Create Pipeline Task

新建集成管道任务 skill

适用场景

• 通过 CLI 创建一个离线集成管道任务（offline pipeline / 实时 / 工作流同理）
• 典型链路：reader (MySQL/Oracle/Doris/...) → writer (MaxCompute/Hive/PostgreSQL/...) 一对一搬运

💡 术语：ODPS（Open Data Processing Service）是 MaxCompute 的旧名称，在 pipeline PluginConfig、API 参数中仍可能出现 odps 字样，均指 MaxCompute。

• 需要把 Steps（reader/writer 插件配置）、Hops（DAG 边）、调度 + 资源 settings 一次性提交

两条 CLI 路径

共同点：两条路径最终落库的 pipelineDTO.steps[].pluginConfig 结构完全相同；本 skill 的 PluginConfig 参考片段对两者通用。

通用顶层参数

--tenant-id <租户ID>     必填（profile 已配置可省）；多租户共享 endpoint 时必须显式传项目所属租户，否则报 DPN.Filter.ProjectNotFound
--project-id   <项目ID>     必填（profile 已配置可省）
--env          DEV|PROD     仅 update-pipeline / create-pipeline 需要；create-pipeline-node 不需要

路径 A：两步法

A-1. 创建空草稿

aliyun dataphin-public create-pipeline-node \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --pipeline-name <task-name> \
  --pipeline-type OFFLINE_PIPELINE \
  --node-type NORMAL \
  --file-info '{"FileName":"<task-name>","Directory":"/"}'

返回：

{
  "Data": {
    "PipelineId": <int>,   // 记下来，下一步要用
    "SubmitId": null,
    "Version": null,
    "NodeId": null
  },
  "Code": "OK", "Success": true
}

A-2. 填充 Steps/Hops 并提交

aliyun dataphin-public update-pipeline \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --node-info '{"NodeName":"<task-name>","PipelineId":<上一步PipelineId>}' \
  --pipeline-config '<见下方 JSON>' \
  --schedule-config '<见下方 JSON>' \
  --settings '<见下方 JSON>' \
  --submit

路径 B：一步法

aliyun dataphin-public create-pipeline \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --pipeline-type 0 \
  --mode PIPELINE \
  --node-info '{"NodeName":"<task-name>","Directory":"/"}' \
  --pipeline-config '<见下方 JSON>' \
  --schedule-config '<见下方 JSON>' \
  --settings '<见下方 JSON>' \
  --submit

--pipeline-type 取值：0 = 离线集成（默认） / 1 = 实时 / 14 = 工作流。

--pipeline-config 完整骨架

pipeline-config 是集成任务最复杂的字段（含 reader/writer/transformer/column 映射），按 reader/writer 类型组合的完整骨架抽离到独立 reference：

📖 详见 references/pipeline-config.md（涵盖 MySQL→MaxCompute / Doris→PG / Oracle→Hive 等常用组合）

关键规则速查：

• CLI 的 autocreate 不生效：目标表必须手动预建
• 类型映射陷阱：Doris LARGEINT→PG NUMERIC、Doris TINYINT→PG SMALLINT
• column 顺序：reader.column 与 writer.column 必须一一对应、长度一致

--schedule-config 完整骨架

{
  "ScheduleType": "NORMAL",
  "CronExpression": "0 0 0 * * ?",          // ⚠ 字段名是 CronExpression，不是 ScheduleCron
  "ScheduleStartTime": "1970-01-01 00:00:00",
  "ScheduleEndTime":   "9999-01-01 00:00:00",
  "ScheduleIntervalType": "DAILY",          // DAILY/HOURLY/WEEKLY/MONTHLY/CRON
  "ReRunMode": "ALL_ALLOWED",               // ALL_DENIED | FAILURE_ALLOWED | ALL_ALLOWED
  "NodeStatus": 1,                          // 1 正常 / 2 暂停 / 3 空跑
  "Priority": 5,                            // 1~9
  "ResourceGroupId": "default",
  "DevResourceGroupId": "default",
  "ExecuteTimeOutConfig":  { "FollowSystem": true },
  "ExecuteRerunConfig":    { "FollowSystem": true },
  "UpStreamList": [
    {
      "NodeType": "PHYSICAL",
      "SourceNodeId": "<上游节点ID>",
      "SourceNodeOutputName": "<上游输出名>",
      "PeriodDiff": 0
    }
    // 缺省上游时使用租户虚拟根节点 virtual_root_node_<DagId 数字>
    // 详见 ../../dev/find-tenant-root-node/SKILL.md
  ],
  "NodeOutputNameList": ["<本任务输出名，UUID 或 project.table>"]
}

--settings 完整骨架

{
  "RequiredResource": { "Cpus": 0.5, "MemoryInMb": 1024 },
  "JvmOption": "",
  "NoFlowTimeout": 30,
  "Engine": { "Name": "dlink" },
  "ErrorLimit": { "Record": 0 },             // 脏数据上限
  "TimeZone": "Asia/Shanghai",
  "SqlTimeout": 30,
  "Speed": { "Concurrent": 3 },              // 并发数
  "ConnectRetryTime": [
    { "RetryTimes": 1, "DsId": "<reader 数据源ID>" }
  ]
}

校验

# 用 PipelineId 查
aliyun dataphin-public get-pipeline-by-id \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --pipeline-id <pipelineId>

只建草稿没填 Steps 时，Data 可能为 null（预期）；填好 Steps 后再查应返回完整 Steps / Hops / Settings。

常见坑

1. PluginConfig 必须是 JSON 字符串：CLI 不会递归序列化嵌套对象。把每个插件 config 用 JSON.stringify 转字符串后再放进 Steps[].PluginConfig。
2. 空 PluginConfig: "{}" 触发 ClassCastException：服务端反序列化为 DefaultOutputPluginConfig 与 BaseOutputPluginConfig 类型转换失败。最少要带 dsName/dsId/dsType/table/columns。
3. --tenant-id 必须与项目所属租户一致：多租户共享同一 endpoint 时，profile 中的 tenant_id 与目标项目的租户可能不同，必须显式传项目租户，否则 DPN.Filter.ProjectNotFound。
4. columnMappings 必填且顺序敏感：MaxCompute writer 必须显式声明每一列的 sourceColumn → targetColumn，inputColumnIndex 从 0 开始且与 reader columns 顺序对齐，否则跑批数据错位。
5. 大整数 ID 字符串化：dsId / nodeId / fileId 体量超 Number.MAX_SAFE_INTEGER（如 7445807200604583744）必须以字符串传入，避免 JS JSON.parse 精度丢失。
6. 缺省上游需挂租户虚拟根节点：UpStreamList 不能为空，否则提交时报 NodeWithoutUpstream。租户虚拟根节点的查找见 find-tenant-root-node（经套件入口路由加载）。
7. Directory 必须已存在：默认 / 永远存在；自定义目录前需先建好对应类型为 offlinePipeline 的目录。
8. prodTableNotExistAction: autocreate 在 CLI 不生效：create-pipeline / update-pipeline 走 OpenAPI 路径时会先校验目标表存在（DPN.Os.TableNotFound），即使配置了 autocreate 也不行。必须先用 execute-ad-hoc-task --operator-type MaxCompute_SQL 执行 DDL 建好目标表，再提交 pipeline 配置。
9. schedule-config 的 cron 字段名是 CronExpression（不是 ScheduleCron），用错会报「调度周期表达式为空」。
10. 查询 MySQL 源表字段用 execute-ad-hoc-task --operator-type DATABASE_SQL：MySQL/Oracle/PostgreSQL/SQLServer 等关系型数据库统一使用 DATABASE_SQL，必须同时传 --data-source-id 和 --data-source-schema。查询结果在 get-ad-hoc-task-result --sub-task-id 0（从 0 开始）的 Result 字段中。
11. prodTableDdl 仅在前端 UI autocreate 流程生效：CLI 场景下仅作为元信息保存，不会自动执行建表。
12. get-project-produce-user 需显式传 --tenant-id：多租户共享 endpoint 时，不传 --tenant-id 会报 DPN.Filter.ProjectNotFound，即使 profile 中已配置 tenant_id。查生产账号时必须显式加上
13. 自定义目录必须逐级预建：如需将任务放在 /cli/pipeline 目录，必须先 create-directory /cli，再 create-directory /cli/pipeline，直接传多级目录报 DPN.Resource.DirectoryNotFound
14. 目标数据源表必须预建：即使 PluginConfig 中配了 prodTableNotExistAction: autocreate，CLI 场景下也不会自动建表。必须先用 execute-ad-hoc-task 在目标数据源上执行 DDL 建好表，再提交 pipeline 配置

完整示例 1（路径 A，MySQL→MaxCompute 一对一搬运）

# 0. 查 MySQL 源表字段（DATABASE_SQL 适用于 MySQL/Oracle/PostgreSQL/SQLServer）
TASK_ID=$(aliyun dataphin-public execute-ad-hoc-task \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --operator-type DATABASE_SQL \
  --data-source-id <mysql-ds-id> \
  --data-source-schema <db-name> \
  --code "SELECT COLUMN_NAME, DATA_TYPE FROM information_schema.columns WHERE table_schema='<db>' AND table_name='<table>' ORDER BY ORDINAL_POSITION" \
  --output json | jq -r '.ExecuteResult.TaskId')

# 查结果（sub-task-id 从 0 开始）
aliyun dataphin-public get-ad-hoc-task-result \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --task-id "${TASK_ID}" \
  --sub-task-id 0

# 1. 在 MaxCompute 中预建目标表（⚠ CLI 的 autocreate 不生效，必须手动建表）
aliyun dataphin-public execute-ad-hoc-task \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --operator-type MaxCompute_SQL \
  --code "CREATE TABLE IF NOT EXISTS <table> (<col1> string, <col2> double, ...) PARTITIONED BY (ds string) LIFECYCLE 3600;"

# 2. 建空草稿，记下 PipelineId
PID=$(aliyun dataphin-public create-pipeline-node \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --pipeline-name <task-name> \
  --pipeline-type OFFLINE_PIPELINE \
  --node-type NORMAL \
  --file-info '{"FileName":"<task-name>","Directory":"/"}' \
  --output json | jq -r '.Data.PipelineId')

# 3. 填配置 + 提交
aliyun dataphin-public update-pipeline \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --node-info "{\"NodeName\":\"<task-name>\",\"PipelineId\":${PID}}" \
  --pipeline-config "$(cat pipeline-config.json)" \
  --schedule-config "$(cat schedule-config.json)" \
  --settings "$(cat settings.json)" \
  --submit

# 4. 校验
aliyun dataphin-public get-pipeline-by-id \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --pipeline-id "${PID}"

完整示例 2（路径 A，Doris→PostgreSQL 一对一搬运）

# 0. 在 PG 目标数据源上预建目标表（⚠ CLI 的 autocreate 不生效，必须手动建表）
# ⚠ 类型映射注意：Doris LARGEINT→PG NUMERIC，Doris TINYINT→PG SMALLINT
aliyun dataphin-public execute-ad-hoc-task \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --operator-type DATABASE_SQL \
  --data-source-id <pg-ds-id> \
  --data-source-schema <schema-name> \
  --code 'CREATE TABLE IF NOT EXISTS demo02 (
    user_id         NUMERIC         NOT NULL,
    username        VARCHAR(50)     NOT NULL,
    city            VARCHAR(20),
    age             SMALLINT,
    sex             SMALLINT,
    PRIMARY KEY (user_id, username)
  );'

# 1. 建空草稿，记下 PipelineId
PID=$(aliyun dataphin-public create-pipeline-node \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --pipeline-name <task-name> \
  --pipeline-type OFFLINE_PIPELINE \
  --node-type NORMAL \
  --file-info '{"FileName":"<task-name>","Directory":"/"}' \
  --output json | jq -r '.Data.PipelineId')

# 2. 填配置 + 提交（pipeline-config.json 含 dorisinput + postgresqloutput）
aliyun dataphin-public update-pipeline \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --node-info "{\"NodeName\":\"<task-name>\",\"PipelineId\":${PID}}" \
  --pipeline-config "$(cat pipeline-config.json)" \
  --schedule-config "$(cat schedule-config.json)" \
  --settings "$(cat settings.json)" \
  --submit

# 3. 校验
aliyun dataphin-public get-pipeline-by-id \
  --tenant-id <tenant-id> \
  --project-id <project-id> \
  --env DEV \
  --pipeline-id "${PID}"

PostgreSQL 目标端踩坑速查：

1. schemaName 必填——PG 有 schema 概念（常见 public 或自定义），不传会报表不存在
2. 目标表必须手动预建——prodTableNotExistAction: autocreate 在 CLI/OpenAPI 场景不生效
3. 类型不能照搬源端——Doris LARGEINT 在 PG 不存在，需映射为 NUMERIC；TINYINT 需映射为 SMALLINT
4. columnMappings[].originalType 填 PG 目标类型，不是 Doris 源类型
5. PostgreSQL 建表用 --operator-type DATABASE_SQL（关系型数据库统一入口），必须同时传 --data-source-id 和 --data-source-schema