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。 

1. 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](https://help.aliyun.com/document_detail/85302.html#concept-qlb-gd4-q2b "本文向您介绍如何对数据表进行创建、提交和查询。")，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。 

---

本文作者：付帅

阅读原文

本文为云栖社区原创内容，未经允许不得转载。