文档首页/ MapReduce服务 MRS/ 最佳实践/ 数据分析/ 实时OLAP数据分析/ 通过StreamLoad将本地CSV文件导入Doris
更新时间：2025-09-04 GMT+08:00
查看PDF
分享

通过StreamLoad将本地CSV文件导入Doris

应用场景

本地CSV文件数据通过StreamLoad导入到Doris，需要写入Doris的数据不重复，通过引入 Unique 数据模型保证 Key 的唯一性。

方案架构

离线数据可以从数据湖加载，也可以直接加载本地文件。从数据湖加载可以使用工具CDM，在没有CDM工具时，可以直接使用外表加载、BrokerLoad的方式。

本地文件加载则使用Doris自带的StreamLoad工具。

图1 离线数据加载
  • 场景特点：

    业务特点为离线数据，端到端时延无要求，仅对数据集市中的数据查询时延有要求，如离线报表场景、实时报表的数据初始化场景。

  • 数据加载方式：
    • 在存在DataArts Studio工具的场景下，数据加载统一使用CDM进行（DataArts Studio需要2.10及以上版本）。
    • 在不存在DataArts Studio工具的场景下，可以使用Spark或者外表方式加载。由数据加工方进行数据推送加载时，推荐使用BrokerLoad加载方式，方便数据加工方统一调度；如果有数据应用方负责数据加载，则使用外表方式进行数据加载较为方便应用层另外配置加载数据。
    • 在没有数据湖的场景下，轻量化数仓场景中，数据直接由源端文件加载到Doris中，可以使用Streamload方式加载本地文件。
  • 注意事项：

    Hive外表通过整体添加Hive的MetaStore的方式，将全量元数据在Doris中呈现。

操作流程

步骤1：创建MRS Doris集群并配置

  1. 创建MRS Doris集群。

    详细操作请参考自定义购买MRS集群，例如相关参数如下：

    • 集群名称：自定义，例如“mrs_doris”
    • 集群版本：MRS 3.3.0-LTS
    • 组件选择：Doris集群。
    • Kerberos认证：开启

    其他参数根据实际需要进行配置。

  2. 集群购买完成后安装集群客户端。

    详细操作请参考安装客户端（3.x版本）。

    例如客户端安装路径为“/opt/dorisclient”。

  3. 在Doris集群安装MySQL客户端。

    详细操作请参考使用MySQL客户端连接Doris。

  4. 创建拥有Doris管理权限的人机用户（例如用户名为dorisuser），并修改初始密码。

    1. 登录Doris集群Manager页面。
    2. 选择“系统 > 权限 > 角色 > 添加角色”，填写角色名称，如“dorisrole”，在“配置资源权限”选择“待操作的集群 > Doris”，勾选“Doris管理员权限”，单击“确定”。
    3. 选择“用户 > 添加用户”，填写用户名称，如“dorisuser”，“用户类型”选择“人机”，“密码策略”默认，输入用户密码并确认密码，关联“dorisrole”角色，单击“确定”。
    4. 使用新建的dorisuser用户重新登录FusionInsight Manager，修改该用户初始密码。

  5. 如果要导入的文件大小超过10G，则需要修改超时时间及最大导入文件大小参数。

    1. 登录FusionInsight Manager，选择“集群 > 服务 > Doris > 配置 > 全部配置”。
    2. 选择“FE（角色） > 自定义”，在自定义参数“fe.conf.customized.configs”中新增参数“stream_load_default_timeout_second”，参数描述及取值请参见表1。
    3. 选择“BE（角色） > 自定义”，在自定义参数“be.conf.customized.configs”中新增参数“streaming_load_max_mb”，参数描述及取值请参见表1。
    表1 自定义参数描述

    参数名

    参数描述

    stream_load_default_timeout_second

    表示导入任务的超时时间，默认超时时间为600秒，单位为秒。

    若导入任务在设定的时间内未完成则会被系统取消，状态变为“CANCELLED”。默认超时时间为600秒，如果导入的源文件无法在规定时间内完成导入，可以在Stream Load请求中设置单独的超时时间，或调整“stream_load_default_timeout_second”参数值设置全局的默认超时时间。

    streaming_load_max_mb

    表示Stream Load的最大导入文件大小，默认值为10G，单位为MB。

    如果原始文件超过该值，则需要适当调整该参数值。

    由于Stream Load是由BE进行导入并分发数据，建议导入数据量在1G到10G之间。由于默认最大Stream Load的导入数据量为10G，所以如果要导入超过10G的文件需要修改BE的配置参数“streaming_load_max_mb”。

步骤2：创建Doris数据表及CSV文件

  1. 登录Doris集群中已安装好MySQL客户端的节点，执行如下命令进入Doris数据库。 

    export LIBMYSQL_ENABLE_CLEARTEXT_PLUGIN=1 //若集群已启用Kerberos认证（安全模式）需执行该命令。
    mysql -u数据库登录用户 -p数据库登录用户密码 -P数据库连接端口 -hDoris FE实例IP地址
    • 数据库连接端口为Doris FE的查询连接端口，可通过登录MRS Doris集群的Manager界面，选择“集群 > 服务 > Doris > 实例”，查看任一FE实例的业务IP地址获取。
    • Doris FE实例IP地址可通过登录MRS Doris集群的Manager界面，选择“集群 > 服务 > Doris > 配置 > 全部配置”，搜索并查看“query_port”参数值获取。

  2. 执行以下命令创建数据库（例如名称为“example_db”）并切换。 

    create database if not exists example_db;
    use example_db;

  3. 执行以下命令创建表。 

    CREATE TABLE `lineorder_stream_u` (
  `LO_ORDERKEY` bigint NOT NULL COMMENT "订单id",
  `LO_LINENUMBER` int NOT NULL COMMENT "订单码",
  `LO_CUSTKEY` bigint NOT NULL COMMENT "客户id",
  `LO_PARTKEY` bigint NOT NULL COMMENT "商品id",
  `LO_SUPPKEY` bigint NOT NULL COMMENT "供应商id",
  `LO_ORDERDATE` date DEFAULT NULL COMMENT "订单日期",
  `LO_ORDERPRIORITY` varchar(100) DEFAULT NULL COMMENT "订单优先级",
  `LO_SHIPPRIORITY` int DEFAULT NULL COMMENT "物流优先级",
  `LO_QUANTITY` int DEFAULT NULL COMMENT "数量",
  `LO_EXTENDEDPRICE` bigint DEFAULT NULL COMMENT "扩展价格",
  `LO_ORDTOTALPRICE` bigint DEFAULT NULL COMMENT "订单总价",
  `LO_DISCOUNT` int DEFAULT NULL COMMENT "折扣",
  `LO_REVENUE` bigint DEFAULT NULL COMMENT "收入",
  `LO_SUPPLYCOST` int DEFAULT NULL COMMENT "成本",
  `LO_TAX` int DEFAULT NULL COMMENT "税款",
  `LO_COMMITDATE` date DEFAULT NULL COMMENT "承诺日期",
  `LO_SHIPMODE` varchar(100) NOT NULL COMMENT "运输方式"
) UNIQUE KEY (
  `LO_ORDERKEY`,
  `LO_LINENUMBER`,
  `LO_CUSTKEY`,
  `LO_PARTKEY`,
  `LO_SUPPKEY`,
  `LO_ORDERDATE`
) PARTITION BY RANGE(`LO_ORDERDATE`) (
  PARTITION `p1992`
  VALUES
    LESS THAN ("1993-01-01"),
    PARTITION `p1993`
  VALUES
    LESS THAN ("1994-01-01"),
    PARTITION `p1994`
  VALUES
    LESS THAN ("1995-01-01"),
    PARTITION `p1995`
  VALUES
    LESS THAN ("1996-01-01"),
    PARTITION `p1996`
  VALUES
    LESS THAN ("1997-01-01"),
    PARTITION `p1997`
  VALUES
    LESS THAN ("1998-01-01"),
    PARTITION `p1998`
  VALUES
    LESS THAN ("1999-01-01"),
    PARTITION `p1999`
  VALUES
    LESS THAN ("2000-01-01"),
    PARTITION `p2000`
  VALUES
    LESS THAN ("2001-01-01"),
    PARTITION `p2001`
  VALUES
    LESS THAN ("2002-01-01")
) DISTRIBUTED BY HASH(`LO_ORDERDATE`) BUCKETS 1 PROPERTIES (
  "replication_allocation" = "tag.location.default: 3"
);

    例如执行show tables;后结果如下，表示建表成功：

  4. 退出Doris数据库至客户端，创建数据文件“data.csv”，内容如下。 

    1,1,1,1,1,1997-01-01,01-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
1,1,1,1,1,1997-01-01,10-SEE,0,10,1210,18547410,10,2311310,32310,10,1997-01-10,DER10
2,2,2,2,2,1997-01-01,02-SEE,0,2,1202,18547402,2,2311302,32302,2,1997-01-02,DER02
2,2,2,2,2,1997-01-01,01-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
3,3,3,3,3,1997-01-01,03-SEE,0,3,1203,18547403,3,2311303,32303,3,1997-01-03,DER03
3,3,3,3,3,1997-01-01,01-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
4,4,4,4,4,1997-01-01,04-SEE,0,4,1204,18547404,4,2311304,32304,4,1997-01-04,DER04
4,4,4,4,4,1997-01-01,01-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
5,5,5,5,5,1997-01-01,05-SEE,0,5,1205,18547405,5,2311305,32305,5,1997-01-05,DER05
5,5,5,5,5,1997-01-01,01-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
6,6,6,6,6,1997-01-01,06-SEE,0,6,1206,18547406,6,2311306,32306,6,1997-01-06,DER06
6,6,6,6,6,1997-01-01,06-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
7,7,7,7,7,1997-01-01,07-SEE,0,7,1207,18547407,7,2311307,32307,7,1997-01-07,DER07
7,7,7,7,7,1997-01-01,07-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
8,8,8,8,8,1997-01-01,08-SEE,0,8,1208,18547408,8,2311308,32308,8,1997-01-08,DER08
8,8,8,8,8,1997-01-01,08-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
9,9,9,9,9,1997-01-01,09-SEE,0,9,1209,18547409,9,2311309,32309,9,1997-01-09,DER09
9,9,9,9,9,1997-01-01,09-SEE,0,1,1201,18547401,1,231,3201,1,1997-01-01,DER01
10,10,10,10,10,1997-01-01,10-SEE,0,1,1201,18547401,1,2311301,32301,1,1997-01-01,DER01
10,10,10,10,10,1997-01-01,10-SEE,0,1,1201,18547401,1,2311301,32301,1,1997-01-01,DER01

步骤3：使用Stream Load导入CSV文件至Doris

  1. 以root用户登录“data.csv”文件所在节点。
  2. 执行以下命令使用Stream Load导入“data.csv”中的数据到Doris数据表中。

    • 集群已启用Kerberos认证（安全模式） 
      curl --location-trusted -u doris用户名:用户密码 -H "label:table1_20230217" -H "column_separator:," -T data.csv https://Doris FE实例IP地址:HTTPS端口/api/{数据库名}/{表名}/_stream_load
    • 集群未启用Kerberos认证（普通模式） 
      curl -k --location-trusted -u doris用户名:用户密码 -H "label:table1_20230217" -H "column_separator:," -T data.csv http://Doris FE实例IP地址:HTTP端口/api/{数据库名}/{表名}/_stream_load
    • -H "label:table1_20230217"表示，指定导入数据标签为table1_20230217，不指定时系统会自动生成。
    • -H "column_separator:,"表示，CSV文件中多字段值的分隔符为逗号，可根据实际数据格式调整分隔符。
    • Doris FE实例IP地址：可在Manager界面，选择“集群 > 服务 > Doris > 实例”查看FE实例业务IP地址。
    • HTTPS端口号：可在Manager界面，选择“集群 > 服务 > Doris > 配置”，搜索“https_port”查看。
    • HTTP端口号：可在Manager界面，选择“集群 > 服务 > Doris > 配置”，搜索“http_port”查看。

  3. 执行以下命令查看表数据。 

    select * from example_db.lineorder_stream_u;

    例如查询结果如下，查询数据成功，且符合预期，表示导入成功。

父主题： 实时OLAP数据分析

相关文档