大数据开发套件—数据集成常见问题

我们在进行大数据开发过程中，会遇到各种问题，本文将定期收集整理一些在使用阿里云数加 大数据开发套件 过程中遇到的常见问题，供大家参考~

Q： 配置数据同步任务，在选择数据源时，出现下图中的错误，该怎么办？

A： 建议您刷新页面，清空缓存，重新登录。

Q：数据同步时，如何进行增量同步？
A： 具体操作可参考 数据增量同步 文档 。

Q：新增数据源时，RDS 数据源测试连通性不通怎么办？
A：当 RDS 数据源测试连通性不通时，需要到自己的 RDS 上添加数据同步机器 IP 白名单：
10.152.69.0/24,10.153.136.0/24,10.143.32.0/24,120.27.160.26,10.46.67.156,120.27.160.81,10.46.64.81,121.43.110.160,10.117.39.238,121.43.112.137,10.117.28.203,118.178.84.74,10.27.63.41,118.178.56.228,10.27.63.60,118.178.59.233,10.27.63.38,118.178.142.154,10.27.63.15,100.64.0.0/8

注意：若使用自定义资源组调度 RDS 的数据同步任务，必须把自定义资源组的机器 IP 也加到 RDS 的白名单中 ，同时要确保以下问题正常：

• 网络：确保网络和端口之间是能够联通，网络连接失败，可以再检查一下 ECS 的防火墙以及安全组设置；
• 确保添加的信息正确：用户名密码jdbcUrl 中的 IP 地址和端口必须确保正确；
• 确保自建的数据库涉及的安全访问限制，权限的限制和能否远程登录的情况；
• 在 VPC 的环境下购买的 ECS 只能用脚本模式运行任务，在添加数据源时测试连通性不能成功 。购买 ECS 可以添加自定义资源，将同步任务下发到相应的资源组运行 。

Q. 配置数据同步任务时，到字段映射步骤时页面一直处于跳转状态？
A. 为了防止缓存问题导致使用异常，请先清理缓存，若依旧有误，请确保数据源存在并有效。

Q. 为什么在浏览器和版本都正确的情况下，进入数据集成总是空白页？
A. 查看是否绑定了HOST。

Q. MaxCompute的数据怎么同步到MySql?
A. 可以使用大数据开发套件中的数据集成功能，请参见： 创建同步任务导出结果。

Q. 数据同步时报错，日志提示： Code:[Framework-13], Description:[DataX插件运行时出错, 具体原因请参看DataX运行结束时的错误诊断信息 .]. - java.lang.OutOfMemoryError: Java heap space at java.util.Arrays.copyOf(Arrays.java:3236)
A. 由于您的任务数据量稍大并且同步的速度太快，一般是接近10M每秒，导致调度服务器内存溢出报错。您可以通过以下几种方法进行调错：

• 在大数据开发套件->数据集成-查看数据同步任务的速度情况，一般出现内存溢出都是速度设置过大导致的，这里建议尝试把同步速度调小；
• 在大数据开发套件->数据开发-查看数据同步任务的同步速度是否太大，检查该调度资源是否有其他大的任务或有比较多的任务在执行；
• 先尝试把同步速度调小，查看其他任务执行状态，资源比较多的时候执行同步；
• 将数据任务分时间段来执行，不要在同一时间执行，另外同步速度不宜很大。如果有需求，可以考虑增加调度服务器的配置或者实例。

Q. MaxCompute 可以通过同步任务回流数据到用户自建的 mysql（非阿里云 mysql）吗?
A. 可以

Q. 对于大量数据，可以配置很长的任务间隔吗？比如千万级的数据，是否可以实现秒级同步？
A. 暂时不支持, 目前支持的最小的任务间隔是 5 分钟同步一次。

Q. 配置 MaxCompute 数据同步时，在脚本开发中，是否可以设置函数？
A. 目前不可以。

Q. maxcompute 数据同步到 sql sever 时， 是否可以留下原来的数据，没有清除脏数据？
A. 需要在配置数据同步任务时，配置 “导入前准备语句”。

Q. RDS 的 Mysql 数据库数据同步到 MaxCompute，源库中的 varbinary 字段在做数据同步时如何转化为 string 类型？
A. RDS _Mysql 的 varbinary 类型不能直接同步到 MaxCompute 中转化为 string 类型，但可以先将 varbinary 转化成 string 类型后再同步到 MaxCompute。