通过DataWorks数据集成归档日志服务数据至MaxCompute进行离线分析

2019独角兽企业重金招聘Python工程师标准>>>

通过DataWorks归档日志服务数据至MaxCompute

官方指导文档：https://help.aliyun.com/document_detail/68322.html
但是会遇到大家在分区上或者DataWorks调度参数配置问题，具体拿到真实的case模拟如下：

创建数据源：

步骤1 进入数据集成，点击作业数据源，进入Tab页面。
 

 

步骤2 点击右上角
新增数据源，选择消息队列 loghub。

步骤3 编辑LogHub数据源中的必填项，包括数据源名称、LogHub
Endpoint、Project、AK信息等，并点击 测试连通性。
 

创建目标表：

步骤1 在左侧tab也中找到临时查询，并右键>新建ODPS SQL节点。
 

 

步骤2 编写建表DDL。
步骤3 点击
执行 按钮进行创建目标表，分别为ods_client_operation_log、ods_vedio_server_log、ods_web_tracking_log。

步骤4 直到日志打印成本，表示三条DDL语句执行完毕。
 

 

步骤5 可以通过desc 查看创建的表。
 

 

其他两张表也可以通过desc 进行查询。确认数据表的存在情况。

创建数据同步任务

数据源端以及在DataWorks中的数据源连通性都已经配置好，接下来就可以通过数据同步任务进行采集数据到MaxCompute上。
操作步骤
步骤1 点击
新建业务流程 并 确认提交，名称为 直播日志采集。
 

 

步骤2 在业务流程开发面板中依次创建如下依赖并命名。
 

 

依次配置数据同步任务节点配置：web_tracking_log_syn、client_operation_log_syn、vedio_server_log_syn。

步骤3 双击
web_tracking_log_syn 进入节点配置，配置项包括数据源（数据来源和数据去向）、字段映射（源头表和目标表）、通道控制。
 

 

根据采集的时间窗口自定义参数为：

当然其消费点位也可以按照自定义设置5分钟调度一次，从00：00到23:59，startTme=[yyyymmddhh24miss−10/24/60]系统前10分钟到endTime=[yyyymmddhh24miss-5/24/60]系统前5分钟时间（注意与上图消费数据定位不同），那么应该配置为ds=[yyyymmdd-5/24/60]，hr=[hh24-5/24/60]，min=[mi-5/24/60]。

步骤4 可以点击高级运行进行测试。
 

 

可以分别手工收入自定义参数值进行测试。

 

 

步骤3 使用SQL脚本确认是否数据已经写进来。如下图所示：
 

 

日志服务的日志正式的被采集入库，接下来就可以进行数据加工。
比如可以通过上述来统计热门房间、地域分布和卡顿率，如下所示：

 

具体SQL逻辑不在这里展开，可以根据具体业务需求来统计分析。依赖关系配置如上图所示。

 

原文链接

本文为云栖社区原创内容，未经允许不得转载。

转载于:https://my.oschina.net/u/3889140/blog/3034137