计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive

Stream Load

更新时间:2024-11-29 GMT+08:00

Stream Load是一个同步的导入方式,用户通过HTTP协议发送请求将本地文件或数据流导入到Doris中。Stream Load同步执行导入并返回导入结果,用户可直接通过请求的返回体判断本次导入是否成功。

Stream Load主要适用于导入本地文件,或通过程序导入数据流中的数据。支持导入CSV、Parquet、ORC格式的数据,默认支持导入CSV格式数据。

语法介绍

  • 创建Stream Load导入​任务

    Stream Load通过HTTP协议提交和传输数据。该操作通过curl命令演示如何提交导入,也可以使用其他HTTP Client进行操作。

    • 集群已启用Kerberos认证(安全模式)

      curl -k --location-trusted -u user:passwd [-H ""...] -T data.file -XPUT https://Doris FE实例IP地址:HTTPS端口/api/{数据库名称}/{表名}/_stream_load

    • 集群未启用Kerberos认证(普通模式)

      curl --location-trusted -u user:passwd [-H ""...] -T data.file -XPUT http://Doris FE实例IP地址:HTTP端口/api/{数据库名称}/{表名}/_stream_load

    Doris FE实例IP地址可在Manager界面,选择“集群 > 服务 > Doris > 实例”查看。

    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。

    表1介绍了创建Stream Load任务的其他部分参数。

    表1 Stream Load任务参数介绍

    参数

    描述

    签名参数

    user:passwd

    Stream Load创建导入的协议使用的是HTTP协议,通过Basic access authentication进行签名。Doris系统会根据签名验证用户身份和导入权限。

    导入任务参数(格式为:-H "key1:value1"

    label

    导入任务的标识。每个导入任务,都有一个在单database内部唯一的label。label是用户在导入命令中自定义的名称。通过这个 label,用户可以查看对应导入任务的执行情况。

    column_separator

    用于指定导入文件中的列分隔符,默认为\t,可以使用多个字符的组合作为列分隔符。如果是不可见字符,则需要加\x作为前缀,使用十六进制来表示分隔符。如Hive文件的分隔符\x01,需要指定为-H "column_separator:\x01"

    line_delimiter

    用于指定导入文件中的换行符,默认为\n,可以使用做多个字符的组合作为换行符。

    max_filter_ratio

    导入任务的最大容忍率,默认为0容忍,取值范围是0~1。当导入的错误率超过该值,则导入失败。

    where

    导入任务指定的过滤条件。Stream Load支持对原始数据指定where语句进行过滤,被过滤的数据将不会被导入,也不会参与filter ratio的计算,但会被计入num_rows_unselected

    Partitions

    待导入表的Partition信息,如果待导入数据不属于指定的Partition,则不会被导入,这些数据将计入dpp.abnorm.ALL。

    columns

    待导入数据的函数变换配置,目前 Stream Load支持的函数变换方法包含列的顺序变化以及表达式变换,其中表达式变换的方法与查询语句一致。

    format

    指定导入数据格式,支持CSV、JSON、Parquet、ORC等,默认是CSV。

    exec_mem_limit

    导入内存限制,默认为:2GB,单位为:字节。

    strict_mode

    Stream Load导入可以开启strict mode模式,在HEADER中声明strict_mode=true即可开启,默认关闭strict mode。

    strict mode用于对导入过程中的列类型转换进行严格过滤,策略如下:

    • 对于列类型转换来说,如果strict mode为“true”,则错误的数据将被filter。错误数据是指原始数据并不为空值,在参与列类型转换后结果为空值的数据。
    • 对于导入的某列由函数变换生成时,strict mode对其不产生影响。
    • 对于导入的某列类型包含范围限制的,如果原始数据能正常通过类型转换,但无法通过范围限制,strict mode对其也不产生影响。例如:如果类型是decimal(1,0),原始数据为10,则属于可以通过类型转换但不在列声明的范围内,这种数据 strict对其不产生影响。

    merge_type

    数据的合并类型,支持APPEND、DELETE和MERGE三种类型,默认为APPEND。APPEND表示这批数据需要全部追加到现有数据中;DELETE表示删除与这批数据Key相同的所有行;MERGE语义需要与delete条件联合使用,满足delete条件的数据按照DELETE语义处理,其余的按照APPEND语义处理。

    two_phase_commit

    Stream Load导入可以开启两阶段事务提交模式。在Stream Load过程中,数据写入完成即会返回信息给用户,此时数据不可见,事务状态为“PRECOMMITTED”,用户手动触发commit操作之后,数据才可见。

    enable_profile

    当“enable_profile”为“true”时,Stream Load profile将会打印到日志中,否则不会打印。

  • 返回结果

    由于Stream Load是一种同步的导入方式,所以导入的结果会通过创建导入的返回值直接返回,例如:

    {
    "TxnId": 1003,
    "Label": "b6f3bc78-0d2c-45d9-9e4c-faa0a0149bee",
    "Status": "Success",
    "ExistingJobStatus": "FINISHED", // optional
    "Message": "OK",
    "NumberTotalRows": 1000000,
    "NumberLoadedRows": 1000000,
    "NumberFilteredRows": 1,
    "NumberUnselectedRows": 0,
    "LoadBytes": 40888898,
    "LoadTimeMs": 2144,
    "BeginTxnTimeMs": 1,
    "StreamLoadPutTimeMs": 2,
    "ReadDataTimeMs": 325,
    "WriteDataTimeMs": 1933,
    "CommitAndPublishTimeMs": 106,
    "ErrorURL": "http://192.168.1.1:8042/api/_load_error_log?file=__shard_0/error_log_insert_stmt_db18266d4d9b4ee5-abb00ddd64bdf005_db18266d4d9b4ee5_abb00ddd64bdf005"
    }

    导入结果参数介绍如表2所示。

    表2 Stream Load导入任务结果参数介绍

    参数

    描述

    TxnId

    导入的事务ID。用

    Label

    导入Label,由用户指定或系统自动生成。

    Status

    导入完成状态,包括:

    • Success:表示导入成功。
    • Publish Timeout:该状态也表示导入已完成,只是数据可能会延迟可见,无需重试。
    • Label Already Exists:Label重复,需更换Label。
    • Fail:导入失败。

    ExistingJobStatus

    已存在的Label对应的导入作业的状态。

    该字段只有当Status为"Label Already Exists"时才显示。可以通过这个状态,查看已存在Label对应的导入作业的状态。"RUNNING" 表示作业还在执行,"FINISHED"表示作业执行成功。

    Message

    导入错误信息。

    NumberTotalRows

    导入总处理的行数。

    NumberLoadedRows

    成功导入的行数。

    NumberFilteredRows

    数据不合格的行数。

    NumberUnselectedRows

    被where条件过滤的行数。

    LoadBytes

    导入的字节数

    LoadTimeMs

    导入完成时间,单位为:毫秒。

    BeginTxnTimeMs

    向FE请求开始一个事务所花费的时间,单位为:毫秒。

    StreamLoadPutTimeMs

    向FE请求获取导入数据执行计划所花费的时间,单位为:毫秒。

    ReadDataTimeMs

    读取数据所花费的时间,单位为:毫秒。

    WriteDataTimeMs

    执行写入数据操作所花费的时间,单位为:毫秒。

    CommitAndPublishTimeMs

    向FE请求提交并且发布事务所花费的时间,单位为:毫秒。

    ErrorURL

    如果有数据问题,通过访问该URL查看具体错误行。

    说明:

    由于Stream Load是同步的导入方式,所以不会在Doris系统中记录导入信息,用户无法异步通过查看导入命令看到Stream Load。使用时需查看创建导入请求的返回值获取导入结果。

  • 取消导入​

    用户无法手动取消Stream Load,Stream Load在超时或者导入错误后会被系统自动取消。

  • 查看Stream Load​

    用户可以通过show stream load查看已经完成的Stream Load任务。

    默认BE不记录Stream Load的导入信息,如果需要查看需在配置enable_stream_load_record=true参数启用记录。

前提条件

  • 已创建包含Doris服务的集群,集群内各服务运行正常。
  • 待连接Doris数据库的节点与MRS集群网络互通。
  • 创建具有Doris管理权限的用户。
    • 集群已启用Kerberos认证(安全模式)

      在FusionInsight Manager中创建一个人机用户,例如“dorisuser”,创建一个拥有“Doris管理员权限”的角色绑定给该用户。

      使用新建的用户dorisuser重新登录FusionInsight Manager,修改该用户初始密码。

    • 集群未启用Kerberos认证(普通模式)

      使用admin用户连接Doris后,创建具有管理员权限的角色并绑定给用户。

  • 已安装MySQL客户端,相关操作可参考安装MySQL客户端

Stream Load任务示例

  1. 登录安装了MySQL的节点,执行以下命令,连接Doris数据库。

    集群已启用Kerberos认证(安全模式),需先执行以下命令再连接Doris数据库:

    export LIBMYSQL_ENABLE_CLEARTEXT_PLUGIN=1

    mysql -u数据库登录用户 -p数据库登录用户密码 -PFE查询连接端口 -hDoris FE实例IP地址

    说明:
    • Doris FE的查询连接端口,可以通过登录Manager,单击“集群 > 服务 > Doris > 配置”,查询Doris服务的“query_port”参数获取。
    • Doris FE实例IP地址可通过登录MRS集群的Manager界面,单击“集群 > 服务 > Doris > 实例”,查看任一FE实例的IP地址。
    • 用户也可以使用MySQL连接软件或者Doris WebUI界面连接数据库。

  2. 执行以下命令创建数据库:

    create database if not exists example_db;

  3. 执行以下命令创建表:

    CREATE TABLE example_db.test_stream_tbl (

    `c1` int NOT NULL,

    `c2` int NOT NULL,

    `c3` string NOT NULL,

    `c4` date NOT NULL

    ) ENGINE=OLAP

    UNIQUE KEY(`c1`, `c2`)

    DISTRIBUTED BY HASH(`c1`) BUCKETS 1;

  4. 创建数据文件“data.csv”,内容为:

    1,1,1,2020-02-21
    2,2,2,2020-03-21
    3,3,3,2020-04-21

  5. 使用Stream Load导入“data.csv”中的数据到3创建的表中:

    • 集群已启用Kerberos认证(安全模式)

      curl -k --location-trusted -u user:passwd -H "label:table1_20230217" -H "column_separator:," -T data.csv https://Doris FE实例IP地址:HTTPS端口/api/example_db/test_stream_tbl/_stream_load

    • 集群未启用Kerberos认证(普通模式)

      curl --location-trusted -u user:passwd -H "label:table1_20230217" -H "column_separator:," -T data.csv http://Doris FE实例IP地址:HTTP端口/api/example_db/test_stream_tbl/_stream_load

  6. 执行以下命令查看表数据:

    select * from example_db.test_stream_tbl;

相关参数配置

登录FusionInsight Manager,选择“集群 > 服务 > Doris > 配置 > 全部配置”,新增如下参数:

  • 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:表示导入任务的超时时间(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。

  • 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: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。

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容