执行导入数据

前提条件

GDS服务器和GaussDB(DWS)集群之间网络可以互通。

• 需要创建一个弹性云服务器作为GDS服务器。
• 创建的弹性云服务器与GaussDB(DWS)集群应处于同一区域、同一虚拟私有云和子网。

操作步骤

1. 在GaussDB(DWS)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，但是如果不能保证数据唯一性不建议删除唯一索引。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	CREATE INDEX product_idx ON product_info(product_id);

3. 执行数据导入。

   1	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。

任务示例

1. 创建一个名为reasons的目标表。

   1 2 3 4 5 6 7

   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。
   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	DROP INDEX reasons_idx;

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	INSERT INTO reasons SELECT * FROM foreign_tpcds_reasons ;

4. 在数据导入完成后，再重新创建索引。

   1	CREATE INDEX reasons_idx ON reasons(r_reasons_id);