初探阿里数据治理平台DataWorks

随着用户量的增加，数据处理变的较为复杂，百万级别数据量下，关联查询的效率不高，公司开始采用阿里的ODPS平台DataWorks来整合数据，下面记录下使用的过程，方便备查。

知识了解

ODPS （Open Data Processing Service）,是阿里巴巴通用计算平台提供的一种快速、完全托管的 GB/TB/PB 级数据仓库解决方案，现在已更名为MaxCompute，MaxCompute 向用户提供了完善的数据导入方案以及多种经典的分布式计算模型，能够更快速的解决用户海量数据计算问题，有效降低企业成本，并保障数据安全。

第一步、登录平台

产品 - 选择DataWorks

选择预先分配好的部门

第二步、进入主页面

左侧是操作结构树，包括数据集成、数据开发等，右侧是编辑区域，显示快速访问的快捷键。主题色是黑色，科技感十足。

左侧树，表，右键–> 新建，从生产环境导入数据，作为工作区间的数据源。

第三步、数据处理

在 MacComputer 下的数据开发下，进行数据处理逻辑的编辑。

1、新建表

在ODPS工作空间，建立自己的中间表，方便数据的处理。

// 创建表脚本
drop table user_odps;
TRUNCATE TABLE user_odps;
CREATE TABLE IF NOT EXISTS user_odps
(
   user_id			STRING COMMENT '用户编号',
   user_name 		STRING COMMENT '姓名',
   sex 				STRING COMMENT '性别',
   phone 			STRING COMMENT '手机号',
   age 				BIGINT COMMENT '年龄',
   birthday 		DateTime COMMENT '出生日期',
   address 			STRING COMMENT '地址'
) 
COMMENT '用户信息表';

ODPS上的字段支持 String、Bigint、DateTime等，需要将mysql中 varchar 字段串等进行转换。

注：1、表名最好是以 _odps 结尾，如 user_odps
2、创建成功不会在左侧的树上显示，但可以通过select语句进行查询

2、往表中添加数据

编写SQL语句，抽取数据导入了新建的中间表，可以使用 insert overwrite 语法

// 数据导入
INSERT OVERWRITE TABLE user_odps 
select 
   user_id,
   user_name,
   sex,
   phone,
   age,
   birthday,
   address
from 
   user
where 
   is_deleted = '0';

可以对表进行分区处理，添加以下语句

// 根据时间对表进行分区
PARTITION (load_date={$bdp.system.DATE })

第五步、数据传输

在数据集成页签下进行数据回传，将整合完成的数据同步到指定的区域。

设置数据同步的规则，左侧选择源目标，数据库，可以选择新建的odps表，右侧是目标数据源，选择数据表，支持mysql，ADS等类型的数据源。下方是两张表对应的关系，可以改变，为方便维护，建议要字段类型，名称等保持一致。

参考文档

【1】https://help.aliyun.com/document_detail/84669.html?spm=a2c4g.11186623.6.601.26de4154p0enK7
【2】ODPS权威指南 李姝芳
【3】https://developer.aliyun.com/group/maxcompute/#/?_k=twks3n