该 SQL 进行数据抽取。例如，在测试时，可以将 where 条件指定为 limit 10。在实际业务场景中，通常会选择当天的数据进行同步，将 where 条件指定为 gmt_create > $bizdate。where 条件可以有效地进行业务增量同步。where 条件为空，视作同步全表所有的信息。

二、GBase 离线单表写入节点配置

参数	说明
数据去向	需要写入的 Gbase 数据源。
库	支持选择、或者手动输入需写入的库名称默认将数据源绑定的数据库作为默认库，其他数据库需手动输入库名称。当数据源网络不联通导致无法直接拉取库信息时，可手动输入数据库名称。在数据集成网络连通的情况下，仍可进行数据同步。
Schema	支持选择、或者手动输入需读取的 Schema 名称。
表	支持选择、或者手动输入需写入的表名称当数据源网络不联通导致无法直接拉取表信息时，可手动输入表名称。在数据集成网络连通的情况下，仍可进行数据同步。当来源表为 Oracle 类型时，则写入表 Gbase 支持一键建立目标表。
是否清空表	在写入该 Gbase 数据表前可以手动选择是否清空该数据表。
批量提交大小	一次性批量提交的记录数大小，该值可以极大减少数据同步系统与 Gbase 的网络交互次数，并提升整体吞吐量。如果该值设置过大，会导致数据同步运行进程 OOM 异常。
前置 SQL（选填）	执行同步任务之前执行的 SQL 语句，根据数据源类型对应的正确 SQL 语法填写 SQL，例如，执行前清空表中的旧数据（truncate table tablename）。
后置 SQL（选填）	执行同步任务之后执行的 SQL 语句，根据数据源类型对应的正确 SQL 语法填写 SQL，例如，加上某一个时间戳 alter table tablename add colname timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP。

三、读取

GBase 数据类型	内部类型
TINYINT、SMALLINT、INTEGER、MEDIUMINT、BIGINT	Long
DECIMAL、FLOAT、DOUBLE、REAL、NUMERIC	Double
CHAR、VARCHAR、TINYTEXT、TEXT、MEDIUMTEXT、LONGTEXT	String
DATE、TEAR、DATETIME、TIMESTAMP	Date
TINYBLOB、MEDIUMBOLB、LONGBLOB	Bytes
BOOLEAN	Boolean

四、写入

内部类型	GBase 数据类型
Long	TINYINT、SMALLINT、INTEGER、MEDIUMINT、BIGINT
Double	DECIMAL、FLOAT、DOUBLE、NUMERIC、REAL
String	CHAR、VARCHAR、TINYTEXT、TEXT、MEDIUMTEXT、LONGTEXT
Date	DATE、YEAR、TIMESTAMP、DATETIME
Bytes	TINYBLOB、MEDIUMBOLB、LONGBLOB
BOOLEAN	Boolean

五、GBase 脚本 Demo

"job": { "content": [ { "reader": { "parameter": { "password": "******", "column": [ //列名 "id", "name" ], "connection": [ { "jdbcUrl": [ "jdbc:gbase://ip:5258/database?rewriteBatchedStatements=true" ], "table": [ //源表 "schema.source_table" ] } ], "where": "id>10", //筛选条件 "username": "root" }, "name": "rdbmsreader" }, "transformer": [], "writer": { "parameter": { "postSql": [ //后置sql "" ], "password": "******", "column": [ //列名 "id", "name" ], "connection": [ { "jdbcUrl": "jdbc:gbase://ip:5258/database?rewriteBatchedStatements=true", "table": [ //目标表 "schema.sink_table" ] } ], "batchSize": 1024, //批量提交大小 "username": "root", "preSql": [ //前置sql "" ] }, "name": "rdbmswriter" } } ], "setting": { "errorLimit": { //脏数据阈值 "record": 0 }, "speed": { "byte": -1, //不限制同步速度，正整数表示设置最大传输速度 byte/s "channel": 1 //并发数量 } }}