Amazon Redshift 中的數據遷移到MaxCompute中經常需要先卸載到S3中,再到阿里雲對象存儲OSS中,大數據計算服務MaxCompute然後再通過外部表的方式直接讀取OSS中的數據。
如下示意圖:
本文以SQL Workbench/J工具來連接Reshift進行案例演示,其中用了Reshift官方的Query editor發現經常報一些奇怪的錯誤。建議使用SQL Workbench/J。
如果在配置過程中發現一隻connection time out,需要在ecs的vpc安全組中配置安全策略。具體詳見:https://docs.aws.amazon.com/zh_cn/redshift/latest/gsg/rs-gsg-authorize-cluster-access.html
方式一:在AWS指定的query editor中進行數據預覽,如下所示:
方式二:使用Workbench/J進行數據預覽,如下圖所示:
具體Workbench/J的下載和配置詳見:https://docs.aws.amazon.com/zh_cn/redshift/latest/mgmt/connecting-using-workbench.html
(下圖爲JDBC驅動下載和JDBC URL查看頁面)
在卸載數據到S3之前一定要確保IAM權足夠,否則如果您在運行 COPY、UNLOAD 或 CREATE LIBRARY 命令時收到錯誤消息 S3ServiceException: Access Denied,則您的集羣對於 Amazon S3 沒有適當的訪問權限。如下:
以默認管道符號(|)的方式將數據卸載到對應的S3存儲桶中,並以venue_爲前綴進行存儲,如下:
unload ('select * from venue') to 's3://aws2oss/venue_' iam_role '<新建的redshiftunload角色對應的ARN>'; --parallel off; --連續卸載,UNLOAD 將一次寫入一個文件,每個文件的大小最多爲 6.2 GB
執行效果圖如下:
進入Amazon S3對應的存儲桶中可以查看到有兩份文件,且以venue_爲前綴的,可以打開文件查看下數據。
數據如下,以管道字符(|)分隔:
要將相同的結果集卸載到製表符分隔的文件中,請發出下面的命令:
unload ('select * from venue') to 's3://aws2oss/venue_' iam_role '<新建的redshiftunload角色對應的ARN>' delimiter as '\t';
打開文件可以預覽到數據文件如下:
----爲了MaxCompute更方便的讀取數據,我們採用以逗號(,)分隔--
unload ('select * from venue') to 's3://aws2oss/venue_' iam_role '<新建的redshiftunload角色對應的ARN>' delimiter as ',' NULL AS '0';
更多關於unload的命令說明詳見:https://docs.aws.amazon.com/zh_cn/redshift/latest/dg/r_UNLOAD.html
在線遷移工具只支持同一個國家的數據源,針對不同國家數據源遷移建議用戶採用OSS遷移工具,自己部署遷移服務並且購買專線來完成,詳見:https://help.aliyun.com/document_detail/56990.html
OSS提供了S3 API的兼容性,可以讓您的數據從AWS S3無縫遷移到阿里雲OSS上。從AWS S3遷移到OSS後,您仍然可以使用S3 API訪問OSS。更多可以詳見S3遷移教程。
① 執行在線遷移任務過程中,讀取Amazon S3數據會產生公網流出流量費,該費用由Amazon方收取。
② 在線遷移默認不支持跨境遷移數據,若有跨境數據遷移需求需要提交工單來申請配置任務的權限。
接下來以RAM子賬號來演示Amazon S3數據遷移到Aliyun OSS上。
step1:進入IAM,選擇添加用戶。
![image.png]
step2:新增用戶並勾選創建AK。
step3:選擇直接附加現有策略,並賦予AmazonS3ReadOnlyAccess權限。
step4:記錄AK信息,在數據遷移中會用到。
遷移會佔用源端和目的端的網絡資源;遷移需要檢查源端和目的端文件,如果存在文件名相同且源端的最後更新時間少於目的端,會進行覆蓋。
【創建源地址:】
具體配置項說明詳見:https://help.aliyun.com/document_detail/95159.html
【創建目標地址:】
具體配置項說明詳見:https://help.aliyun.com/document_detail/95159.html
從左側tab頁面中找到遷移任務,並進入頁面,點擊創建遷移任務。
![image.png]
---->OSS中的數據如下:
在查詢OSS上數據之前,需要對將OSS的數據相關權限賦給MaxCompute的訪問賬號,授權詳見授權文檔。
MaxCompute需要直接訪問OSS的數據,前提需要將OSS的數據相關權限賦給MaxCompute的訪問賬號,您可通過以下方式授予權限:
在DataWorks中創建外部表,如下圖所示:
創建MaxCompute外部表DDL語句:
CREATE EXTERNAL TABLE IF NOT EXISTS venue_external ( VENUEID bigint, VENUENAME string, VENUECITY string, VENUESTATE string, VENUESEATS bigint ) STORED BY 'com.aliyun.odps.CsvStorageHandler' -- (1) WITH SERDEPROPERTIES ( 'odps.properties.rolearn'='acs:ram::*****:role/aliyunodpsdefaultrole' ) -- (2) LOCATION 'oss://oss-cn-shanghai-internal.aliyuncs.com/redshift2odps/s3/'; -- (3)(4)
可以直接查詢返回結果:
select * from venue_external limit 10;
DataWorks上執行的結果如下圖所示:
如果後續還需要做複雜的查詢且數據量特別大的情況下,建議將外部錶轉換爲內部表,具體示意如下:
create table if not exists venue as select * from venue_external;