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。