Doris

离线同步任务支持Doris数据源，支持该数据源的抽取（Reader）和导入（Writer），当前支持的版本为：0.14.0、0.14.13.1、0.14.12.7、1.1.0、1.1.1。

使用前提

在使用之前需要在项目中心（新）完成Doris数据源的登记并测试通过。
数据源登记过程中，需要填写如下信息：

• 数据源名称：Doris数据源的名称
• 数据源标识：仅允许包含英文小写、数字、下划线，只允许英文小写开头，最大长度为64个字符。平台内唯一，保存数据源后数据标识不可修改
• 归属项目：由于元数据中心是项目组级别，因此此处支持选择项目组下的项目，默认为当前项目名称
• 负责人：默认为当前创建人员
• 协助管理员：同负责人，有该数据源的管理权限，包括编辑、设置“源系统账号映射”。可在安全中心为自己或其他人设置该数据源的使用权限
• 数据源连接：根据jdbc:mysql://SeverIP:Port/Database格式进行填写
• fenodes：FE上的http server地址
• 用户名：填写访问数据源的用户名
• 密码：填写用户名所对应的密码

数据源配置完成后，需点击测试连接按钮进行测试，测试通过后才可使用。

除了数据源需要准备之外，进行离线同步任务创建和数据源的使用都需要在安全中心-功能权限中添加相应的权限（可参考数据传输权限、元数据中心权限)。

Doris作为数据来源

以Doris to Hive为例，在数据来源端选择Doris数据源类型及数据源名称，选择需要进行读取的schema和表。数据过滤支持填写where过滤语句（不含where关键字），通常用作增量同步，支持系统参数和参数组参数。特殊字符替换、并发读取、流量控制根据实际情况进行填写。

Doris作为数据去向

以Hive to Doris为例，当Doris作为数据去向时，除了需要填写数据源类型、数据源等基础信息之外，还可以填写PreSql和PostSql。

• PreSql：导入数据前执行的SQL语句，例如清除旧数据；目前向导模式仅允许执行五条SQL语句，多条SQL语句通过“;”分隔，最大长度为2000个字符。
• PostSql：导入数据后执行的SQL语句，例如加上某一个时间戳；目前向导模式仅允许执行五条SQL语句，多条SQL语句通过“;”分隔，最大长度为2000个字符。

Doris支持两种数据导入方式：stream load和broker load。

• stream load：读取登记数据源的数据时，建议使用stream load导入方式（例如mysql to doris）。
• broker load：读取平台内部hive表数据、数据量在几十到百GB级别时，建议使用broker load导入方式（要求Doris与Hive在同一kdc下）。

此外，当选择broker load时需要填写错误记录容忍比例。错误记录容忍比例指的是最大容忍可过滤的错误记录比例，默认零容忍。任务运行时，如果错误记录的比例超出错误记录容忍比例，则任务运行失败。

Hive to Doris场景支持复杂类型转换，当数据来源端字段类型为：map、array类型时，支持转为json写入去向端。

读取数据时，数据来源端字段类型为map、array时，默认转为json格式的字符串。写入数据时，stream load导入方式下支持使用csv或json的序列化格式写入数据，默认序列化格式为csv。如果需要用json格式，则需要在高级配置的任务参数中自定义参数target.loadFormat：json。

使用说明

当前版本支持Doris新版Spark Connector，可在控制台或任务当中添加高级配置参数。

• 在控制台登记Doris时，高级配置添加：transfer.version=1.1.0

• 在任务中添加高级配置：transfer.version=1.1.0、ndi.spark.forbid-set-stream-handler-factory=false
  

为了避免在控制台添加版本号后，影响所有使用该数据源的任务，因此建议在任务中添加高级配置。驱动优先级：任务高级配置 > 数据源高级配置 > 数据源版本。