基于DataIDE数据集成实现香港ECS上的MySQL数据同步到数加MaxCompute

最近有朋友问，客户在香港ECS上搭建的MySQl，大概有100GB以上的数据，能否通过MaxCompute做海量数据分析，我的回答是YES！ 但客户担心香港与大陆之前数据连通性问题，我的回答依然是YES！ 为了让更多个客户不再困扰，笔者做了一份教程，可以通过大数据开发套件中的经典网络进行同步数据

最近有朋友问，客户在香港ECS上搭建的MySQl，大概有100GB以上的数据，能否通过MaxCompute做海量数据分析，我的回答是YES！

但客户担心香港与大陆之间数据连通性问题，我的回答依然是YES！

为了让更多个客户不再困扰，笔者做了一份教程，可以通过大数据开发套件中的经典网络进行同步数据，有图为证！

准备工作

1、注册并开通阿里云账号、Access id、Access Key；开通方法：https://help.aliyun.com/document_detail/47703.html?spm=5176.doc30266.6.544.NLgOin

2、购买并开通香港区域经典网络ECS；购买地址：https://ecs.console.aliyun.com/#/create/prepay/?data=eyJkYXRhIjp7InZtX3JlZ2lvbl9ubyI6ImNuLWhvbmdrb25nLWFtNC1jMDQifX0%3D

3、下载并搭建MySQL 5.7 ；下载地址：https://dev.mysql.com/downloads/windows/installer/5.7.html

4、购买并开通MaxCompute、大数据开发套件；开通方法：https://help.aliyun.com/document_detail/30263.html?spm=5176.doc30262.6.546.El4j9u

跨区域数据同步

1、设置ECS安全组

进入ECS管控台- ECS管理，设置安全组，添加外网3306 IP访问权限；

 

 

 

2、添加数据源

通过控制台进入大数据开发套件；

点击数据集成- 左侧列表"数据源"页面- 点击右上交“新增数据源”；

输入数据源MySQL57_hk，选择MySQL 经典网络，MySQL的JDBC地址、账号信息；

点击连通性验证网络；如果不通，请参照本文常见问题；

3、创建并设置同步任务

点击进入同步任务，选择需要导入的源表；

数据源MySQL57_hk，选择或通过搜索框查找"movie_info_mysql_hk"，点击下一步；

选择目标数据库opds_first，点击快速建表，同步表结构，修改脚本中的表名，改为movie_info，点击提交；

分区信息默认为时间变量，点下一步；

字段自动映射，跳过即可；

通道控制默认，点击下一步；

预览后，点击保存；

点击保存后，命名数据同步任务名称hk_mysql_data1；

4、执行并验证数据

手动执行数据同步，点击运行，选择当天时间戳；

 执行完成后，我们去验证一下数据；

进入大数据开发套件- 数据开发；

 

验证导入的数据；

 

实验遇到的问题 

Q：大数据开发套件(数据集成)中连接不上ECS上的MySQL ，提示：测试连接失败,测试数据源连通性失败:连接数据库失败, 数据库连接串:jdbc:mysql://47.90.89.23:3306/MySQL57-hk, 用户名:root, 异常消息:Communications link failure The last packet sent successfully to the server was 0 milliseconds ago. The driver has not received any packets from the server.

A：进入ECS安全组规则- 设置网络入口访问权限，测试的话可以设置为0.0.0.0/0；

Q：大数据开发套件(数据集成)中连接不上ECS上的MySQL ，提示：测试连接失败,测试数据源连通性失败:连接数据库失败, 数据库连接串:jdbc:mysql://47.90.89.23:3306/mysql, 用户名:root, 异常消息:null, message from server: "Host 121.43.110.160 is not allowed to connect to this MySQL server"

A：MySQL设置远程访问权限，参照：http://kouss.com/aliyun-ecs-mysql-allow-navicat.html

 

数据集成模块中如何配置Mongo DB数据同步(2) MongoDB是面向文档的NoSQL（非关系型）数据库，它的数据结构由字段（Field）和值（Value）组成，类似于JSON对象。 数据集成的Mongodb输出组件提供了写入Mongodb数据库的能力。本文重点介绍如何配置Mongodb的加载策略。
数据集成模块中如何配置Mongo DB数据同步(1) MongoDB是面向文档的NoSQL（非关系型）数据库，它的数据结构由字段（Field）和值（Value）组成，类似于JSON对象。 数据集成的Mongodb输入组件提供了从mongodb数据库中全量和增量两种读取方式，并且能够对数据自动进行数据分片，从而可以并发的高校读取数据。
阿里云Dataworks数据集成工具实现：OTS - Maxcompute数据同步 数据集成主要用于离线(批量)数据同步。离线(批量)的数据通道通过定义数据来源和去向的数据源和数据集，提供一套抽象化的数据抽取插件(Reader)、数据写入插件(Writer)，并基于此框架设计一套简化版的中间数据传输格式，从而实现任意结构化、半结构化数据源之间数据传输。结合用户在使用OTS数据源同步的时候容易出现问题，这里演示：OTS数据源同步数据到Maxcompute的具体实现步骤。
数据集成同步到mysql~小数点后面数据同步不过来 数据集成同步任务时候，用会出现这样一种现象：odps 表里的数据是 11490877.44 ，mysql数据源目标表字段类型float(16,2) 同步过来是11490877小数点后面数据没有同步过来。
数据集成到MaxCompute的N种最佳实践（持续更新） 本文汇总数据集成到MaxCompute的各种最佳实践，希望可以帮助到正在或者即将使用MaxCompute的企业和开发者们。 也欢迎您将有关MaxCompute数据集成的实践分享出来，分享方法可扫码加入钉钉群，联系钉钉群主即可。
MaxCompute/DataWorks 数据集成与开发实践 摘要：在2017杭州云栖大会阿里云数加DataWorks专场上，阿里云产品专家代俊峰(花名：普阳)为大家分享了如何借助阿里云数加DataWorks工具进行数据集成和开发，分享了如何借助DataWorks实现从数据处理手工作坊到数据加工工厂的跨越转变。
MaxCompute（原ODPS）是一项面向分析的大数据计算服务，它以Serverless架构提供快速、全托管的在线数据仓库服务，消除传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使您经济并高效的分析处理海量数据。
隐林 阿里云大数据产品专家，擅长MaxCompute、机器学习、分布式、可视化、人工智能等大数据领域；