Amazon Redshift數據遷移到MaxCompute

Amazon Redshift 中的數據遷移到MaxCompute中常常須要先卸載到S3中，再到阿里雲對象存儲OSS中，大數據計算服務MaxCompute而後再經過外部表的方式直接讀取OSS中的數據。
以下示意圖：

前提條件
本文以SQL Workbench/J工具來鏈接Reshift進行案例演示，其中用了Reshift官方的Query editor發現常常報一些奇怪的錯誤。建議使用SQL Workbench/J。

下載Amazon Redshift JDBC驅動程序，推薦4.2 https://s3.amazonaws.com/reds...
在SQL Workbench/J中新建Drivers，選擇下載的驅動程序jar，並填寫Classname爲 com.amazon.redshift.jdbc42.Driver。

配置新鏈接，選擇新建的Driver，並複製JDBC url地址、數據庫用戶名和密碼並勾選Autocommit。

若是在配置過程當中發現一隻connection time out，須要在ecs的vpc安全組中配置安全策略。具體詳見：https://docs.aws.amazon.com/z...

Amazon Redshift數據預覽
方式一：在AWS指定的query editor中進行數據預覽，以下所示：

方式二：使用Workbench/J進行數據預覽，以下圖所示：
具體Workbench/J的下載和配置詳見：https://docs.aws.amazon.com/z...
（下圖爲JDBC驅動下載和JDBC URL查看頁面）

卸載數據到Amazon S3
在卸載數據到S3以前必定要確保IAM權足夠，不然若是您在運行 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。以下：

建立 IAM 角色以容許 Amazon Redshift 集羣訪問 S3服務
step1：進入https://console.aws.amazon.co...，建立role。

step2：選擇Redshift服務，並選擇Redshift-Customizable

step3：搜索策略S3，找到AmazonS3FullAccess，點擊下一步。

step4：命名角色爲redshiftunload。

step5：打開剛定義的role並複製角色ARN。（unload命令會用到）

step6：進入Redshift集羣，打開管理IAM角色

step7：選擇剛定義的redshiftunload角色並應用更改。

執行unload命令卸載數據

以管道分隔符導出數據
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，以下：

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，每一個文件的大小最多爲 6.2 GB
執行效果圖以下：
image

進入Amazon S3對應的存儲桶中能夠查看到有兩份文件，且以venue_爲前綴的，能夠打開文件查看下數據。

數據以下，以管道字符（|)分隔：

以指標符導出數據
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';

打開文件能夠預覽到數據文件以下：

----爲了MaxCompute更方便的讀取數據，咱們採用以逗號(,)分隔--`sql
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

Amazon S3無縫切換到OSS

在線遷移工具只支持同一個國家的數據源，針對不一樣國家數據源遷移建議用戶採用OSS遷移工具，本身部署遷移服務而且購買專線來完成，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，您仍然可使用S3 API訪問OSS。更多能夠詳見S3遷移教程。

背景信息

① 執行在線遷移任務過程當中，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，如有跨境數據遷移需求須要提交工單來申請配置任務的權限。

準備工做

Amazon S3前提工做

接下來以RAM子帳號來演示Amazon S3數據遷移到Aliyun OSS上。

• 預估遷移數據，進入管控臺中確認S3中有的存儲量與文件數量。
• 建立遷移密鑰，進入AWS IAM頁面中建立用戶並賦予AmazonS3ReadOnlyAccess權限。
• 添加用戶-->訪問類型（編程訪問，AK信息）-->賦予AmazonS3ReadOnlyAccess權限-->記錄AK信息。

step1：進入IAM，選擇添加用戶。
![image.png]

step2：新增用戶並勾選建立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。

Aliyun OSS前提工做

• 阿里雲OSS相關操做，新建立bucket：

• 建立RAM子帳號並授予OSS bucket的讀寫權限和在線遷移管理權限。

遷移實施

遷移會佔用源端和目的端的網絡資源；遷移須要檢查源端和目的端文件，若是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。

• 進入阿里雲數據在線遷移控制檯：https://mgw.console.aliyun.com/?spm=a2c4g.11186623.2.11.10fe1e02iYSAhv#/job?_k=6w2hbo，並以《Aliyun OSS前提工做》中新建的子帳號登陸。
• 進入數據遷移服務-數據地址-數據類型（其餘），以下：

【建立源地址：】

具體配置項說明詳見：https://help.aliyun.com/document_detail/95159.html
【建立目標地址：】

具體配置項說明詳見：https://help.aliyun.com/document_detail/95159.html

建立遷移任務

從左側tab頁面中找到遷移任務，並進入頁面，點擊建立遷移任務。
![image.png]

---->OSS中的數據以下：

MaxCompute直接加載OSS數據

受權

在查詢OSS上數據以前，須要對將OSS的數據相關權限賦給MaxCompute的訪問帳號，受權詳見受權文檔。
MaxCompute須要直接訪問OSS的數據，前提須要將OSS的數據相關權限賦給MaxCompute的訪問帳號，您可經過如下方式授予權限：

1. 當MaxCompute和OSS的owner是同一個帳號時，能夠直接登陸阿里雲帳號後，點擊此處完成一鍵受權。
2. 若MaxCompute和OSS不是同一個帳號，此處需由OSS帳號登陸進行受權，詳見文檔。

建立外部表

在DataWorks中建立外部表，以下圖所示：

建立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:*:role/aliyunodpsdefaultrole'
) -- (2)
LOCATION 'oss://oss-cn-shanghai-internal.aliyuncs.com/redshift2odps/s3/'; -- (3)(4)

• com.aliyun.odps.CsvStorageHandler是內置的處理CSV格式文件的StorageHandler，它定義瞭如何讀寫CSV文件。您只需指明這個名字，相關邏輯已經由系統實現。若是用戶在數據卸載到S3時候自定義了其餘分隔符那麼，MaxCompute也支持自定義分隔符的Handler，詳見：https://help.aliyun.com/document_detail/45389.html

能夠直接查詢返回結果：
select * from venue_external limit 10;

DataWorks上執行的結果以下圖所示：

建立內部表固化數據

若是後續還須要作複雜的查詢且數據量特別大的狀況下，建議將外部錶轉換爲內部表，具體示意以下：
create table if not exists venue as select * from venue_external;