使用GDS从远端服务器导入数据

要介绍使用GDS从远端服务器导入数据的最佳实践。

教程指引

本教程旨在演示使用GDS（General Data Service）工具将远端服务器上的数据导入DWS中的办法，帮助您学习如何通过GDS进行数据导入的方法。

在本教程中，您将：

• 生成本教程需要使用的CSV格式的数据源文件。
• 将数据源文件上传到数据服务器。
• 创建外表，用于对接GDS和DWS，及将数据服务器上的数据引流到DWS集群中。
• 启动DWS并创建数据库表后，将数据导入到表中。
• 根据错误表中的提示诊断加载错误并更正这些错误。

准备ECS作为GDS服务器

创建Linux弹性云主机的操作步骤，请参见《弹性云主机-用户指南》中的“创建弹性云主机”。创建后，请参见《弹性云主机-用户指南》中的“登录Linux弹性云主机”章节进行登录。

说明

l  ECS操作系统必须是GDS工具包所支持的操作系统。

l  ECS与DWS处于同一区域、同一虚拟私有云和子网。

l  ECS安全组规则需放通DWS集群的访问，即安全组入规则：

l  协议：TCP

l  端口范围：5000

l  源地址：选择“IP地址”，输入DWS 集群地址，例如“192.168.0.10/32”。

l  ECS内部如果启用了防火墙，需要保证防火墙打开了GDS服务的监听端口：

iptables  -I INPUT -p tcp -m tcp –dport -j ACCEPT

下载GDS工具包

1.登录DWS管理控制台。

2.在左侧导航栏中，单击“连接管理”。

3.在“gsql命令行客户端”的下拉列表中，选择对应版本的DWS 客户端。

请根据集群版本和安装客户端的操作系统，选择对应版本。

准备数据源文件

• 数据文件“product_info0.csv”

100,XHDK-A,2017-09-01,A,2017 Shirt Women,red,M,328,2017-09-04,715,good!
205,KDKE-B,2017-09-01,A,2017 T-shirt Women,pink,L,584,2017-09-05,40,very good!
300,JODL-X,2017-09-01,A,2017 T-shirt men,red,XL,15,2017-09-03,502,Bad.
310,QQPX-R,2017-09-02,B,2017 jacket women,red,L,411,2017-09-05,436,It's nice.
150,ABEF-C,2017-09-03,B,2017 Jeans Women,blue,M,123,2017-09-06,120,good.

• 数据文件“product_info1.csv”

200,BCQP-E,2017-09-04,B,2017 casual pants men,black,L,997,2017-09-10,301,good quality.
250,EABE-D,2017-09-10,A,2017 dress women,black,S,841,2017-09-15,299,This dress fits well.
108,CDXK-F,2017-09-11,A,2017 dress women,red,M,85,2017-09-14,22,It's really amazing to buy.
450,MMCE-H,2017-09-11,A,2017 jacket women,white,M,114,2017-09-14,22,very good.
260,OCDA-G,2017-09-12,B,2017 woolen coat women,red,L,2004,2017-09-15,826,Very comfortable.

• 数据文件“product_info2.csv”

980,"ZKDS-J",2017-09-13,"B","2017 Women's Cotton Clothing","red","M",112,,,
98,"FKQB-I",2017-09-15,"B","2017 new shoes men","red","M",4345,2017-09-18,5473
50,"DMQY-K",2017-09-21,"A","2017 pants men","red","37",28,2017-09-25,58,"good","good","good"
80,"GKLW-l",2017-09-22,"A","2017 Jeans Men","red","39",58,2017-09-25,72,"Very comfortable."
30,"HWEC-L",2017-09-23,"A","2017 shoes women","red","M",403,2017-09-26,607,"good!"
40,"IQPD-M",2017-09-24,"B","2017 new pants Women","red","M",35,2017-09-27,52,"very good."
50,"LPEC-N",2017-09-25,"B","2017 dress Women","red","M",29,2017-09-28,47,"not good at all."
60,"NQAB-O",2017-09-26,"B","2017 jacket women","red","S",69,2017-09-29,70,"It's beautiful."
70,"HWNB-P",2017-09-27,"B","2017 jacket women","red","L",30,2017-09-30,55,"I like it so much"
80,"JKHU-Q",2017-09-29,"C","2017 T-shirt","red","M",90,2017-10-02,82,"very good."

1.新建文本文档并使用本地编辑工具（例如Visual Studio Code）打开后，将示例数据拷贝进文本文档中。

2.选择“格式>以UTF-8无BOM格式编码”。

3.选择“文件>另存为”。

4.在弹出的对话框中输入文件名后，将文件后缀设为.csv，单击“保存”。

5.以root用户登录GDS服务器。

6.创建数据文件存放目录“/input_data”。

mkdir -p /input_data

7.使用MobaXterm将数据源文件上传至上一步所创建的目录中。

安装并启动GDS

1.以root用户登录GDS服务器，创建存放GDS工具包的目录/opt/bin/dws*。*

mkdir -p /opt/bin/dws

2.将GDS工具包上传至上一步所创建的目录中。

以上传redhat版本的工具包为例 ，将GDS工具包“dws_client_8.1.x_redhat_x64.zip”上传至上一步所创建的目录中。

3.在工具包所在目录下，解压工具包。

cd /opt/bin/dws
unzip dws_client_8.1.x_redhat_x64.zip

4.创建用户gds_user及其所属的用户组gdsgrp。此用户用于启动GDS，且需要拥有读取数据源文件目录的权限。

groupadd gdsgrp
useradd -g gdsgrp gds_user

5.修改工具包以及数据源文件目录属主为创建的用户gds_user及其所属的用户组gdsgrp。

chown -R gds_user:gdsgrp /opt/bin/dws/gds
chown -R gds_user:gdsgrp /input_data

6.切换到gds_user用户。

su – gds_user

若当前集群版本为8.0.x及以前版本，请跳过步骤7，直接执行步骤8。

若当前集群版本为8.1.x版本，则正常执行以下步骤。

7.执行环境依赖脚本。（仅8.1.x版本适用）

cd /opt/bin/dws/gds/bin
source gds_env

8.启动GDS。

/opt/bin/dws/gds/bin/gds -d /input_data/ -p 192.168.0.90:5000 -H 10.10.0.1/24 -l /opt/bin/dws/gds/gds_log.txt -D

命令中的斜体部分请根据实际填写。

• -d dir ：保存有待导入数据的数据文件所在目录。本教程中为“/input_data/”。
• -p ip:port ：GDS监听IP和监听端口。默认值为：127.0.0.1，需要替换为能跟DWS通信的万兆网IP。监听端口的取值范围：1024~65535。默认值为：8098。本教程配置为：192.168.0.90:5000。
• -H address_string ：允许哪些主机连接和使用GDS服务。参数需为CIDR格式。此参数配置的目的是允许DWS集群可以访问GDS服务进行数据导入。所以请保证所配置的网段包含DWS集群各主机。
• -l log_file ：存放GDS的日志文件路径及文件名。本教程为“/opt/bin/dws/gds/gds_log.txt”。
• -D ：后台运行GDS。仅支持Linux操作系统下使用。

创建外表

1.使用SQL客户端工具连接DWS数据库。

2.创建如下外表：

注意

LOCATION：请替换成实际的GDS地址和端口。

DROP FOREIGN TABLE IF EXISTS product_info_ext;
CREATE FOREIGN TABLE product_info_ext
(
product_price integer not null,
product_id char(30) not null,
product_time date ,
product_level char(10) ,
product_name varchar(200) ,
product_type1 varchar(20) ,
product_type2 char(10) ,
product_monthly_sales_cnt integer ,
product_comment_time date ,
product_comment_num integer ,
product_comment_content varchar(200)
)
SERVER gsmpp_server
OPTIONS(
LOCATION 'gsfs://192.168.0.90:5000/*',
FORMAT 'CSV' ,
DELIMITER ',',
ENCODING 'utf8',
HEADER 'false',
FILL_MISSING_FIELDS 'true',
IGNORE_EXTRA_DATA 'true'
)
READ ONLY
LOG INTO product_info_err
PER NODE REJECT LIMIT 'unlimited';

返回如下信息表示创建成功：

CREATE FOREIGN TABLE

导入数据

1.使用如下语句在DWS中创建目标表product_info，用于存储导入的数据。

DROP TABLE IF EXISTS product_info;
CREATE TABLE product_info
(
product_price integer not null,
product_id char(30) not null,
product_time date ,
product_level char(10) ,
product_name varchar(200) ,
product_type1 varchar(20) ,
product_type2 char(10) ,
product_monthly_sales_cnt integer ,
product_comment_time date ,
product_comment_num integer ,
product_comment_content varchar(200)
)
WITH (
orientation = column,
compression=middle
)
DISTRIBUTE BY hash (product_id);

2.将数据源文件中的数据通过外表“product_info_ext”导入到表“product_info”中。

INSERT INTO product_info SELECT * FROM product_info_ext ;

出现以下信息，说明数据导入成功。

INSERT 0 20

3.执行SELECT命令查询目标表product_info，查看导入到DWS中的数据。

SELECT count(*) FROM product_info;

查询结果显示结果如下，表示导入成功。

count
——-
20
(1 row)

4.对表product_info执行VACUUM FULL。

VACUUM FULL product_info

5.更新表product_info的统计信息。

ANALYZE product_info;

停止GDS

1.以gds_user用户登录安装GDS的数据服务器。

2.请使用以下方式停止GDS。

a.执行如下命令，查询GDS进程号。其中GDS进程号为128954。

ps -ef|grep gds
gds_user 128954 1 0 15:03 ? 00:00:00 gds -d /input_data/ -p 192.168.0.90:5000 -l /opt/bin/gds/gds_log.txt -D
gds_user 129003 118723 0 15:04 pts/0 00:00:00 grep gds

b.使用“kill”命令，停止GDS。其中128954为上一步骤中查询出的GDS进程号。

kill -9 128954

清除资源

1.执行以下命令，删除目标表product_info。

DROP TABLE product_info;

当结果显示为如下信息，则表示删除成功。

DROP TABLE

2.执行以下命令，删除外表product_info_ext。

DROP FOREIGN TABLE product_info_ext;

当结果显示为如下信息，则表示删除成功。

DROP FOREIGN TABLE