10TB海量JSON数据从OSS迁移至MaxCompute

前提条件

• 开通MaxCompute。

• 在DataWorks上完成创建业务流程，本例使用DataWorks简单模式。详情请参见创建业务流程。

• 将JSON文件重命名为后缀为.txt的文件，并上传至OSS。本文中OSS Bucket地域为华东2（上海）。示例文件如下。

  {"store": {"book": [{"category": "reference","author": "Nigel Rees","title": "Sayings of the Century","price": 8.95},{"category": "fiction","author": "Evelyn Waugh","title": "Sword of Honour","price": 12.99},{"category": "fiction","author": "J. R. R. Tolkien","title": "The Lord of the Rings","isbn": "0-395-19395-8","price": 22.99}],"bicycle": {"color": "red","price": 19.95}},"expensive": 10
  }

将JSON数据从OSS迁移至MaxCompute

1. 新增OSS数据源。详情请参见配置OSS数据源。

2. 在DataWorks上新建数据表，用于存储迁移的JSON数据。

   1. 登录DataWorks控制台，单击左侧导航栏的数据建模与开发 > 数据开发，在下拉框中选择对应工作空间后单击进入数据开发。

   2. 在数据开发页面，鼠标悬停至图标，单击新建表 > 表。

   3. 在新建表对话框中，选择相应的路径，输入名称，单击新建。

      说明：如果绑定多个实例，则需要选择MaxCompute引擎实例。

   4. 在表的编辑页面，单击DDL。

   5. 在DDL模式对话框，输入如下建表语句，单击生成表结构。

      create table mqdata (mq_data string);

   6. 在确认操作对话框中，单击确认。

   7. 生成表结构后，在基本属性模块输入表的中文名，并分别单击提交到开发环境和提交到生产环境。

      说明：如果您使用的是简单模式的工作空间，仅单击提交到生产环境即可。

3. 新建离线同步节点。

   1. 进入数据开发页面，右键单击指定业务流程，选择新建节点 > 数据集成 > 离线同步。

   2. 在新建节点对话框中，输入节点名称，并单击确认。

   3. 在顶部菜单栏上，单击图标

   4. 在脚本模式下，单击顶部菜单栏上的图标

   5. 在导入模板对话框中选择来源类型、数据源、目标类型及数据源，并单击确定。主要思路是一个字段存入整个json数据。

修改JSON代码后，单击按钮

配置代码如下。

{"type": "job","steps": [{"stepType": "oss","parameter": {"fieldDelimiterOrigin": "^","nullFormat": "","compress": "","datasource": "OSS_userlog","column": [{"name": 0,"type": "string","index": 0}],"skipHeader": "false","encoding": "UTF-8","fieldDelimiter": "^","fileFormat": "binary","object": ["applog.txt"]},"name": "Reader","category": "reader"},{"stepType": "odps","parameter": {"partition": "","isCompress": false,"truncate": true,"datasource": "odps_first","column": ["mqdata"],"emptyAsNull": false,"table": "mqdata"},"name": "Writer","category": "writer"}],"version": "2.0","order": {"hops": [{"from": "Reader","to": "Writer"}]},"setting": {"errorLimit": {"record": ""},"speed": {"concurrent": 2,"throttle": false}}
}

结果验证

新建ODPS SQL节点。

1. 右键单击业务流程，选择新建节点 > MaxCompute > ODPS SQL。

2. 在新建函数对话框中，输入函数名称，单击新建。

3. 在ODPS SQL节点编辑页面输入如下语句。

   --查询表mq_data数据。
   SELECT * from mqdata;
   --获取JSON文件中的EXPENSIVE值。
   SELECT GET_JSON_OBJECT(mqdata.MQdata,'$.expensive') FROM mqdata;

4. 单击图标运行代码

5. 您可以在运行日志查看运行结果。费用不低，我的项目是对外提供数据检索服务，这个消耗速度扛不住啊。