迁移OBS桶数据至GaussDB(DWS)集群

教程指引

本教程通过演示将样例数据上传OBS，以及将OBS的数据导入GaussDB(DWS)的目标表中，让您快速掌握如何从OBS导入数据到GaussDB(DWS)集群的完整过程。

GaussDB(DWS)支持通过外表将OBS上TXT、CSV、ORC、PARQUET、CARBONDATA以及JSON格式的数据导入到集群进行查询。

本教程中以CSV格式为例，进行如下操作：

• 生成CSV格式的数据文件。
• 创建一个与GaussDB(DWS)集群在同一区域的OBS存储桶，然后将数据文件上传到该存储桶。
• 创建外表，用于引流OBS存储桶中的数据到GaussDB(DWS)集群。
• 启动GaussDB(DWS)并创建数据库表后，将OBS上的数据导入到表中。
• 根据错误表中的提示诊断加载错误并更正这些错误。

估计时间：30分钟

准备数据源文件

• 数据文件“product_info0.csv”

  1 2 3 4 5

  100,XHDK-A,2017-09-01,A,2017 Shirt Women,red,M,328,2017-09-04,715,good! 205,KDKE-B,2017-09-01,A,2017 T-shirt Women,pink,L,584,2017-09-05,40,very good! 300,JODL-X,2017-09-01,A,2017 T-shirt men,red,XL,15,2017-09-03,502,Bad. 310,QQPX-R,2017-09-02,B,2017 jacket women,red,L,411,2017-09-05,436,It's nice. 150,ABEF-C,2017-09-03,B,2017 Jeans Women,blue,M,123,2017-09-06,120,good.

• 数据文件“product_info1.csv”

  1 2 3 4 5

  200,BCQP-E,2017-09-04,B,2017 casual pants men,black,L,997,2017-09-10,301,good quality. 250,EABE-D,2017-09-10,A,2017 dress women,black,S,841,2017-09-15,299,This dress fits well. 108,CDXK-F,2017-09-11,A,2017 dress women,red,M,85,2017-09-14,22,It's really amazing to buy. 450,MMCE-H,2017-09-11,A,2017 jacket women,white,M,114,2017-09-14,22,very good. 260,OCDA-G,2017-09-12,B,2017 woolen coat women,red,L,2004,2017-09-15,826,Very comfortable.

• 数据文件“product_info2.csv”

  1 2 3 4 5 6 7 8 9 10

  980,"ZKDS-J",2017-09-13,"B","2017 Women's Cotton Clothing","red","M",112,,, 98,"FKQB-I",2017-09-15,"B","2017 new shoes men","red","M",4345,2017-09-18,5473 50,"DMQY-K",2017-09-21,"A","2017 pants men","red","37",28,2017-09-25,58,"good","good","good" 80,"GKLW-l",2017-09-22,"A","2017 Jeans Men","red","39",58,2017-09-25,72,"Very comfortable." 30,"HWEC-L",2017-09-23,"A","2017 shoes women","red","M",403,2017-09-26,607,"good!" 40,"IQPD-M",2017-09-24,"B","2017 new pants Women","red","M",35,2017-09-27,52,"very good." 50,"LPEC-N",2017-09-25,"B","2017 dress Women","red","M",29,2017-09-28,47,"not good at all." 60,"NQAB-O",2017-09-26,"B","2017 jacket women","red","S",69,2017-09-29,70,"It's beautiful." 70,"HWNB-P",2017-09-27,"B","2017 jacket women","red","L",30,2017-09-30,55,"I like it so much" 80,"JKHU-Q",2017-09-29,"C","2017 T-shirt","red","M",90,2017-10-02,82,"very good."

1. 新建文本文档并使用本地编辑工具（例如Visual Studio Code）打开后，将示例数据拷贝进文本文档中。
2. 选择“格式 > 以UTF-8无BOM格式编码”。
3. 选择“文件 > 另存为”。
4. 在弹出的对话框中输入文件名后，将文件后缀设为.csv，单击“保存”。

上传数据到OBS

1. 将上面准备的3个CSV格式的数据源文件存储到OBS桶中。
   1. 登录OBS管理控制台。

      单击“服务列表”，选择“对象存储服务”，打开OBS管理控制台页面。

   2. 创建桶。

      如何创建OBS桶，具体请参见《对象存储服务》“快速入门”中的创建桶。

      例如，创建以下两个桶：“mybucket”和“mybucket02”。

      

      确保这两个桶与GaussDB(DWS)集群在同一个区域，本教程以“华北-北京四”区域为例。

   3. 新建文件夹。

      具体请参见《对象存储服务用户指南》中的新建文件夹章节。

      例如：

      • 在已创建的OBS桶“mybucket”中新建一个文件夹“input_data”。
      • 在已创建的OBS桶“mybucket02”中新建一个文件夹“input_data”。
   4. 上传文件。

      具体请参见《对象存储服务快速入门》的上传对象章节。

      例如：

      • 将以下数据文件上传到OBS桶“mybucket”的“input_data”目录中。

        1 2	product_info0.csv product_info1.csv

      • 将以下数据文件上传到OBS桶“mybucket02”的“input_data”目录中。

        1	product_info2.csv

2. 为导入用户设置OBS桶的读取权限。

   在从OBS导入数据到集群时，执行导入操作的用户需要取得数据源文件所在OBS桶的读取权限。通过配置桶的ACL权限，可以将读取权限授予指定的用户账号。

   具体请参见《对象存储服务控制台指南》中的配置桶ACL章节。

创建外表

1. 连接GaussDB(DWS)数据库。
2. 创建外表。
   

   • ACCESS_KEY和SECRET_ACCESS_KEY

     用户访问OBS的AK和SK，请根据实际替换。

     获取访问密钥，请登录管理控制台，将鼠标移至右上角的用户名，单击“我的凭证”，然后在左侧导航树单击“访问密钥”。在访问密钥页面，可以查看已有的访问密钥ID（即AK），如果要同时获取AK和SK，可以单击“新增访问密钥”创建并下载访问密钥。

   • 认证用的AK和SK硬编码到代码中或者明文存储都有很大的安全风险，建议在配置文件或者环境变量中密文存放，使用时解密，确保安全。

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

   DROP FOREIGN TABLE IF EXISTS product_info_ext; CREATE FOREIGN TABLE product_info_ext ( product_price integer not null, product_id char(30) not null, product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt integer , product_comment_time date , product_comment_num integer , product_comment_content varchar(200) ) SERVER gsmpp_server OPTIONS( LOCATION 'obs://mybucket/input_data/product_info | obs://mybucket02/input_data/product_info', FORMAT 'CSV' , DELIMITER ',', ENCODING 'utf8', HEADER 'false', ACCESS_KEY 'access_key_value_to_be_replaced', SECRET_ACCESS_KEY 'secret_access_key_value_to_be_replaced', FILL_MISSING_FIELDS 'true', IGNORE_EXTRA_DATA 'true' ) READ ONLY LOG INTO product_info_err PER NODE REJECT LIMIT 'unlimited';

   返回如下信息表示创建成功：

   1	CREATE FOREIGN TABLE

执行数据导入

1. 在GaussDB(DWS)数据库中，创建一个名为product_info的表，用于存储从OBS导入的数据。

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

   DROP TABLE IF EXISTS product_info; CREATE TABLE product_info ( product_price integer not null, product_id char(30) not null, product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt integer , product_comment_time date , product_comment_num integer , product_comment_content varchar(200) ) WITH ( orientation = column, compression=middle ) DISTRIBUTE BY hash (product_id);

2. 执行INSERT命令，通过外表product_info_ext将OBS上的数据导入到目标表product_info中。

   1	INSERT INTO product_info SELECT * FROM product_info_ext;

3. 执行SELECT命令查询目标表product_info，查看从OBS导入到GaussDB(DWS)中的数据。

   1	SELECT * FROM product_info;

   查询结果的结尾将显示以下信息：

   (20 rows)

4. 对表product_info执行VACUUM FULL。

   1	VACUUM FULL product_info;

5. 更新表product_info的统计信息。

   1	ANALYZE product_info;

清除资源

1. 如果执行了导入数据后查询数据，请执行以下命令，删除目标表。

   1	DROP TABLE product_info;

   当结果显示为如下信息，则表示删除成功。

   DROP TABLE

2. 执行以下命令，删除外表。

   1	DROP FOREIGN TABLE product_info_ext;

   当结果显示为如下信息，则表示删除成功。

   DROP FOREIGN TABLE