數(shù)據(jù)集成平臺可以將外部數(shù)據(jù)源的數(shù)據(jù)同步存儲，進行統(tǒng)一管理，其中，按照集成數(shù)據(jù)的有效性，又可以分為實時數(shù)據(jù)同步和離線數(shù)據(jù)同步。這篇文章里，作者就對離線數(shù)據(jù)集成進行了設(shè)計拆解，一起來看看吧，或許會對你有所幫助。

數(shù)據(jù)集成平臺是“數(shù)據(jù)工廠”的首站，用于將外部數(shù)據(jù)源的數(shù)據(jù)（元數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)）同步至統(tǒng)一存儲中心，進行統(tǒng)一納管，解決數(shù)據(jù)分散問題。按照集成表規(guī)模分為單表同步、整庫同步，按集成數(shù)據(jù)時效性分為離線數(shù)據(jù)同步、實時數(shù)據(jù)同步。

本文主要對離線批量數(shù)據(jù)單表同步進行總結(jié)，離線數(shù)據(jù)通道通過定義源端和目標端數(shù)據(jù)源、數(shù)據(jù)表，利用數(shù)據(jù)抽取插件、數(shù)據(jù)轉(zhuǎn)換插件、數(shù)據(jù)寫入插件，實現(xiàn)任意結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)源之間數(shù)據(jù)傳輸。

一、數(shù)據(jù)源管理

對源端數(shù)據(jù)源和目標端數(shù)據(jù)源連接屬性的配置管理。

不同項目對數(shù)據(jù)源的需求不同，所以在做數(shù)據(jù)源管理設(shè)計時要松耦合，數(shù)據(jù)源類型可擴展，參數(shù)配置動態(tài)取值。

1. 創(chuàng)建數(shù)據(jù)源

不同類型的數(shù)據(jù)源，配置參數(shù)也不相同，以MySQL為例，介紹創(chuàng)建數(shù)據(jù)源頁面。

• 數(shù)據(jù)源名稱：根據(jù)連接的數(shù)據(jù)源類型，用戶可自定義便于記憶、區(qū)分的名稱。
• 數(shù)據(jù)源編碼：用戶可自定義編碼，用于數(shù)據(jù)源唯一區(qū)分。
• 連接類型：數(shù)據(jù)源類型，例如GAUSS、GREENPLUM、KUDU、MYSQL、SFTP等。選擇類型后，配置參數(shù)動態(tài)取值顯示。
• 服務(wù)器地址：要連接的數(shù)據(jù)庫的IP地址或域名。
• 端口號：要連接的數(shù)據(jù)庫的端口。
• 數(shù)據(jù)庫名稱：要連接的數(shù)據(jù)庫名稱。
• 用戶名：用戶賬號。該數(shù)據(jù)庫用戶需要有數(shù)據(jù)表的讀寫權(quán)限，以及對元數(shù)據(jù)的讀取權(quán)限。
• 密碼：用戶名密碼。

2. 集成平臺對已創(chuàng)建的數(shù)據(jù)源有以下操作

• 刪除：對已經(jīng)維護的數(shù)據(jù)源進行刪除操作，不能刪除已被使用的數(shù)據(jù)源。
• 編輯：對已經(jīng)維護的數(shù)據(jù)源進行修改操作。不能修改連接類型，可修改連接參數(shù)。修改連接時，需要重新輸入數(shù)據(jù)源的登錄密碼。
• 測試連接：測試連接的連通性。
• 查看詳情：展示當前數(shù)據(jù)源的配置信息。

二、集成任務(wù)管理

數(shù)據(jù)集成平臺架構(gòu)分上下兩層，上層為命令層，通過制定集成任務(wù)，控制下層的執(zhí)行。命令層會告知執(zhí)行層數(shù)據(jù)從哪里來，到哪里去，怎樣去，何時去，執(zhí)行層負責完成這些指令。

1. 生命周期管理

生命周期管理是對命令層任務(wù)從創(chuàng)建到刪除的全生命周期活動的管理，包括創(chuàng)建任務(wù)、修改任務(wù)、生效任務(wù)、運行任實例、失效任務(wù)和刪除任務(wù)。

通過生效狀態(tài)和實例運行狀態(tài)標記任務(wù)生命周期階段：

• 未生效：創(chuàng)建任務(wù)后的默認狀態(tài)，或失效成功后狀態(tài)，此狀態(tài)下可以編輯、刪除任務(wù)。
• 已生效：生效任務(wù)后的狀態(tài)，生效后的任務(wù)可以運行實例。
• 運行中：運行/恢復(fù)實例成功后實例狀態(tài)；此狀態(tài)實例可以停止，停止失敗依然為運行中。
• 運行失?。哼\行實例失敗后實例狀態(tài)。
• 運行停止：已停止的實例狀態(tài)，可以恢復(fù)。
• 運行結(jié)束：采集數(shù)據(jù)完畢后狀態(tài)。

2. 創(chuàng)建集成任務(wù)

用戶通過填寫基本信息，配置源端、目標端庫表，確定全量/增量同步，配置字段映射和配置任務(wù)執(zhí)行參數(shù)六個步驟，在頁面創(chuàng)建數(shù)據(jù)集成任務(wù)。

選擇數(shù)據(jù)來源和數(shù)據(jù)去向后，需要指定讀取端和寫入端列的映射關(guān)系，配置字段映射關(guān)系后，任務(wù)將根據(jù)字段映射關(guān)系，將源端字段寫入目標端對應(yīng)類型的字段中。源端表和目標表會按照字段編碼自動映射，也可手動更改映射。源端和目標端的字段操作有：

① 源端數(shù)據(jù)清洗轉(zhuǎn)換：點擊色湖之按鈕，使用源端數(shù)據(jù)庫支持的函數(shù)，對字段進行函數(shù)處理。

② 為目標字段賦值：通過添加一行的方式，為目標表添加常量、變量。

第三步參數(shù)設(shè)置是對定時、增量字段、同步并發(fā)、流量控制和臟數(shù)據(jù)控制的設(shè)置。

3. 集成平臺對已創(chuàng)建的集成任務(wù)有以下操作

• 刪除：對已經(jīng)維護的集成任務(wù)進行刪除操作，只能刪除未生效的任務(wù)。
• 編輯：對已經(jīng)維護的集成任務(wù)進行修改操作。不能修改源端和目標端數(shù)據(jù)源。
• 查看詳情：展示當前集成任務(wù)的配置信息。
• 生效/失效任務(wù)：對任務(wù)生效狀態(tài)的變更。
• 運行任務(wù)實例：手動運行或定時周期運行任務(wù)實例。
• 停止/恢復(fù)運行：停止運行中的任務(wù)，恢復(fù)已停止的實例。
• 查看歷史任務(wù)：查看該任務(wù)的歷史執(zhí)行記錄、作業(yè)執(zhí)行的日志信息。

三、集成任務(wù)運維監(jiān)控

此模塊主要查看離線同步任務(wù)實例運行情況、監(jiān)控任務(wù)運行狀態(tài)和任務(wù)運行日志等，從任務(wù)運行統(tǒng)計分析詳數(shù)據(jù)和詳細數(shù)據(jù)2個方面展示。

1. 統(tǒng)計分析數(shù)據(jù)通過可視化圖表展示同步任務(wù)數(shù)、同步數(shù)據(jù)量、同步記錄數(shù)、任務(wù)運行狀態(tài)分布、周期實例及任務(wù)趨勢等運維監(jiān)控指標。
2. 任務(wù)實例詳情點擊可視化圖表，可以進入詳細數(shù)據(jù)展示區(qū)域，可通過開始運行時間、結(jié)束運行時間、任務(wù)狀態(tài)和任務(wù)名稱等條件篩選，快速搜索任務(wù)實例，查看該實例的執(zhí)行情況和錯誤日志。

在當今數(shù)字化時代，企業(yè)面臨著海量的數(shù)據(jù)和分散的信息孤島，數(shù)據(jù)集成成為了解決這一挑戰(zhàn)的關(guān)鍵，將數(shù)據(jù)整合到一統(tǒng)一的數(shù)據(jù)存儲庫中，以實現(xiàn)數(shù)據(jù)的一致性、可訪問性和可用性，使企業(yè)能夠更好地利用數(shù)據(jù)進行分析、決策和業(yè)務(wù)創(chuàng)新。

由于不同來源、不同格式、不同結(jié)構(gòu)和數(shù)據(jù)范圍不同，導(dǎo)致數(shù)據(jù)集成面臨的情況多樣復(fù)雜，本文僅對離線數(shù)據(jù)集成進行描述，以后會逐步展開其他。