支持版本
支持 Greenplum 4.x、5.x、6.x 版本。
Greenplum 离线单表读取节点配置
参数 | 说明 |
数据来源 | 可用的 Greenplum 数据源。 |
库 | 支持选择、或者手动输入需读取的库名称 默认将数据源绑定的数据库作为默认库,其他数据库需手动输入库名称。 当数据源网络不联通导致无法直接拉取库信息时,可手动输入数据库名称。在数据集成网络连通的情况下,仍可进行数据同步。 |
Schema | 支持选择、或者手动输入需读取的 Schema 名称。 |
表 | 支持选择、或者手动输入需读取的表名称。 |
切割键 | 指定用于数据分片的字段,指定后将启动并发任务进行数据同步。您可以将源数据表中某一列作为切分键,建议使用主键或有索引的列作为切分键。 |
筛选条件(选填) | 在实际业务场景中,通常会选择当天的数据进行同步,将 where 条件指定为 gmt_create>$bizdate。 where 条件可以有效地进行业务增量同步。 如果不填写 where 语句,包括不提供 where 的 key 或 value,数据同步均视作同步全量数据。 |
Greenplum 离线单表写入节点配置
参数 | 说明 |
数据去向 | 需要写入的 Greenplum 数据源。 |
库 | 支持选择、或者手动输入需写入的库名称 默认将数据源绑定的数据库作为默认库,其他数据库需手动输入库名称。 当数据源网络不联通导致无法直接拉取库信息时,可手动输入数据库名称。在数据集成网络连通的情况下,仍可进行数据同步。 |
Schema | 支持选择、或者手动输入需读取的 Schema 名称。 |
表 | 支持选择、或者手动输入需写入的表名称 当数据源网络不联通导致无法直接拉取表信息时,可手动输入表名称。在数据集成网络连通的情况下,仍可进行数据同步。 |
是否清空表 | 在写入该 Greenplum 数据表前可以手动选择是否清空该数据表。 |
批量提交大小 | 一次性批量提交的记录数大小,该值可以极大减少数据同步系统与 Greenplum 的网络交互次数,并提升整体吞吐量。如果该值设置过大,会导致数据同步运行进程 OOM 异常。 |
前置 SQL(选填) | 执行同步任务之前执行的 SQL 语句,根据数据源类型对应的正确 SQL 语法填写 SQL,例如,执行前清空表中的旧数据(truncate table tablename)。 |
后置 SQL(选填) | 执行同步任务之后执行的 SQL 语句,根据数据源类型对应的正确 SQL 语法填写 SQL,例如,加上某一个时间戳 alter table tablename add colname timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP。 |
数据类型转换支持
读取
Greenplum 数据类型 | 内部类型 |
smallint、integer、bigint | Long |
decimal、double precision、real | Double |
character、character varying、 | String |
date | Date |
boolean、bit | Boolean |
写入
内部类型 | Greenplum 数据类型 |
Long | smallint、integer、bigint |
Double | decimal、double precision、real |
String | character、character varying |
Date | date |
Boolean | bit、boolean |
Greenplum 脚本 Demo
如果您配置离线任务时,使用脚本模式的方式进行配置,您需要在任务脚本中,按照脚本的统一格式要求编写脚本中的 reader 参数和 writer 参数。
"job": {"content": [{"reader": {"parameter": {"password": "******","column": [ //列名"id","name"],"connection": [{"jdbcUrl": ["jdbc:postgresql://ip:5432/database?reWriteBatchedInserts=true"],"table": [ //源表"schema.source_table"]}],"where": "id>10", //筛选条件"splitPk": "id", //切割键"username": "root"},"name": "postgresqlreader"},"transformer": [],"writer": {"parameter": {"postSql": [ //后置sql""],"password": "******","session": ["set optimizer to 'off'","set enable_seqscan to 'off'"],"column": [ //列名"id","name"],"connection": [{"jdbcUrl": "jdbc:postgresql://ip:5436/database?reWriteBatchedInserts=true","table": [ //目标表"schema.sink_table"]}],"batchSize": 1024, //批量提交大小"username": "root","preSql": [ //前置sql""]},"name": "postgresqlwriter"}}],"setting": {"errorLimit": { //脏数据阈值"record": 0},"speed": {"byte": -1, //不限制同步速度,正整数表示设置最大传输速度 byte/s"channel": 1 //并发数量}}}