使用gs_loader工具导入数据

wpp0303
133 阅读7分钟

使用gs_loader工具导入数据

操作场景**

对于copy to导出的文件，可以使用gs_loader工具进行数据导入。gs_loader将控制文件支持的语法转换为\COPY语法，然后利用已有的\COPY功能，做主要数据导入工作，同时gs_loader将\COPY结果记录到日志中。

注意事项**
  • gs_loader工具当前不支持M-Compatibility数据库。
  • 使用gs_loader前请确保gs_loader版本与gsql版本、数据库版本保持一致。
  • gs_loader当前仅支持主备版。
  • gs_loader导入过程中，不需要转码场景下，单行数据（包含tuple的元数据，以下均包含）小于1GB-1B；转码场景下单行数据小于256MB-1B，对以下转码场景进行了特殊处理：UTF-8 -> GB18030/GB18030_2022的限制为小于512MB-1B，UTF-8 -> GBK的限制为小于1GB-1B。
  • 建议单个导入文件的大小不超过1GB。gs_loader对单个导入文件的大小没有限制，但是对大文件数据的导入通常会比较耗时，因此建议在使用的过程中，对较大的数据文件进行切分，启动多个gs_loader进程以append的形式向表中写入数据（如果有truncate的需要则需要单独执行truncate，而不是将truncate写入控制文件中）。在CPU资源足够时，这种做法可以有效地提升导入速率。
迁移准备**

  1. 准备弹性云服务器或可通过公网访问GaussDB。

    • 通过弹性云服务器连接GaussDB数据库实例，需要创建一台弹性云服务器。

      创建并登录弹性云服务器，请参见《弹性云服务器快速入门》中“购买弹性云服务器”和“登录弹性云服务器”。

    • 通过公网地址连接GaussDB数据库实例，需具备以下条件。

      1. 先对GaussDB数据库实例绑定公网地址，如何绑定公网地址，请参见绑定弹性公网IP。
      2. 保证本地设备可以访问GaussDB数据库实例绑定的公网地址。

  2. 在准备的弹性云服务器或可访问GaussDB数据库的设备上，安装gsql客户端，并连接到GaussDB数据库实例。详情请参见使用gsql连接数据库。

操作步骤**

  1. 创建控制文件，准备数据文件。

    1. 创建控制文件，将数据导入到loader_tbl表中，如'/tmp/data/loader.ctl'。其中WHEN要求每行第二个字符为','。

      | ``` LOAD DATA truncate into table loader_tbl WHEN (2:2) = ',' fields terminated by ',' trailing nullcols ( id integer external, name char(32), con ":id || '-' || :name", dt date )

      | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |

    2. 创建guc参数文件，如'/tmp/data/guc.txt'。

      | ``` set a_format_copy_version='s1';

      | ---------------------------------------- |

    3. 创建数据文件，如'/tmp/data/data.csv'。

      | ``` 1,OK,,2007-07-8 2,OK,,2008-07-8 3,OK,,2009-07-8 4,OK,,2007-07-8 43,DISCARD,,2007-07-8 ,,, 32,DISCARD,,2007-07-8 a,ERROR int,,2007-07-8 8,ERROR date,,2007-37-8 ,,,, , 8,ERROR fields,,2007-37-8 ,,, 5,OK,,2021-07-30

      | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |

  2. 创建用户并授予使用权限。

    CREATE USER load_user WITH PASSWORD '************';
GRANT ALL ON SCHEMA public TO load_user;
SELECT copy_summary_create() WHERE NOT EXISTS(SELECT * FROM pg_tables WHERE schemaname='public' AND tablename='gs_copy_summary');
GRANT ALL PRIVILEGES ON  public.gs_copy_summary To load_user;
SELECT copy_error_log_create() WHERE NOT EXISTS(SELECT * FROM pg_tables WHERE schemaname='public' AND tablename='pgxc_copy_error_log');
GRANT ALL PRIVILEGES ON  public.pgxc_copy_error_log To load_user;
\c - load_user
Password for user load_user:

  3. 创建目标导入表，如在gs_example数据库下创建loader_tbl表。

    | ``` \c gs_example Password for user load_user: CREATE TABLE loader_tbl ( ID NUMBER, NAME VARCHAR2(20), CON VARCHAR2(20), DT DATE );

    | ------------------------------------------------------------------------------------------------------------------------------------------------------------- |

  4. 进行导入。

    退出当前登录连接。

    | ``` \q

    | ----------- |

执行导入前，先确认gs_loader工具有可执行权限。确保当前路径有文件写入权限（gs_loader在处理过程中会生成一些临时文件，导入完成后自动删除）。

| ```
gs_loader control=/tmp/data/loader.ctl data=/tmp/data/data.csv db=gs_example bad=/tmp/data/loader.bad guc_param=/tmp/data/guc.txt errors=5 port=8000 passwd=************ user=load_user -h 192.*.*.139; 
``` |
| ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |

执行结果如下。

| ```
gs_loader: version 0.1   5 Rows successfully loaded.   log file is:   /tmp/data/loader.log 
``` |
| --------------------------------------------------------------------------------------------------- |

其中/tmp/data/data.csv文件的前四行和最后一行被导入，第5行和第7行第二个字符不是','被忽略；第6行，第10行和第13行全部字段为空被忽略；第8行，第9行和第12行由于错误的字段值而不被导入。定义的'bad=/tmp/data/loader.bad'可以查看出错的行，执行结果回显的'/tmp/data/loader.log'记录了导入的日志信息。
参数参数说明参数类型 : 取值范围
help查看帮助信息。-
user数据库链接用户（与-U等价）。字符串
-U数据库链接用户（与user等价）。字符串
passwd用户密码（与-W等价）。字符串
-W用户密码（与passwd等价）。字符串
db数据库名称（必选，与-d等价）。字符串
-d数据库名称（必选与db等价）。字符串
host指定正在运行服务器的主机名、Unix域套接字的路径、或者域名。接受以“,”分隔的字符串来指定多个主机地址，支持指定多个主机地址（与-h等价）。当指定多个主机地址时，默认选择连接到主节点。参考gsql --host参数
-h指定正在运行服务器的主机名、Unix域套接字的路径、或者域名。接受以“,”分隔的字符串来指定多个主机地址，支持指定多个主机地址（与host等价）。当指定多个主机地址时，默认选择连接到主节点。参考gsql --host参数
port指定数据库服务器的端口号。可以配置一个或多个，当配置一个时，所有的IP都使用同一个端口连接；当配置多个时，顺序与IP顺序相同，个数必须与IP数相等，当不相等时会报错（与-p等价）。参考gsql --port参考
-p指定数据库服务器的端口号。可以配置一个或多个，当配置一个时，所有的IP都使用同一个端口连接；当配置多个时，顺序与IP顺序相同，个数必须与IP数相等，当不相等时会报错（与port等价）。参考gsql --port参考
create是否创建pgxc_copy_error_log和gs_copy_summary表。由于当前版本会默认创建这两张表，因此该参数失去意义。保留仅为了兼容性。[true, false]，默认true
data数据文件，可以指定多个，或者通配符多字符通配(*)以及单字符通配(?)（必选）。字符串
control控制文件名称（必选）。字符串
log日志文件名称。字符串
bad出错行以及详细情况记录文件名称，也可以指定目录，不指定时根据数据文件名生成。字符串
errors允许数据文件中出现多少出错行。整数，默认0
limit指定最多导入的行数。整数，默认无限大

注意：

  • 参数均为小写，不支持大写，同时兼容gsql登录方式：-p端口号，-h主机，-d数据库，-U用户名，-W密码方式。
  • 使用rows参数时，提交次数不要超过1000次，否则会对性能产生影响。提交次数约等于数据文件中数据行数除以rows参数取值。不指定rows参数时，rows无默认取值，表现为只进行一次提交，即所有数据都导入表中后进行一次事务提交。
  • 小数据量频繁的提交会影响导入数据的性能，推荐合理配置rows参数的取值，保证每次提交的数据量大于5MB。对于常用的16U128G规格机器，一主两备部署场景下，向5个字段的表内导入13GB数据，排除网络影响，多次提交和单次提交（每次提交5MB数据）的速率基本持平，为10MB/s左右。
  • 当前gs_loader仅支持数据文件中存在nul字符时的兼容，不支持ctl控制文件中存在nul字符。ctl文件中存在nul字符会存在不可预期的问题。

其他参数说明以及控制文件语法请参见《主备版工具参考》“gs_loader”章节。

父主题： 数据库迁移

avatar
文章
阅读
粉丝