JSON数据从MongoDB迁移到MaxCompute最佳实践

摘要： 本文为您介绍如何利用DataWorks数据集成直接从MongoDB提取JSON字段到MaxCompute。

数据及账号准备

首先您需要将数据上传至您的MongoDB数据库。本例中使用阿里云的云数据库 MongoDB 版，网络类型为VPC（需申请公网地址，否则无法与DataWorks默认资源组互通），测试数据如下。

{    "store": {        "book": [
             {                "category": "reference",                "author": "Nigel Rees",                "title": "Sayings of the Century",                "price": 8.95
             },
             {                "category": "fiction",                "author": "Evelyn Waugh",                "title": "Sword of Honour",                "price": 12.99
             },
             {                 "category": "fiction",                 "author": "J. R. R. Tolkien",                 "title": "The Lord of the Rings",                 "isbn": "0-395-19395-8",                 "price": 22.99
             }
          ],          "bicycle": {              "color": "red",              "price": 19.95
          }
    },    "expensive": 10}

登录MongoDB的DMS控制台，本例中使用的数据库为 admin，集合为 userlog，您可以在查询窗口使用db.userlog.find().limit(10)命令查看已上传好的数据，如下图所示。 
 
此外，需提前在数据库内新建用户，用于DataWorks添加数据源。本例中使用命令db.createUser({user:"bookuser",pwd:"123456",roles:["root"]})，新建用户名为 bookuser，密码为 123456，权限为root。

使用DataWorks提取数据到MaxCompute

1. 新增MongoDB数据源

   进入DataWorks数据集成控制台，新增MongoDB类型数据源。 
   
   

   具体参数如下所示，测试数据源连通性通过即可点击完成。由于本文中MongoDB处于VPC环境下，因此 数据源类型需选择 有公网IP。 
   
   访问地址及端口号可通过在MongoDB管理控制台点击实例名称获取，如下图所示。 
   
   

2. 新建数据同步任务

   在DataWorks上新建数据同步类型节点。 
   
   新建的同时，在DataWorks新建一个建表任务，用于存放JSON数据，本例中新建表名为mqdata。 
   
   表参数可以通过图形化界面完成。本例中mqdata表仅有一列，类型为string，列名为MQ data。 
   
   完成上述新建后，您可以在图形化界面进行数据同步任务参数的初步配置，如下图所示。选择目标数据源名称为odps_first，选择目标表为刚建立的mqdata。数据来源类型为MongoDB，选择我们刚创建的数据源mongodb_userlog。完成上述配置后， 点击转换为脚本，跳转到脚本模式。 
   
   脚本模式代码示例如下。

   {    "type": "job",    "steps": [
           {            "stepType": "mongodb",            "parameter": {                "datasource": "mongodb_userlog", //数据源名称
                   "column": [
                       {                        "name": "store.bicycle.color", //JSON字段路径，本例中提取color值
                           "type": "document.document.string" //本栏目的字段数需和name一致。假如您选取的JSON字段为一级字段，如本例中的expensive，则直接填写string即可。
                       }
                   ],                "collectionName //集合名称": "userlog"
               },            "name": "Reader",            "category": "reader"
           },
           {            "stepType": "odps",            "parameter": {                "partition": "",                "isCompress": false,                "truncate": true,                "datasource": "odps_first",                "column": [     //MaxCompute表列名                 "mqdata"
                   ],                "emptyAsNull": false,                "table": "mqdata"
               },            "name": "Writer",            "category": "writer"
           }
       ],    "version": "2.0",    "order": {        "hops": [
               {                "from": "Reader",                "to": "Writer"
               }
           ]
       },    "setting": {        "errorLimit": {            "record": ""
           },        "speed": {            "concurrent": 2,            "throttle": false,            "dmu": 1
           }
       }
   }

   完成上述配置后，点击运行接即可。运行成功日志示例如下所示。 
   
   

结果验证

在您的业务流程中新建一个ODPS SQL节点。 
 
您可以输入 SELECT * from mqdata;语句，查看当前mqdata表中数据。当然这一步您也可以直接在MaxCompute客户端中输入命令运行。