文档首页/ 云数据库 GaussDB/ 开发指南（分布式_V2.0-2.x）/
更新时间：2024-07-03 GMT+08:00
查看PDF
分享

执行导入数据

完成GDS的安装部署及外表创建后，本节介绍如何在GaussDB数据库中创建目标表并将数据导入目标表中。

对于记录数超过千万条的表，建议在执行全量数据导入前，先导入部分数据，以查看数据倾斜状态，避免导入大量数据后发现数据倾斜，调整成本高。

前提条件

需要确保每一个CN和DN所在服务器到GDS服务器的IP和端口是互通的。

操作步骤

  1. 在GaussDB中创建目标表，用于存储导入的数据。建表语句请参见CREATE TABLE。
  2. （可选）若导入表存在索引，在数据导入过程中，将增量更新索引信息，影响数据导入性能。建议在执行数据导入前，先删除相关表的索引。在数据导入完成后，再重新创建索引。

    1. 假定在导入表“product_info”上的“product_id”字段上存在普通索引“product_idx”。在执行数据导入前，请先删除相关索引。 
      1
      		 
      DROP INDEX product_idx;
    2. 在数据导入完成后，重建索引。 
      1
      		 
      openGauss=# CREATE INDEX product_idx ON product_info(product_id);
    3. 打开enable_stream_operator。 
      1
      		 
      openGauss=# set enable_stream_operator=on;

    在重建索引过程中，用户可以通过临时增加GUC参数“maintenance_work_mem”/“psort_work_mem”来加快索引的重建。

  3. 执行数据导入。 

    1
    		 
    openGauss=# INSERT INTO [目标表名] SELECT * FROM [foreign table 表名];
    • 若出现以下类似信息，说明数据导入成功。请查询错误信息表，查看是否存在数据格式错误，详细操作请参见处理错误表。 
      INSERT 0 9
    • 若出现数据加载错误，请参见处理错误表，并重新执行数据导入。
    • 若执行过程中出现数据加载错误，则数据全部导入失败，没有数据导入至目标表中。
    • 编写批处理任务脚本，实现并发批量导入数据。并发量视机器资源使用情况而定。可通过几个表测试，监控资源利用率，根据结果提高或减少并发量。常用资源监控命令有：内存和CPU监控top命令，IO监控命令iostat，网络监控命令sar等。相关案例请参见示例：多线程导入。
    • 在资源许可的情况下，多台GDS服务器并发导入会很大程度上提高数据导入效率。相关案例请参见示例：多数据服务器并行导入。
    • 对于高并发的GDS导入场景，为了保持GDS和DN间的数据连接稳定，可以将GDS服务器环境和DN所在环境的TCP Keepalive检测时间增长（推荐增长至5分钟）。调整集群环境的TCP Keepalive参数会影响故障检测的响应时间。
    • enable_stream_operator=on会影响性能，如果该会话后续还有别的sql执行，建议设置set enable_stream_operator=off，如果没有，则直接断开会话即可。

任务示例

  1. 创建一个名为reasons的目标表。 
    1
2
3
4
5
6
7
    		 
    openGauss=# CREATE TABLE reasons
(
  r_reason_sk   integer  not null,
  r_reason_id   char(16) not null,   
  r_reason_desc char(100)
)
DISTRIBUTE BY HASH (r_reason_sk);
  2. 在执行数据导入前，先删除相关表的索引。在数据导入完成后，再重新创建索引。
    1. 假定在导入表“reasons”上的“r_reason_id”字段上存在普通索引“reasons_idx”。在执行数据导入前，请先删除相关索引。 
      1
      		 
      openGauss=# DROP INDEX reasons_idx;
    2. 在数据导入完成后，重建索引。 
      1
      		 
      openGauss=# CREATE INDEX reasons_idx ON reasons(r_reasons_id);
    3. 打开enable_stream_operator。 
      1
      		 
      openGauss=# set enable_stream_operator=on;
  3. 将数据源文件中的数据通过外表“foreign_tpcds_reasons”导入到表“reasons”中。 
    1
    		 
    openGauss=# INSERT INTO reasons SELECT * FROM foreign_tpcds_reasons ;

相关文档