云数据库 GAUSSDB-创建GDS外表:操作步骤

时间：2024-11-02 18:48:14

云数据库 GAUSSDB

操作步骤

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 CS V、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，假设待入库的数据为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，假设是以英文逗号分隔的。
- encoding：数据源文件的数据编码格式。例如，假设为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。
依据数据源文件中的数据情况，设计导入容错机制。
GaussDB 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。
- 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。
- 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。
  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。

使用gsql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：

    
     
       
       
         openGauss=# 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/input_data | gsfs://192.168.0.91:5000/input_data', 
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目标表保持一致。
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。

CREATE FOREIGN TABLE语法的更多信息，请参考CREATE FOREIGN TABLE (导入导出)。

上一篇：云数据库 GAUSSDB-创建GDS外表:任务示例

下一篇：云数据库 GAUSSDB-创建GDS外表:任务示例