数仓调度（Data Warehouse Scheduling）是指在数据仓库环境中，通过指定计划和规则来自动化执行数据处理和数据集成任务的过程。它涉及到调度程序或工具使用预定义的时间表来触发、协调和监控数据仓库中的各项任务，以确保数据的及时和准确性。

数据仓库的调度配置是实际业务中必不可少的一环。通过调度配置，可以实现数据的更新同步，从而让数据持续的应用在业务中。

一、数仓调度配置的背景和思路

1.  背景概述

对于企业来说，数仓调度配置是必不可少的一环。通过数仓调度配置，可以实现数据的更新同步，从而让数据持续地应用在业务中。

比如，对于一家销售公司而言，其数据涉及多个部门，包括销售和财务等，这些数据分别存储在接口数据和业务系统对应的数据库中。

为了实现对数据仓库的有效管理，该公司需要进行一系列数据调度任务，包括：

• 将接口和数据库中的底层数据同步落地至指定数据库，形成数据仓库 ODS 层数据，并按照一定的时间（例如每周一次）定期更新数据；
• 将数据仓库 ODS 层数据定期同步更新到 DW 层，保证中间层数据的数据时效性和准确性；
• DW 层数据同步更新到 DM 层，供其他的可视化报表展示工使用。

通过这些数据调度任务的执行，企业可以保证数据的完整性和及时性，为业务决策提供更加可的数据支持。

2.  设计思路

实现数仓调度任务需要考虑多个方面。

首先，需要将各个业务系统的原始数据使用 FineDataLink 抽取至数据仓库 ODS 层。针对这一操作，我们选择使用「先清空目标表再写入数据」的写入方式，以确保在读取大量历史全量数据时，能够保证写入效率和性能的最佳。

其次，我们需要将 ODS 层数据表中新增部分，写入到 DW 层数据表。针对这种数据量较少的情况，我们选择「直接将数据写入目标表」的写入方式，以保证数据写入操作的高效性和稳定性。

最后，我们需要将 DW 层的数据进行汇总，集中至 DM 层数据表。注意，由于 DM 层的计算逻辑需要基于历史全量数据进行，这意味着数据量较大。因此，针对这种情况，我们会选择使用「指定比对字段，比对字段遇相同值，覆盖目标表数据」的更新方式，以保证数据更新的准确性和实时性，形成可供直接分析的结果数据。

需要注意的是，针对不同的数据写入和更新操作，FineDataLink提供了多种不同的方式和技术支持。用户可以根据实际数据情况选择合适的更新方式，以确保数据处理的高效性、稳定性和准确性。

二、具体操作与结果查看

实现数仓调度任务需要配置多个不同的任务，包括数据仓库ODS层任务、数据仓库DW层任务和数据仓库DM层任务等。以下是具体的操作步骤：

1.置数据仓库ODS层任务

首先，需要将来自接口数据的「财务数据」和存储在固定数据库的「销售数据」通过 FineDataLink 落库至指定数据库。针对这个任务，我们可以使用参数和调度任务，在指定的时间间隔内，进行数据仓库ODS 层定时任务更新，并且可以通过发送消息通知等方式进行任务管理和监控。

2.设置数据仓库DW层任务

DW 层任务可以将 ODS 层数据中更新的部分数据同步至 DW 层数据中，保证 DW 层的数据时效性和准确性。在进行任务设置时，需要注意，如果已有的 DW 层数据中最新更新时间（比如最新的销售时间）晚于 ODS 层数据中的时间，即 ODS 层有新数据生成，需要将其同步至 DW 层中，并记录更新的开始时间和结束时间。通过发送消息通知等方式，可以进行任务管理和监控。

3.设置数据仓库DM层任务

DM 层任务需要将 DW层的销售数据和财务数据进行关联，合并成宽表并输出至指定数据库，为其他报表等可视化工具提供数据源。针对这个任务，我们可以使用合适的更新方式（例如指定比对字段、覆盖目标表数据等），保证数据处理的高效性和准确性。

4.  设置总调度任务

在进行以上三个任务设置之后，可以将 ODS、DW、DM 层的数据调度任务组合在一个总调度任务中。通过调用任务的形式，可以方便地进行任务管理和监控，确保数据处理的高效性和稳定性。

需要注意的是，如果希望可以执行数仓调度的定时任务，可以使用定时任务调度配置进行操作。可以设置不同的时间间隔、并行执行数量、任务优先级等调度参数，以及对任务执行结果进行监控和报告等管理操作。

5.  结果查看

设置好以上任务后，即可运行任务「调度总任务」，消息通知任务运行情况：

任务执行日志中将出现任务运行的相关记录，如下图所示：

三、数仓调度的稳定性

数仓调度的稳定性是指在数据仓库环境中，调度任务能够按时、准确地执行，并且能够应对异常情况和故障，保证数据仓库的持续可用性和数据一致性。

在Linux系统环境下，在通过终端执行Kettle的作业任务时，如果终端被关闭，则相应的服务也会被关闭，这样即会导致Kettle的作业任务被迫停止。

那么，该如何解决定时数据处理任务稳定性不达标的问题呢？

方法一：使用Kettle定时任务调度

①不依赖服务是否开启，直接使用Linux系统自带的cron对Kettle任务进行定时调度。

需要注意的是，Kettle的稳定性相对较差，调度过程中可能会出现数据库报错、连接数不足或者其他非预期的异常情况。

因此，在进行定时任务调度时，可以加入一些异常处理机制，比如设置超时时间、增加重试机制等，可以在一定程度上提高Kettle作业的稳定性和可靠性。

②在Windows系统下同样可以使用“定时任务调度”+ BAT文件的方式来执行Kettle作业。

需要注意的是，在Windows系统下，Kettle有可能会因为内存泄露、代码错误等原因而崩溃。

因此，为了保证Kettle作业的稳定性和可靠性，可以采用一些监控和预警机制，比如监控Kettle进程的运行情况、定期检查系统日志等，及时发现和处理潜在的问题。

kettle定时任务调度

方法二：使用专业的数据调度工具

相比于开源工具，专业的数据集成平台通常具有更高的安全性和稳定性。在国内市场上，FineDataLink等数据集成平台逐渐得到了广泛的应用。

FineDataLink提供了丰富的定时数据调度功能，可以基于时间、事件或者文件状态等条件触发特定的作业任务。这些作业任务可以根据需要配置多个任务执行步骤，包括数据抽取、转换、校验和传输等操作，以及错误处理和结果输出等功能。

FineDataLink定时任务调度

FineDataLink提供的定时任务调度功能，可以定期自动运行定时任务，以保证数据能够及时更新，相比于传统定时任务调度大大简化了调度流程。

传统定时任务调度与FineDataLink定时任务调度对比

除了支持定时数据处理场景，FineDataLink还可以对接多种数据库，基于CDC、logminer、binlog等技术实现数据的实时同步，大大提高了数据处理的效率和实时性。此外，FineDataLink还提供了丰富的数据转换和数据质量控制插件，可以方便快捷地实现数据的清洗、转换、校验等操作，保证数据的正确性和可靠性。

数据集成平台产品更多介绍：www.finedatalink.com

                         免费体验Demo 咨询方案

上一篇: 数据实时同步复杂吗？这款ETL工具解锁超高效能数据同步下一篇: 什么是数据中台？为什么要搞数据中台？