天翼云数据治理中心 DataArts Studio 管理作业 - 配置HDFS源端参数
文档简介：
本章节主要介绍配置HDFS源端参数。
作业中源连接为配置HDFS连接时，即从MRS HDFS、FusionInsight HDFS、Apache HDFS导出数据时，源端作业参数如下表所示。
咨询热线：400-826-7010，为您提供专业的售前咨询，让您快速了解云产品，助您轻松上云！
微信咨询
免费试用、价格特惠
作业中源连接为配置HDFS连接时，即从MRS HDFS、FusionInsight HDFS、Apache HDFS导出数据时，源端作业参数如下表所示。
表 HDFS作为源端时的作业参数
| 参数类型 | 参数名 | 说明 | 取值样例 |
|---|---|---|---|
| 基本参数 | 源连接名称 | 由用户下拉选择即可。 | hdfs_to_cdm |
| 基本参数 | 源目录或文件 |
“列表文件”选择为“否”时，才有该参数。 待迁移数据的目录或单个文件路径。 该参数支持配置为时间宏变量，且一个路径名中可以有多个宏定义变量。使用时间宏变量和定时任务配合，可以实现定期同步新增数据。 |
/user/cdm/ |
| 基本参数 | 文件格式 |
传输数据时所用的文件格式，可选择以下文件格式： CSV格式：以CSV格式解析源文件，用于迁移文件到数据表的场景。 二进制格式：选择“二进制格式”时不解析文件内容直接传输，不要求文件格式必须为二进制。适用于文件到文件的原样复制。 Parquet格式：以Parquet格式解析源文件，用于HDFS数据导到表的场景。 |
CSV格式 |
| 基本参数 | 列表文件 |
当“文件格式”选择为“二进制格式”时，才有该参数。 打开列表文件功能时，支持读取OBS桶中文件（如txt文件）的内容作为待迁移文件的列表。该文件中的内容应为待迁移文件的绝对路径（不支持目录），文件内容示例如下： /mrs/job-properties/application_1634891604621_0014/job.properties /mrs/job-properties/application_1634891604621_0029/job.properties |
是 |
| 基本参数 | 列表文件源连接 | 当“列表文件”选择为“是”时，才有该参数。可选择列表文件所在的OBS连接。 | OBS_test_link |
| 基本参数 | 列表文件OBS桶 | 当“列表文件”选择为“是”时，才有该参数。该参数表示列表文件所在的OBS桶名。 | 01 |
| 基本参数 | 列表文件或目录 | 当“列表文件”选择为“是”时，才有该参数。该参数表示列表文件所在的OBS桶中的绝对路径或目录。 | /0521/Lists.txt |
| 高级属性 | 换行符 | 文件中的换行符，默认自动识别“\n”、“\r”或“\r\n”。当“文件格式”选择为“CSV格式”时，才有该参数。 | \n |
| 高级属性 | 字段分隔符 | 文件中的字段分隔符，使用Tab键作为分隔符请输入“\t”。当“文件格式”选择为“CSV格式”时，才有该参数。 | , |
| 高级属性 | 首行为标题行 | “文件格式”选择“CSV格式”时才有该参数。在迁移CSV文件到表时，CDM默认是全部写入，如果该参数选择“是”，CDM会将CSV文件的第一行数据作为标题行，不写入目的端的表。 | 否 |
| 高级属性 | 源文件处理方式 |
作业执行成功后对源端文件的处理方式： 不处理。 重命名：作业执行成功后将源文件重命名，添加用户名和时间戳的后缀。 删除：作业执行成功后将源文件删除。 |
不处理 |
| 高级属性 | 启动作业标识文件 | 选择是否开启作业标识文件的功能。当源端路径下存在启动作业的标识文件时才启动作业，否则会挂起等待一段时间，等待时长在下方“等待时间”中配置。 | ok.txt |
| 高级属性 | 过滤类型 | 满足过滤条件的路径或文件会被传输，该参数有“无”、“通配符”和“正则表达式”三种选择。 | - |
| 高级属性 | 路径过滤器 | “过滤类型”选择“通配符”时，用通配符过滤目录，符合过滤器规则的目录，允许进行迁移。支持配置多个路径，中间使用“,”分隔。 | *input |
| 高级属性 | 文件过滤器 | “过滤类型”选择“通配符”时，用通配符过滤目录下的文件，符合过滤器规则的文件，允许进行迁移。支持配置多个文件，中间使用“,”分隔。 | *.csv |
| 高级属性 | 时间过滤 | 选择“是”时，可以根据文件的修改时间，选择性的传输文件。 | 是 |
| 高级属性 | 起始时间 |
“过滤类型”选择“时间过滤器”时，可以指定一个时间值，当文件的修改时间大于该时间才会被传输，输入的时间格式需为“yyyy-MM-dd HH:mm:ss”。 该参数支持配置为时间宏变量，例如**${timestamp(dateformat(yyyy-MM-dd HH:mm:ss,-90,DAY))}** 表示：只迁移最近90天内的文件。 |
2019-07-01 00:00:00 |
| 高级属性 | 终止时间 |
“过滤类型”选择“时间过滤器”时，可以指定一个时间值，当文件的修改时间小于该时间才会被传输，输入的时间格式需为“yyyy-MM-dd HH:mm:ss”。 该参数支持配置为时间宏变量，例如**${timestamp(dateformat(yyyy-MM-dd HH:mm:ss))}** 表示：只迁移修改时间为当前时间以前的文件。 |
2019-07-30 00:00:00 |
| 高级属性 | 创建快照 |
如果选择“是”，CDM读取HDFS系统上的文件时，会先对待迁移的源目录创建快照（不允许对单个文件创建快照），然后CDM迁移快照中的数据。 需要HDFS系统的管理员权限才可以创建快照，CDM作业完成后，快照会被删除。 |
否 |
| 高级属性 | 加密方式 |
“文件格式”选择“二进制格式”时，该参数才显示。 如果源端数据是被加密过的，则CDM支持解密后再导出。这里选择是否对源端数据解密，以及选择解密算法： 无：不解密，直接导出。 AES-256-GCM：使用长度为256byte的AES对称加密算法，目前加密算法只支持AES-256-GCM（NoPadding）。该参数在目的端为加密，在源端为解密。 |
AES-256-GCM |
| 高级属性 | 数据加密密钥 | “加密方式”选择“AES-256-GCM”时显示该参数，密钥由长度64的十六进制数组成，且必须与加密时配置的“数据加密密钥”一致。如果不一致系统不会报异常，只是解密出来的数据会错误。 |
DD0AE00DFECD78BF051BCFDA25BD4 E320DB0A7AC75A1F3FC3D3C56A457DCDC1B |
| 高级属性 | 初始化向量 | “加密方式”选择“AES-256-GCM”时显示该参数，初始化向量由长度32的十六进制数组成，且必须与加密时配置的“初始化向量”一致。如果不一致系统不会报异常，只是解密出来的数据会错误。 | 5C91687BA886EDCD12ACBC3FF19A3C3F |
| 高级属性 | MD5文件名后缀 | “文件格式”选择“二进制格式”时，该参数才显示。 校验CDM抽取的文件，是否与源文件一致。 | .md5 |
说明
HDFS文件编码只能为“UTF-8”，故HDFS不支持设置文件编码类型。
