文档首页/ 数据仓库服务 GaussDB(DWS)/ 数据迁移与同步/ 导入数据/ 使用GDS从远端服务器导入数据/ 创建GDS外表
更新时间：2024-07-01 GMT+08:00
查看PDF
分享

创建GDS外表

外表中配置了数据源格式信息、GDS服务的访问信息，从而GaussDB(DWS)最终可以通过外表将数据服务器上的数据引流进数据库实表中。

操作步骤

  1. 收集数据源格式信息、GDS服务的访问信息。

    需要收集的主要数据源格式信息如下：

    • format：GDS外表导入支持CSV、TEXT和FIXED格式。请确认存放在数据服务器上待入库数据的格式。例如，待入库的数据为CSV格式。
    • header（仅支持CSV，FIXED格式）：确认数据文件是否包含标题行。
    • delimiter：确认数据文件中，字段间的分隔符。例如，以英文逗号分隔的。
    • encoding：数据源文件的数据编码格式。例如，为UTF-8。
    • eol：确认数据文件中，行间的换行符。例如，默认的换行符，如0x0D0A、0X0A，或者自定义的换行符，如字符串!@#。该参数仅支持TEXT格式导入。
    • 外表可识别的其他更多格式信息请参见数据格式参数。

    需要收集的GDS服务的访问信息如下：

    location：GDS服务的访问地址。例如以安装配置和启动GDS中的GDS信息为例。非SSL模式下的location为：gsfs://192.168.0.90:5000//input_data/ 。SSL模式下的location为：gsfss://192.168.0.90:5000//input_data/ 。其中，“192.168.0.90:5000”为GDS服务的IP及端口号；“input_data”为GDS服务管理的数据源文件所在的路径。请根据实际情况替换。

  2. 依据数据源文件中的数据情况，设计导入容错机制。

    GaussDB(DWS)支持如下的数据容错性处理，相当于数据入库前对数据做初步的简单清洗。
    • fill_missing_fields：数据入库时，数据源文件中某行的最后一个字段缺失时，请选择是直接将字段设为Null，还是在错误表中报错提示。
      取值范围：true/on，false/off。
      • 参数为true/on，当数据导入时，若数据源文件中一行数据的最后一个字段缺失，则把最后一个字段的值设置为NULL，不报错。
      • 参数为false/off，如果最后一个字段缺失会显示如下错误信息。 
        missing data for column "tt"

      缺省值：false/off。

    • ignore_extra_data：数据源文件中的字段比外表定义列数多时，请选择是忽略多出的列，还是在错误表中报错提示。

      取值范围：true/on、false/off。

      • 参数为true/on，若数据源文件比外表定义列数多，则忽略行尾多出来的列。
      • 参数为false/off，若数据源文件比外表定义列数多，会显示如下错误信息。 
        1
        		 
        extra data after last expected column

      缺省值：false/off。

    • per node reject_limit：本次数据导入过程中每个DN实例上允许出现的数据格式错误的数量。如果有一个DN实例上录入错误表中的错误数量超过设定值时，本次导入失败，报错退出。可以选择不做限制，也可以根据所能容忍的错误数量选择一个上限值。
    • compatible_illegal_chars：导入时遇到非法字符，选择如何处理。是将非法字符按照转换规则转换后入库，还是报错中止导入。
      取值范围：true/on，false/off。
      • 参数为true/on，则导入时遇到非法字符进行容错处理，非法字符转换后入库，不报错，不中断导入。
      • 参数为false/off，导入时遇到非法字符进行报错，中断导入。

      缺省值：false/off。

      非法字符容错转换规则如下：

      • 对于'\0'，容错后转换为空格。
      • 对于其他非法字符，容错后转换为问号。
      • 对非法字符进行容错转换时，如遇NULL、DELIMITER、QUOTE、ESCAPE也设置成了空格或问号，GaussDB(DWS)会通过如“illegal chars conversion may confuse COPY escape 0x20”等报错信息提示用户修改可能引起混淆的参数以避免导入错误。
    • error_table_name：用于记录数据格式错误信息的错误表表名。并行导入结束后查询此错误信息表，能够获取详细的错误信息。
    • remote log 'name'：数据导入过程中的数据格式错误信息是否同时在GDS服务器上以文件方式保存。name为错误数据文件的文件名前缀。
    • 关于容错性参数的更多信息请参考容错性参数。

  3. 使用gsql或Data Studio连接数据库后，根据前面步骤所收集和规划的信息参数，创建GDS外表。

    示例如下：

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
    		 
    CREATE FOREIGN TABLE foreign_tpcds_reasons
(
  r_reason_sk integer not null,
  r_reason_id char(16) not null,
  r_reason_desc char(100)
)
 SERVER gsmpp_server
 OPTIONS 
(
LOCATION 'gsfs://192.168.0.90:5000/* | gsfs://192.168.0.91:5000/*', 
FORMAT 'CSV' ,
DELIMITER ',',
ENCODING 'utf8',
HEADER 'false',
FILL_MISSING_FIELDS 'true',
IGNORE_EXTRA_DATA 'true'
)
LOG INTO product_info_err 
PER NODE REJECT LIMIT 'unlimited';

    示例中的各项说明如下：

    • 外表字段需与数据库中即将存储数据的事实表保持一致。
    • 对于GDS导入，SERVER gsmpp_server请保持不变。
    • location参数请根据1中收集的GDS服务访问信息修改。注意GDS使用SSL加密传输时，需要将“gsfs”替换为“gsfss”。
    • FORMAT、DELIMITER、ENCODING、HEADER请根据1中收集的数据源格式信息填写。
    • FILL_MISSING_FIELDS、IGNORE_EXTRA_DATA、LOG INTO及PER NODE REJECT LIMIT请根据2中设计的导入容错机制填写。注意LOG INTO是指将数据格式错误录入哪个错误表，即其取值为错误表表名。

任务示例

除了以下示例，更多外表创建的示例请参考GDS导入示例。

  • 示例1：创建GDS外表foreign_tpcds_reasons，数据格式为CSV。 
    1
2
3
4
5
6
7
    		 
    CREATE FOREIGN TABLE foreign_tpcds_reasons
(
  r_reason_sk integer not null,
  r_reason_id char(16) not null,
  r_reason_desc char(100)
)
 SERVER gsmpp_server OPTIONS (location 'gsfs://192.168.0.90:5000/* | gsfs://192.168.0.91:5000/*', FORMAT 'CSV',MODE 'Normal', ENCODING 'utf8', DELIMITER E'\x08', QUOTE E'\x1b', NULL '');
  • 示例2：创建GDS导入外表foreign_tpcds_reasons_SSL，使用SSL加密传输的模式传输，数据格式为CSV。 
    1
2
3
4
5
6
7
    		 
    CREATE FOREIGN TABLE foreign_tpcds_reasons_SSL
(
  r_reason_sk integer not null,
  r_reason_id char(16) not null,
  r_reason_desc char(100)
)
 SERVER gsmpp_server OPTIONS (location 'gsfss://192.168.0.90:5000/* | gsfss://192.168.0.91:5000/*', FORMAT 'CSV',MODE 'Normal', ENCODING 'utf8', DELIMITER E'\x08', QUOTE E'\x1b', NULL '');
  • 示例3：创建GDS外表foreign_tpcds_reasons，数据格式为TEXT。 
    1
2
3
4
5
6
    		 
    CREATE FOREIGN TABLE foreign_tpcds_reasons
(
  r_reason_sk integer not null,
  r_reason_id char(16) not null,
  r_reason_desc char(100)
) SERVER gsmpp_server OPTIONS (location 'gsfs://192.168.0.90:5000/* | gsfs://192.168.0.91:5000/*', FORMAT 'TEXT', delimiter E'\x08',  null '',reject_limit '2',EOL '0x0D') WITH err_foreign_tpcds_reasons;
  • 示例4：创建GDS外表foreign_tpcds_reasons，数据格式为FIXED。 
    1
2
3
4
5
6
    		 
    CREATE FOREIGN TABLE foreign_tpcds_reasons
(
  r_reason_sk       integer      position(1,2),
  r_reason_id       char(16)     position(3,16),
  r_reason_desc     char(100)    position(19,100)
) SERVER gsmpp_server OPTIONS (location 'gsfs://192.168.0.90:5000/*', FORMAT 'FIXED', ENCODING 'utf8',FIX '119');

相关文档