配置数据接入

安装完成后数据湖仍是空的——还没有勾选任何数据库。以下是让第一批数据进入所需的最小配置。

1. 选择数据来源

在 Origens（数据来源）中开启快照事件接收，并勾选哪些集群为数据湖提供数据。你可以选择只接收自动快照、只接收手动快照，或者两者都接收。

这里有一个出乎意料的顺序：第一次快照仅用于揭示结构。数据库和表的清单来自导出本身，而不是来自与数据库的连接——正因如此才不需要凭证和到源端的网络访问。代价是 Data Pump 必须先看到一次导出，才知道有哪些对象存在。

你可以等待备份窗口，也可以手动创建一个快照以免等待。

在 Bancos（数据库）中，导出里发现的数据库会列出供你勾选。只有被勾选的才会接入。

每个勾选的数据库都会显示它在数据湖中使用的名称——点击即可修改。数据库名称是编目表名的前缀：若别名设为 vendas，则 payment 表会变成 vendas.payment。

表级别同理：打开 选择表，每张表都会显示目标名称，同样可点击修改。例如把 tb_pgto 改成 pagamentos。

表清单有两种行为方式，其差异在数据库中出现新表时才会显现：

模式	清单记录的是	新出现的表
排除	不接入的表	自动被接入
包含	接入的表	在勾选之前不会接入

按变动更少的方式来选：需要几乎整个数据库的，用排除模式，新表出现时无需改动；只需要少数几张表的，用包含模式，可避免意外接入不该接入的数据。

下一次快照时，流水线会完整运行。在 Execuções（执行记录）中可以看到每个阶段以及哪些表被更新；在 Datalake（数据湖）中可以看到已编目的表，包括字段和行数。

如果数据没有到达，请参阅出现问题时。

已经位于 S3 中的导出可以重新接入，无需生成新的快照。在 Extrações（导出记录）中，每个导出都提供重新处理的操作——在修改别名、过滤规则或分区之后很有用。