数据开发治理平台 WeData TDSQL Boundless 数据源

一、离线读取节点配置

参数	说明
数据来源	可用的 TDSQL Boundless 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。
表	支持选择、或者手动输入需读取的表名称分表情况下，可在 TDSQL Boundless 源端支持选择或输入多个表名称，多个表需保证结构一致。分表情况下，支持配置表序号区间。例如'table_[0-99]'表示读取'table_0'、'table_1'、'table_2'直到'table_99' ；如果你的表数字后缀的长度一致，例如'table_000'、'table_001'、'table_002'直到'table_999'，你可以配置为'"table": ["table_00[0-9]", "table_0[10-99]", "table_[100-999]"]' 。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。
添加分库分表	可创建多个数据源并添加对应的表对象。注意：分库分表情况下选择的多个表对象需保证 Schema 信息一致（包括字段名称、字段类型）。数据字段模块内系统默认展示第一个数据源的第一张表的元数据字段信息，若多表间字段不一致可能会导致运行失败。
切割键	指定用于数据分片的字段，指定后将启动并发任务进行数据同步，提升数据同步效率。你可以将源数据表中某一列作为切分键，建议使用主键或有索引的列作为切分键，仅支持类型为整型的字段。
筛选条件（选填）	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。如果不填写 where 语句，包括不提供 where 的 key 或 value，数据同步均视作同步全量数据。不可以将 where 条件指定为 limit 10，这不符合 TDSQL Boundless WHERE 子句约束。
高级设置（选填）	可根据业务需求配置参数。

二、离线写入节点配置

参数	说明
数据去向	需要写入的 TDSQL Boundless 数据源。
写入类型	单表写入：支持写入单表。分库分表写入：支持一次性写入同一个数据源内分库分表的 TDSQL Boundless 表中，分库分表写入请保证所有表 schema 结构一致、且所有目标表存在。
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。
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。
是否清空表	在写入该 TDSQL Boundless 数据表前可以手动选择是否清空该数据表。
写入模式	TDSQL Boundless 写入支持四种模式：Append：当主键/唯一性索引冲突时，冲突行无法写入。Overwrite：主键/唯一性索引冲突时,会先删除原有行，再插入新行。On duplicate key：主键/唯一性索引冲突时,新行会替换已指定的字段。Rename：数据同步过程中创建一个临时表来保存写入的数据。写入完成后，将原目标表重命名为带有 _bak 后缀的备份表，并将临时表重命名为原目标表。
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 TDSQL Boundless 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。
高级设置（选填）	可根据业务需求配置参数。

三、读取

TDSQL Boundless 数据类型	内部类型
tinyint， smallint， mediumint， int， bigint， year	Long
float， double， decimal	Double
varchar， char， tinytext， text， mediumtext， longtext， set， json	String
date， datetime， timestamp， time	Date
bit， bool	Boolean
tinyblob， mediumblob， blob， longblob， varbinary	Bytes

四、写入

TDSQL Boundless 写入支持的字段类型及类型转换对应关系如下：

内部类型	TDSQL Boundless 数据类型
Long	tinyint， smallint， mediumint， int， bigint， year
Double	float， double， decimal
String	varchar， char， tinytext， text， mediumtext， longtext， set， json
Date	date， datetime， timestamp， time
Boolean	bit， bool
Bytes	tinyblob， mediumblob， blob， longblob， varbinary

五、TDSQL Boundless 脚本 Demo

如果你配置离线任务时，使用脚本模式的方式进行配置，你需要在任务脚本中，按照脚本的统一格式要求编写脚本中的 reader 参数和 writer 参数。

{ "core": { "transport": { "channel": { "speed": { "byte": -1 } } } }, "job": { "content": [ { "reader": { "parameter": { "password": "******", "column": [ "id", "name" ], "connection": [ { "jdbcUrl": [ "jdbc:mysql://ip:3306/database?rewriteBatchedStatements=true&tinyInt1isBit=false&serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true" ], "table": [ "source_table" ] } ], "where": "id>10", "splitPk": "id", "username": "root" }, "name": "mysqlreader" }, "transformer": [ ], "writer": { "parameter": { "postSql": [ "" ], "password": "******", "session": [ "set session sql_mode='ANSI'" ], "column": [ "id", "name" ], "connection": [ { "jdbcUrl": "jdbc:mysql://ip:3306/database?rewriteBatchedStatements=true&tinyInt1isBit=false&serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true", "table": [ "sink_table" ] } ], "writeMode": "replace", "batchSize": 1024, "username": "root", "on": [ "id" ], "preSql": [ "" ] }, "name": "mysqlwriter" } } ], "setting": { "memory": { "taskLimit": 335544320, "channelLimit": 67108864, "writerLimit": 134217728, "jobLimit": 872415232, "readerLimit": 134217728 }, "errorLimit": { "record": 0 }, "speed": { "byte": -1, "channel": 1 } } }}