tencent cloud

文档反馈

DLC 数据导入指引

最后更新时间:2024-07-31 17:23:18

    通过 COS 进行外部表数据导入

    数据湖计算 DLC 支持在不迁移数据的情况下,直接对对象存储 COS 上的数据进行查询分析,所以您只需将数据导入对象存储 COS 即可开始使用数据湖计算 DLC 进行无缝数据分析,实现数据存储与计算完全解耦。目前支持上传 orc、parquet、arvo、json、csv 和文本文件等多种格式。 目前,对象存储 COS 提供了丰富的数据导入方式,您可根据自身情况选择以下方式进行数据导入。
    登录 对象存储 COS,直接进行文件上传,相关操作步骤可参见 上传对象
    通过对象存储 COS 服务提供的多种上传工具将数据进行导入,工具支持列表可参见 工具概览
    通过对象存储 COS 服务提供的 SDK 或 API 对数据进行导入,服务相关说明可参见 上传接口文档
    如您需要将日志服务 CLS 内的日志导入进行分析,可按照分区直接将日志投递到对象存储 COS 后通过数据湖计算 DLC 直接进行分析查询。相关操作可参见 使用 DLC(Hive)分析 CLS 日志
    如您需要将其他云服务(如数据库 CDB 等)数据导入对象存储 COS ,可以使用数据集成 DataInLong 进行导入。创建数据同步链路时,数据源选择需导出的云服务,目的端选择对象存储 COS 即可完成数据的导入。
    您在进行数据导入时,如遇到问题,可以通过 提交工单 咨询我们为您提供解决方案。 将数据导入到 COS 后,您可通过数据湖计算 DLC 控制台、API、SDK 进行 SQL 查询,实现建表、分析、结果导出等操作,详细操作可参见 一分钟入门 DLC 数据分析

    数据导入原生表

    为了提供更好的数据查询性能,数据湖计算 DLC 也支持将数据导入到原生表后进行查询分析。 DLC 原生表基于 Iceberg 表格式排布数据,在导入数据过程中对数据进行优化,如您有以下使用场景,建议使用原生表进行数据查询分析。
    基于数据仓库分析场景下,希望借助 Iceberg 索引获得更好的分析性能。
    对数据有更新需求,希望通过 DLC 服务通过 SQL 或数据作业实现 UPSERT 操作。
    数据通过数据集成 DataInLong、Flink、流计算 Oceanus、Spark Streaming 实时写入更新,读写同时进行,需要事务性保障的数据处理业务。
    希望使用 Iceberg 表相关特性,如时间旅行、多版本快照、隐藏式分区、分区进化等高级数据湖特性。
    如您需要将数据导入到原生表,可根据自身情况选择以下方式进行数据导入。
    通过 数据湖计算 DLC 控制台 直接导入。
    注意
    通过控制台进行数据导入时,存在一定使用限制,主要用于快速测试,不建议生产使用。
    如您的原始数据在 MySQL、Kafka 等业务中,需要将 MySQL binlog 、消息中间件数据分钟级实时写入/更新到 DLC ,可通过数据集成 DataInlong 的实时导入能力实现。或通过流计算 Oceanus 、Flink写入,如需操作指导可通过 工单 联系我们。
    如原始数据在 MySQL、Kafka、MongoDB 等数据业务中,可通过数据集成 DataInLong 的离线同步任务将数据转存到原生表。数仓建模过程中,将外部表作为原始数据贴源层,把数据转存到原生表的过程中,可以通过构建稀疏索引等方式结合业务重新排布数据分布,以获得优异的原生表查询分析性能,如需要指导可以 联系我们
    通过 SQL 语法 SELECT INSERT 的方式将外部表的数据查询后写入原生表。如:在数据湖计算 DLC 创建一张与外部表表结构相同的原生表后,通过 SparkSQL 引擎执行 SQL 语法完成转存。语法示例如下:
    --- 外部表表名:outtertable,原生表表名:innertable
    insert into innertable select * from outtertable
    您在进行数据导入时,如遇到问题,可以通过 提交工单 咨询我们为您提供解决方案。

    多数据源联邦查询分析

    如您不想将数据导出到对象存储 COS 或数据湖计算 DLC 的原生表中,数据湖计算 DLC 同时提供了数据联邦查询分析能力,支持您在不搬迁数据的情况下,通过 SQL 快速关联分析多个数据源的数据,目前已支持 MySQL、SQLServer、clickhouse、postgreSQL、EMR on HDFS、EMR on COS 等多种数据源。 使用联邦分析时需要数据源与数据引擎在同一个网络下,网络打通、管理可参见 引擎网络配置
    通过数据湖计算 DLC 联邦分析 EMR 的数据时,查询性能将会持平甚至超过 EMR 的性能,适用于生产环境,可以在不搬迁 EMR 服务的情况下充分利用 DLC 的全托管弹性能力降本增效。
    联邦分析可快速联合多个数据源的数据进行分析,为数据洞察、快速分析提供了便利的方式,同时依托于 DLC 的全托管弹性能力,可有效降低使用成本。同时也可以支持使用 INSERT INTO/INSERT OVERWRITE 语法将联邦数据写入到 DLC 原生表,完成数据导入。
    联邦分析其他数据源时,由于计算过程中需要将数据同步到 DLC 侧进行分析,相比原始数据源直接查询,性能存在一定的损耗,如对查询性能要求较高,可将数据导入到原生表后进行分析,操作方式可见 数据导入原生表
    联系我们

    联系我们,为您的业务提供专属服务。

    技术支持

    如果你想寻求进一步的帮助,通过工单与我们进行联络。我们提供7x24的工单服务。

    7x24 电话支持