DataService-操作手册.doc

DataServices培训总结-操作手册
目录
一、DS简介 2
二、DS数据加载方式 2
三、DS进行数据抽取模型开发的基本过程 3
四、DS创建数据源系统和目标系统的数据存储 3
1、Oracle数据库作为数据源系统 3
2、ECC作为数据源系统 4
3、HANA数据库作为目标系统 5
五、全量加载过程 5
1、创建Project和Job 5
2、导入源表的元数据到资源库 6
3、创建Data Flow 6
4、设置源表和目标表 7
5、手工执行Job 7
六、基于表比较的增量加载 8
1、在Job下定义工作流 8
2、在工作流中定义数据流 8
3、加入Table_Comparison控件 9
4、设置Table_Comparison控件 9
七、基于时间戳的增量加载 10
1、在Job下定义工作流 10
2、定义Script控件 10
3、定义处理新增数据的数据流和处理更新数据的数据流 11
八、DS中常用控件介绍 13
1、Key_Generation 13
2、Case 13
3、Merge 14
4、Validation 15
5、设置过滤器和断点 15
九、定义Job定期执行 16
1、登录Data Services Management Console 16
2、定义Batch Job Schedules 17
十、其他注意事项 18

一、DS简介
SAP BusinessObjects Data Services是通过SAP HANA认证的ETL工具。 采用数据批量处理的方式，定期执行后台作业，将数据从多个业务系统中抽取出来，并进行必要的处理（转换，合并，过滤，清洗），然后再加载到HANA数据库中 。
DS的组件之间的关系：

u Management Consol：
管理控制台是网页版DS管理工具，可以进行一些系统配置和定义Job执行
u Designer：
Designer是一个具有易于使用的图形用户界面的开发工具。它允许开发人员定 义包括数据映射，转换和控制逻辑的数据管理应用程序，创建包含工作流（作业执行定义）和数据流 （数据转换定义）的应用程序
u Repository：
应用程序设计器使用的本地资源库用来存储Data Services对象（如项目，作业，工作流，和数据流）的定义和源和目标的元数据
u Job server：
作业服务器启动数据移动的从多个不同种类的源集成数据的引擎，执行复杂的数据转换，并管理从ERP系统和其他源的抽取和事务

二、DS数据加载方式
u 全量加载
u 增量上载
a) 基于表比较
作业在执行时读取数据源和目标中的全部数据，在服务器的内存中进行比较，计算数据差异
b) 时间戳增量
需要在数据源中添加时间戳字段，一般为创建时间和最后修改时间，在抽取作业中定义对两个时间戳字段进行对比，符合条件的创建时间条目进行插入，符合条件的修改时间条目进行更新
c) 利用数据库CDC（changed data capture）
首先需要开启数据库的CDC服务，为数据库实例启用CDC功能，为源表启用CDC功能。在这种模式下，DS的增量更新不再直接访问源表，而是在与源表相关的变更记录表中读取增量

三、DS进行数据抽取模型开发的基本过程
u 为数据源创建数据存储
u 导入源表的元数据到资源库
u 为SAP HANA目标系统创建数据存储
u 新建DS项目和批量作业
u 新建DS数据流：定义源表和目标表，定义变量、编辑Query和Map_CDC_Operation
u 执行批量作业

四、DS创建数据源系统和目标系统的数据存储
1、Oracle数据库作为数据源系统
登录Data Services Designer，在本地对象库的数据存储页签中单击鼠标右键，选择新建菜单

创建数据存储“EAM_TEST”，在弹出的对话框中输入EAM数据库的连接信息

2、ECC作为数据源系统
同样在创建DataStore时，输入ECC的连接信息

3、HANA数据库作为目标系统
在创建DataStore时，输入HANA数据库的连接信息

五、全量加载过程
1、创建Project和Job
在本地对象库的project页签中单击鼠标右键，选择新建菜单，创建项目“ERP_DS”。双击该项目，在“Project Area”，可以在该项目下创建Job

2、导入源表的元数据到资源库
在本地对象库的数据存储页签中，选择源系统的数据存储，单击鼠标邮件，选择“Import By Name”，输入需要导入到资源库的表名称。导入成功后，在数据存储的table目录下可以看到导入的表

3、创建Data Flow
单击“General”Job，在右边空白区域单击鼠标邮件，选择“Add New”-“Data Flow”

4、设置源表和目标表
单击创建的Data Flow，将需要导入到HANA数据库中的源表拖入到Data Flow区域中，将Data Flow区域右侧的工具条中的模版表拖入Data Flow区域创建模版表

输入模版表名称、HANA目标系统的数据存储、HANA数据库存放DS抽取数据表的用户名。
连接源表和目标表

双击模版表，设置“Options”中的“Use NVARCHAR for VARCHAR”

5、手工执行Job
选择Job，单击鼠标右键，选择“Execute”

执行成功之后，在HANA数据库中的ERPDSUSER下可以看到“T161T”，可以查看数据表的内容。执行过程信息和结果可以在监控器中查看。

六、基于表比较的增量加载
1、在Job下定义工作流

2、在工作流中定义数据流

在数据流中定义源表和模版表，执行Job，执行成功之后，在目标系统数据存储的Template Table目录下可以看到创建的模版表

3、加入Table_Comparison控件
选择模版表，单击鼠标邮件，选择“Import Table”。模版表会更新为Tables目录下的数据表。
通过将转换-数据集成中的“Table_Comparison”控件拖入到数据流中的方式添加“Table_Comparison”控件

将源表连接“Table_Comparison”控件，“Table_Comparison”控件连接目标表。

4、设置Table_Comparison控件
双击“Table_Comparison”控件，设置相关参数：比较的目标表、表的主键，需要比较的字段。当需要比较的字段为空时，会比较所有字段。建议按照需要填写需要比较的字段，可以加快处理速度。保存后执行Job。

七、基于时间戳的增量加载
1、在Job下定义工作流

在工作流中定义Script控件，读取数据抽取后最新的创建时间和更改时间，定义一个处理新增数据的数据流和一个处理更新数据的数据流

2、定义Script控件
在Script控件中需要使用变量存放读取的最新的创建时间和最新的更改时间。
选择Job，在工具栏选择“Variables”按钮，创建全局变量

双击“Script”控件，编写SQL语句，从HANA数据库表中读取最新的创建时间和更改时间

3、定义处理新增数据的数据流和处理更新数据的数据流
双击“EBAN_New”数据流，加载源表，Query，Map_CDC_Operation控件和目标表

双击Query，在输出字段中增加“Sequence”和“Operation”两个字段。“Sequence”字段使用函数gen_row_num()进行赋值，“Operation”赋值为‘I’

在Quey中设置Where条件

双击Map_CDC_Operation控件，设置CDC Columns

同样的方式定义“EBAN_Upd”数据流，在Query的where条件中定义为

在Query的数据结果中增加“Sequence”和“Operation”两个字段。“Sequence”字段使用函数gen_row_num()进行赋值，“Operation”赋值为‘U’

保存后，执行Job。可以通过修改源系统数据测试基于时间戳的增量加载。
八、DS中常用控件介绍
1、Key_Generation
在源表基础上为目标表重新生成主键

在Query中增加“ID”字段，赋值为0。

在Key_Generation控件中设置目标表、主键字段、主键值增加量

2、Case
将源表根据规则进行拆分

双击Case控件，设置拆分条件
当SOURCE = 1时，输出SPFLI_1，当SOURCE =2时，输出SPFLI_2

3、Merge
将具有同样数据结构的源表进行合并

在Query中增加输出字段Source，赋值为1。在Query1中增加输出字段Source，赋值为2。在Merge中将两个表的内容合并输出。

4、Validation
提取数据源表中的正确数据，将错误数据单独存放在其他表中

双击Validation控件，设置“Validation Rule”

5、设置过滤器和断点
过滤器和断点结合使用，用于设置Debug的条件
选择源表到目标表的连接线，单击鼠标右键，选择Set Filter/Breakpoint，设置Debug条件（当满足某种条件时进入断点，或者在满足过滤条件的同时执行多少条数据后时进入断点）

选择Job，单击鼠标右键，选择Start debug

工具栏上的按钮可以控制执行下一条数据、继续执行、终止Debug

Debug过程中进入断点后，可以一次查看数据加载结果

九、定义Job定期执行
1、登录Data Services Management Console
单击工具栏的“Data Services Management Console”按钮

进入Data Services Management Console的登录界面

单击进入Administrator界面

2、定义Batch Job Schedules
在Batch Job Configuration页签选择Add Schedules

进入批量执行Job的设置界面

可以设置每周的某一天执行（一周执行一次）或则每月的某一天执行（一个月执行一次），也可以设置为每天都执行。都选“Recurring”则会定期循环执行，否则只执行一次。
可以设置一天执行一次，也可以一天执行多次，设置开始执行时间。
上图中如果设置为一天多次执行，开始时间为上午1点，持续时间为600分钟，间隔时间为360分钟，则Job会在一天的上午1点和上午6点各执行一次。如果设置时间间隔为240分钟，则Job会在一天的上午1点、上午5点和上午9点各执行一次。（总持续时间不超过10小时）。
十、其他注意事项
1、 客户端安装包需要注意和服务器DS版本一致
2、 在第一次登录CMS信息时，无法成功。ping sapdstest也失败，需要在host文件中添加对应的地址和域名
3、 连接Oracle数据库作为数据源时，需要在客户端上安装Oracle客户端，设置tnsname.ora文件，设置环境变量ORACLE_HOME之后重启服务器；连接HANA数据库时，需要安装HANA客户端
4、 在连接ECC作为数据源时，需要开启系统跨客户端编辑权限
5、 在HANA中新建ERPDSUSER作为存放DS抽取表的Schema，将ERPDSUSER给SLTADM赋权限，包括查询和创建的权限
6、 全量抽取时，目标表不能使用导入表，需要使用模版表，模版表每次会删除重建，导入表会出现主键重复的错误提示
7、 基于时间戳的增量加载，源表中需要有创建时间和更改时间两个字段，分别处理新增和修改的数据
8、 如果只是设置过滤器而没有设置断点，在进行Debug时，Job会执行成功，过滤器有效。如果不进行Debug，直接执行，设置的过滤器不起作用