Flink-DataWorks第一部分：DataWorks（第57天）

系列文章目录

1.1 什么是DataWorks
1.2 功能特性
1.2.1 数据集成：全领域数据汇聚
1.2.3 数据建模：智能数据建模
1.2.4 数据分析：即时快速分析
1.2.5 数据质量：全流程的质量监控
1.2.6 数据地图：统一管理，跟踪血缘
1.2.7 数据服务：低成本快速发布API
1.2.8 开放平台：能力全面开放
1.2.9 迁移助手与迁云服务
1.3 各引擎使用说明
1.3.1 什么是MaxCompute
1.3.2 MaxCompute功能特性
1.3.3 DataWorks与MaxCompute的关系

文章目录

前言

本文主要详解了DataWorks基本功能，为第一部分：
由于篇幅过长，分章节进行发布。
后续：
 数据集成的使用
 数据开发流程及操作
 运维中心的使用

1.1 什么是DataWorks

DataWorks基于MaxCompute、Hologres、EMR、AnalyticDB、CDP等大数据引擎，为数据仓库、数据湖、湖仓一体等解决方案提供统一的全链路大数据开发治理平台。
产品架构：
DataWorks十多年沉淀数百项核心能力，通过智能数据建模、全域数据集成、高效数据生产、主动数据治理、全面数据安全、数据分析服务六大全链路数据治理的能力，帮助企业治理内部不断上涨的“数据悬河”，释放企业的数据生产力。

发展历史：
从2009年产品立项开始，DataWorks与阿里巴巴业务共同发展，结合MaxCompute、Hologres等大数据计算引擎的能力，跨越多个技术阶段，支撑阿里巴巴数据中台与数据治理建设。目前阿里巴巴集团内DataWorks每天活跃用户数超过5万人，平均每3个人就有1个人使用DataWorks，支持300多个数据应用，服务100多个阿里巴巴集团事业部。

2015年DataWorks正式上云，将多年沉淀的大数据建设方法论产品化输出，服务阿里云上客户，通过不断迭代的产品能力，DataWorks正在与各行各业的客户与合作伙伴一起，通过全链路数据治理，管得好数据、用得好数据，让数据从低质低效向高质高效流动。

1.2 功能特性

1.2.1 数据集成：全领域数据汇聚

DataWorks的数据集成功能模块是稳定高效、弹性伸缩的数据同步平台，致力于提供复杂网络环境下、丰富的异构数据源之间高速稳定的数据移动及同步能力。
DataWorks数据集成支持离线同步、实时同步，以及离线和实时一体化的全增量同步。
1.2.2 数据开发与运维中心：数据加工
DataWorks的数据开发（DataStudio）是数据加工的开发平台，运维中心是智能运维平台，基于这两个功能模块，可以在DataWorks上规范、高效地构建和运维数据开发工作流。
开发流程：

可视化的开发界面：

支持通过拖拉拽的方式构建任务流程，在统一的界面进行数据开发和调度配置。
任务监控与定位处理：

1.2.3 数据建模：智能数据建模

智能数据建模是阿里云DataWorks自主研发的智能数据建模产品，沉淀了阿里巴巴十多年来数仓建模方法论的最佳实践，包含数仓规划、数据标准、维度建模及数据指标四大模块，帮助企业在搭建数据中台、数据集市建设过程中提升建模及逆向建模的能力，并通过数据建模快速构建企业数据资产。
功能概述：
智能数据建模产品包含数仓规划、数据标准、维度建模、数据指标四大产品模块。

 数仓规划：数仓规划支持数仓分层、数据域、数据集市等的规划，支持设置模型设计空间，不同部门可共享一套数据标准和数据模型。
 数据标准：数据标准字段标准、标准代码、度量单位、命名词典的定义，支持标准代码自动生成质量规则，落标检查不再难。
 维度建模：维度建模支持逆向建模，解决现有数仓的建模冷启动难题，支持可视化数仓维度建模，支持通过Excel文件导入模型和通过FML（一种类SQL的DSL）快速构建模型，支持与数据开发DataStudio无缝打通，自动生成ETL代码。
 数据指标：数据指标支持原子指标、派生指标的定义与构建，与维度建模无缝打通，可根据原子指标和不同维度批量创建派生指标。

1.2.4 数据分析：即时快速分析

数据分析支持基于个人视角的数据上传、公共数据集、表搜索与收藏、在线SQL取数、SQL文件共享、SQL查询结果下载及用电子表格进行大屏幕数据查看等产品功能。

1.2.5 数据质量：全流程的质量监控

DataWorks的全流程数据质量监控功能提供了35种预设表级别、字段级别和自定义的监控模板。
数据质量支持对常见大数据存储（MaxCompute、E-MapReduce Hive、Hologres等）进行质量校验。从完整性、准确性、有效性、一致性、唯一性和及时性等多个维度，配置质量监控规则。并可以将质量监控规则与调度节点进行关联，当任务运行完成后便会触发质量规则校验，帮助用户第一时间感知问题数据，按需设置规则的强弱来控制任务是否失败退出，从而避免脏数据影响扩大，有效降低数据恢复处理的时间成本和费用成本。

1.2.6 数据地图：统一管理，跟踪血缘

DataWorks的数据地图功能可以实现对数据的统一管理和血缘的跟踪。
数据地图以数据搜索为基础，提供表使用说明、数据类目、数据血缘、字段血缘等工具，帮助数据表的使用者和拥有者更好地管理数据、协作开发。

1.2.7 数据服务：低成本快速发布API

DataWorks的数据服务功能模块是灵活轻量、安全稳定的数据API构建平台，旨在为企业提供全面的数据共享能力，帮助用户从发布审批、授权管控、调用计量、资源隔离等方面实现数据价值输出及共享开放。
 数据服务支持通过零代码或自助SQL的双模式，将各类数据源下的数据表生成数据API，同时支持函数计算来辅助加工API的请求参数及返回结果。
 数据服务采用Serverless架构，用户无需关心运行环境等基础设施，即可将API服务一键发布至API网关。

1.2.8 开放平台：能力全面开放

DataWorks开放平台提供了全面的开放能力，可以实现深度的系统集成、自动化操作、流程定义、业务监控等，欢迎广大用户及合作伙伴，基于DataWorks的开放平台来实现行业化、场景化的数据应用和插件。
DataWorks开放平台提供开放API（OpenAPI）、开放事件（OpenEvent）、扩展程序（Extensions）等能力。
 开放API（OpenAPI）
通过OpenAPI可以实现用户的自有应用与DataWorks的深度集成，例如实现批量创建任务、发布任务、运维任务等，提升大数据处理效率，减少人工操作成本。
 开放事件（OpenEvent）
通过OpenEvent可以允许用户订阅DataWorks中的系统事件，实时获取并响应事件变化，例如订阅表变更事件实现对核心表的实时监控，订阅任务变更事件实现自定义实时任务监控大屏。
 扩展程序（Extensions）
Extensions则是将OpenAPI和OpenEvent有机结合起来的服务级插件，通过Extensions允许用户对DataWorks中的流程控制进行自定义，例如用户可以自定义任务发布管控插件，从而对不符合规范和要求的任务进行拦截。

1.2.9 迁移助手与迁云服务

DataWorks迁移助手支持将开源调度引擎的作业迁移至DataWorks，支持作业跨云、跨Region、跨账号迁移，实现DataWorks作业快速克隆部署，同时DataWorks团队联合大数据专家服务团队，上线迁云服务，快速实现数据与任务的上云。
迁移助手与迁云服务主要功能包括：
任务上云：实现将开源调度引擎的作业搬迁至DataWorks上。
DataWorks迁移：实现DataWorks体系内的开发成果互相迁移。

1.3 各引擎使用说明

DataWorks支持3种引擎，分别是MaxCompute，EMR，Hologres，其中最常见的是MaxCompute，以下介绍则以DataWorks On MaxCompute来介绍。

1.3.1 什么是MaxCompute

MaxCompute是适用于数据分析场景的企业级SaaS（Software as a Service）模式云数据仓库，以Serverless架构提供快速、全托管的在线数据仓库服务，消除了传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使用户可以经济并高效地分析处理海量数据。
MaxCompute提供离线和流式数据的接入，支持大规模数据计算及查询加速能力，为用户提供面向多种计算场景的数据仓库解决方案及分析建模服务。MaxCompute还为用户提供完善的数据导入方案以及多种经典的分布式计算模型，用户可以不必关心分布式计算和维护细节，便可轻松完成大数据分析。

1.3.2 MaxCompute功能特性

计算：
MaxCompute向用户提供了多种经典的分布式计算模型，提供TB、PB、EB级数据计算能力，能够更快速的解决用户海量数据计算问题，有效降低企业成本。

存储：
表是MaxCompute的数据存储单元，MaxCompute中不同类型作业的操作对象（输入、输出）都是表；MaxCompute采用列压缩存储格式，通常情况下具备5倍压缩能力；MaxCompute数据存储格式全面升级为AliORC，具备更高存储性能。

1.3.3 DataWorks与MaxCompute的关系

DataWorks和MaxCompute进行了深度融合。
DataWorks为MaxCompute提供任务调度、元数据管理、数据治理、数据安全管控等能力，但任务计算、数据存储仍在MaxCompute中。标准模式工作空间下，DataWorks为不同环境绑定不同的MaxCompute项目，实现DataWorks开发环境与生产环境存储、资源等隔离。

DataWorks on MaxCompute的基本开发流程如下图：