（在说正事之前，我要推荐一个福利：你还在原价购买阿里云、腾讯云、华为云服务器吗？那太亏啦！来这里，新购、升级、续费都打折，能够为您省60%的钱呢！2核4G企业级云服务器低至69元/年，点击进去看看吧>>>)

DataWorks提供任务搬站功能 支持将开源调度引擎Oozie、Azkaban、Airflow的任务快速迁移至DataWorks。本文主要介绍如何将开源Airflow工作流调度引擎中的作业迁移至DataWorks上。

支持迁移的Airflow版本

Airflow支持迁移的版本 python 3.6.x ?airfow 1.10.x

整体迁移流程

迁移助手支持开源工作流调度引擎到DataWorks体系的大数据开发任务迁移的基本流程如下图示。

针对不同的开源调度引擎 DataWorks迁移助手会出一个相关的任务导出方案。

整体迁移流程为 通过迁移助手调度引擎作业导出能力 将开源调度引擎中的作业导出 再将作业导出包上传至迁移助手中 通过任务类型映射 将映射后的作业导入至DataWorks中。作业导入时可设置将任务转换为MaxCompute类型作业、EMR类型作业、CDH类型作业等。

Airflow作业导出

导出原理介绍 在用户的Airflow的执行环境里面 利用Airflow的Python库加载用户在Ariflow上调度的dag folder 用户自己的dag python文件所在目录 。导出工具在内存中通过Airflow的Python库去读取dag的内部任务信息及其依赖关系 将生成的dag信息通过写入json文件导出。

具体的执行命令可进入迁移助手- 任务上云- 调度引擎作业导出- Airflow页面中查看。

Airflow作业导入

拿到了开源调度引擎的导出任务包后 用户可以拿这个zip包到迁移助手的迁移助手- 任务上云- 调度引擎作业导入页面上传导入包进行包分析。

导入包分析成功后点击确认 进入导入任务设置页面 页面中会展示分析出来的调度任务信息。

开源调度导入设置

用户可以点击高级设置 设置Airflow任务与DataWorks任务的转换关系。不同的开源调度引擎 在高级设置里面的设置界面基本一致如下。

高级设置项介绍

sparkt-submit转换为 导入过程会去分析用户的任务是不是sparkt-submit任务 如果是的话 会将spark-submit任务转换为对应的DataWorks任务类型 比如说 ODPS_SPARK/EMR_SPARK/CDH_SPARK等命令行 SQL任务转换为 开源引擎很多任务类型是命令行运行SQL 比如说hive -e, beeline -e, impala-shell等等 迁移助手会根据用户选择的目标类型做对应的转换。比如可以转换成ODPS_SQL, EMR_HIVE, EMR_IMPALA, EMR_PRESTO, CDH_HIVE, CDH_PRESTO, CDH_IMPALA等等目标计算引擎类型 这个主要是影响的是Sqoop同步的目的端的数据写入配置。我们会默认将sqoop命令转换为数据集成任务。计算引擎类型决定了数据集成任务的目的端数据源使用哪个计算引擎的project。Shell类型转换为 SHELL类型的节点在Dataworks根据不同计算引擎会有很多种 比如EMR_SHELL CDH_SHELL DataWorks自己的Shell节点等等。未知任务转换为 对目前迁移助手无法处理的任务 我们默认用一个任务类型去对应 用户可以选择SHELL或者虚节点VIRTUALSQL节点转换为 DataWorks上的SQL节点类型也因为绑定的计算引擎的不同也有很多种。比如 EMR_HIVE EMR_IMPALA、EMR_PRESTO CDH_HIVE CDH_IMPALA CDH_PRESTO ODPS_SQL EMR_SPARK_SQL CDH_SPARK_SQL等 用户可以选择转换为哪种任务类型。

注意 这些导入映射的转换值是动态变化的 和当前项目空间绑定的计算引擎有关 转换关系如下。

导入至DataWorks MaxCompute

设置项

可选值

sparkt-submit转换为

ODPS_SPARK

命令行 SQL任务转换为

ODPS_SQL、ODPS_SPARK_SQL

目标计算引擎类型

ODPS

Shell类型转换为

DIDE_SHELL

未知任务转换为

DIDE_SHELL、VIRTUAL

SQL节点转换为

ODPS_SQL、ODPS_SPARK_SQL

导入至DataWorks EMR

设置项

可选值

sparkt-submit转换为

EMR_SPARK

命令行 SQL任务转换为

EMR_HIVE, EMR_IMPALA, EMR_PRESTO, EMR_SPARK_SQL

目标计算引擎类型

EMR

Shell类型转换为

DIDE_SHELL, EMR_SHELL

未知任务转换为

DIDE_SHELL、VIRTUAL

SQL节点转换为

EMR_HIVE, EMR_IMPALA, EMR_PRESTO, EMR_SPARK_SQL

导入至DataWorks CDH

设置项

可选值

sparkt-submit转换为

CDH_SPARK

命令行 SQL任务转换为

CDH_HIVE, CDH_IMPALA, CDH_PRESTO, CDH_SPARK_SQL

目标计算引擎类型

CDH

Shell类型转换为

DIDE_SHELL

未知任务转换为

DIDE_SHELL、VIRTUAL

SQL节点转换为

CDH_HIVE, CDH_IMPALA, CDH_PRESTO, CDH_SPARK_SQL

执行导入

设置完映射关系后 点击开始导入即可。导入完成后 请进入数据开发中查看导入结果。

数据迁移

大数据集群上的数据迁移 可参考 DataWorks数据集成或MMA。

任务上云详细文档 https://help.aliyun.com/document_detail/181296.html

本文转自网络，原文链接：https://developer.aliyun.com/article/783737