ByteHouse 是一款火山引擎云原生数据仓库，为您提供极速分析体验，能够支撑实时数据分析和海量数据离线分析等场景。
ByteHouse（企业版）是基于开源 ClickHouse 的企业级分析型数据库，支持用户交互式分析 PB 级别数据，通过多种自研表引擎，灵活支持各类数据分析和应用。
DataSail 中的 ByteHouse 企业版数据源配置，为您提供读取和写入 ByteHouse 的双向通道数据集成能力，实现不同数据源与 ByteHouse 之间进行数据传输。
本文为您介绍 DataSail 的 ByteHouse 数据同步的能力支持情况。

1 支持的 ByteHouse 版本

支持火山引擎 ByteHouse 企业版（ByteHouse_CE）标品。开通服务详见快速开始。

2 使用限制

• 支持脚本模式（DSL）离线写和可视化模式离线读写、流式写，后续更多支持方式，敬请期待。
• 因为 ByteHouse Date 类型的格式限制，如果分区字段类型是 Date，分区内容请填写为 ${DATE}。如果需要写入具体的分区，需按照 yyyy-MM-dd 格式填写。
  
• 数据集成任务需要使用独享集成资源组，您需根据实际业务需求，购买相应规格的独享集成资源组。开通资源组详见资源组管理。
• ByteHouse CE 默认使用内网连通，独享数据集成资源组，需要具有 ByteHouse CE 数据库的网络访问能力。您需保障独享数据集成资源组和 ByteHouse CE 集群处于同一个 VPC 网络下，且您需要通过提工单的方式，将 VPC ID 信息，提供给 ByteHouse CE 支持同学，来打通 VPC 与集群间的网络。
  

3 支持的字段类型

4 数据同步任务开发

下文将为您介绍数据集成任务配置的详细流程。

4.1 数据源注册

新建数据源操作详见配置数据源，下面为您介绍火山引擎 ByteHouse 企业版数据源不同接入方式的配置信息。
其中参数名称前带 * 的为必填参数，名称前未带 * 的为可选填参数。

• 火山引擎 ByteHouse 企业版方式接入：

  参数	说明
  基本配置
  *数据源类型	ByteHouse 企业版
  *接入方式	火山引擎 ByteHouse 企业版
  *数据源名称	数据源的名称，可自行设置，仅支持中文，英文，数字，“_”，100个字符以内。
  参数配置
  *集群	下拉选择已创建的 ByteHouse 企业版集群名称。
  *数据库名	下拉选择已在 ByteHouse 企业版中创建的数据库名称信息。
  *用户名	有权限访问数据库的用户名信息。
  *密码	输入用户名对应的密码信息。

• 连接串方式接入

  注意

  连接串方式配置数据源时，暂不支持配置数据写入 ByteHouse_CE。

  参数	说明
  基本配置
  *数据源类型	ByteHouse 企业版
  *接入方式	连接串
  *数据源名称	数据源的名称，可自行设置，仅支持中文，英文，数字，“_”，100个字符以内。
  参数配置
  JDBC URL	您可前往 ByteHouse CE 控制台 集群管理 > 集群列表 > 集群名称 > 连接集群 页签中查看 JDBC 连接地址。 在数据源配置时输入连接 ByteHouse CE 集群的私网或公网 JDBC URL 地址信息，并加上端口号信息。端口号可参考常用连接方式使用端口号，通常为 8123。 说明 若该数据源用于数据同步解决方案写入 ByteHouse CE 时，JDBC URL为必填项。
  *API Server	根据集群所在地域，选择填写 ByteHouse CE 集群的 API Server 地址： 华北2（北京）：http://ceprod.offline.bytehouse.cn 华东2（上海）：http://ceprod-sh.offline.bytehouse.cn 说明 连接串接入方式下，数据集成任务支持您跨 Region 读取 ByteHouse CE 集群数据，您需保障网络互通即可。 暂不支持跨 Region 写入 ByteHouse CE 集群。
  *集群	输入已创建的 ByteHouse 企业版集群名称。
  *数据库名	下拉选择已在 ByteHouse 企业版中创建的数据库名称信息。
  *用户名	有权限访问数据库的用户名信息。
  *密码	输入用户名对应的密码信息。

4.2 新建离线任务

ByteHouse 企业版（ByteHouse_CE）数据源测试连通性成功后，进入到数据开发界面，开始新建 ByteHouse 相关通道任务。
新建任务方式详见离线数据同步、流式数据同步。

4.3 可视化配置说明

任务创建成功后，您可根据实际场景，配置 ByteHouse_CE 批式读、ByteHouse_CE 批式写或 ByteHouse_CE 流式写等通道任务。

4.3.1 ByteHouse_CE 批式读

数据来源选择 ByteHouse_CE，并完成以下相关参数配置：
其中参数名称前带 * 的为必填参数，名称前未带 * 的为可选填参数。

4.3.2 ByteHouse_CE 批式写

数据来源选择 ByteHouse_CE，并完成以下相关参数配置：
其中参数名称前带 * 的为必填参数，名称前未带 * 的为可选填参数。

4.3.3 ByteHouse_CE 流式写

数据来源选择 ByteHouse_CE，并完成以下相关参数配置：
其中参数名称前带 * 的为必填参数，名称前未带 * 的为可选填参数。

4.3.4 字段映射

数据来源和目标端配置完成后，需要指定来源和目标端的字段映射关系，根据字段映射关系，数据集成任务将源端字段中的数据，写入到目标端对应字段中。
字段映射支持选择基础模式和转换模式配置映射：

• 转换模式：
  字段映射支持数据转换，您可根据实际业务需求进行配置，将源端采集的数据，事先通过数据转换后，以指定格式输入到目标端数据库中。
  转换模式详细操作说明详见4.1 转换模式
  在转换模式中，你可依次配置：来源节点、数据转换、目标节点信息：

  配置节点	说明
  来源节点	配置数据来源 Source 节点信息： 节点名称：自定义输入来源节点名称信息，只允许由数字、字母、下划线、-和.组成；且长度不能超过10。 数据字段：通过自动添加、手动添加等方式添加数据来源字段信息。 配置完成后，单击确认按钮，完成来源节点配置。
  数据转换	单击数据转换右侧添加按钮，选择 SQL 转换方式，配置转换信息和规则： 节点名称：自定义输入来源节点名称信息，只允许由数字、字母、下划线、-和.组成；且长度不能超过10。 SQL 脚本：输入 SQL 脚本转换规则，目前仅支持添加一个转换的 SQL 语句，且不能包括 “;”。 配置完成后，单击确认按钮，完成数据转换节点配置。SQL 脚本示例详见4.1.2 添加转换节点。
  目标节点	配置目标节点 Sink 信息： 节点名称：自定义输入来源节点名称信息，只允许由数字、字母、下划线、-和.组成；且长度不能超过10。 数据字段：通过自动添加、手动添加等方式添加数据目标字段信息。 配置完成后，单击确认按钮，完成目标节点配置。

• 基础模式：

  您可通过以下三种方式操作字段映射关系：

  • 自动添加：单击自动添加按钮，根据两端数据表信息，可以自动填充来源和目标的字段信息。

    说明

    自动添加字段映射时，默认不会映射来源表中的分区键字段。若有需要，您可通过手动添加的方式，将分区键字段的映射配置上。

  • 手动添加：单击手动添加按钮，可以手动编辑来源和目标的字段信息，可以逐个添加。
  • 移动\删除字段：您也可以根据需要移动字段映射顺序或删除字段。

  说明

  数据写入 ByteHouse CE 时，当 ByteHouse CE 表引擎设置为 HaUniqueMergeTree，且已在 ByteHouse CE 数据查询控制台中完成了以下表配置变更：
  
  变更完成后，您可以根据实际业务需求，灵活选择只更新数据表中的部分列。您只需要配置需要更新的列映射，对于未设定的列，它们将保持原有的值，或是默认值。这种灵活的数据更新方式，可以帮助您更高效地管理和维护数据，减少不必要的操作，提升工作效率。

4.4 DSL 配置说明

ByteHouse_CE 数据源支持使用脚本模式（DSL）的方式进行配置。
在某些复杂场景下，或当数据源类型暂不支持可视化配置时，您可通过任务脚本的方式，按照统一的 Json 格式，编写 ByteHouse_CE Reader 和 ByteHouse_CE Writer 参数脚本代码，来运行数据集成任务。

4.4.1 进入 DSL 模式

进入 DSL 模式操作流程，可详见 MySQL 数据源-4.4.1 进入DSL 模式。

4.4.2 ByteHouse_CE 批式读

根据实际情况替换 ByteHouse_CE 批式读相应参数，ByteHouse_CE 批式读脚本示例如下：

{
    "version": "0.2",
    "type": "batch",
    "reader": {
        "type": "bytehouse_ce",
        "datasource_id": {datasource_id},
        "parameter": {
            "columns": [
                {
                    "name": "name_sample",
                    "type": "type_sample"
                }
            ],
            "splitKeys": [
                "id"
            ],
            "sql_filter": "",
            "table_name": "table_sample"
        }
    },
    // writer config
    "writer": {
        ...
    },
    // common config
    "common": {
        ...
    }
}

Reader 参数说明，其中参数名称前带 * 的为必填参数，名称前未带 * 的为可选填参数：

4.4.2 ByteHouse_CE 批式写

根据实际情况替换 ByteHouse_CE 批式写相应参数，ByteHouse_CE 批式写脚本示例如下：

// **************************************
// 变量使用规则如下:
// 1.自定义参数变量: {{}}, 比如{{number}}
// 2.系统时间变量${}, 比如 ${date}、${hour}
// **************************************
{
    "version": "0.2",
    "type": "batch",
    "reader": {
        ...
    },
    "writer": {
        "type": "bytehouse_ce",
        "datasource_id": {datasource_id},
        "parameter": {
            "ch_table": "ch_table_sample",
            "partition": "partition1=value1,partition2=value2",
            "bh_ce_partition_type": "partition_type1,partition_type2",
            "columns": [
                {
                    "name": "name_sample",
                    "type": "type_sample"
                }
            ]
        }
    },
    "common": {
        ...
    }
}

Writer 参数说明，其中参数名称前带 * 的为必填参数，名称前未带 * 的为可选填参数：

4.5 高级参数说明

ByteHouse CE 高级参数配置与 ByteHouse CDW 高级参数配置一致，详见4.5 高级参数说明

4.6 切分键应用推荐

集成任务读取 ByteHouse CE 表时，若表中的数据量比较大，您可以通过设置合理的切分键、并发数等参数，来提高数据读取效率。
目前切分键支持整数和字符串字段类型，以下为您推荐切分键设置方案：

• 整数类型：优先推荐整数类型的字段作为切分键，能够更高效的快速划分数据量，进行分批读取。
• 字符串类型：若字段类型中没有整数类型的字段，您也可通过数据分布均匀的字符串类型字段作为切分键，能够有效避免数据倾斜的场景，进而提高数据读取效率。
• ByteHouse CE 表中默认缺省值列：若 ByteHouse CE 表的业务字段中，没有合适的字段作为切分键时，推荐在 ByteHouse CE 表中，定义一个列用缺省值，作为数据表某一列的默认值，您可以用整数或分布均匀的数据来填充，如 HASH 取模或者随机值，然后将该列作为切分键字段，实现并发读取。操作详见 ByteHouse CE 列缺省值实践。