GaussDB 使用gs_loader工具导入数据

操作场景

对于copy to导出的文件，可以使用gs_loader工具进行数据导入。gs_loader将控制文件支持的语法转换为\COPY语法，然后利用已有的\COPY功能，做主要数据导入工作，同时gs_loader将\COPY结果记录到日志中。

注意事项

gs_loader工具当前不支持M-Compatibility数据库。
使用gs_loader前请确保gs_loader版本与gsql版本、数据库版本保持一致。
gs_loader当前仅支持集中式版。
gs_loader导入过程中，不需要转码场景下，单行数据（包含tuple的元数据，以下均包含）小于1GB-1B；转码场景下单行数据小于256MB-1B，对以下转码场景进行了特殊处理：UTF-8 -> GB18030/GB18030_2022的限制为小于512MB-1B，UTF-8 -> GBK的限制为小于1GB-1B。
建议单个导入文件的大小不超过1GB。gs_loader对单个导入文件的大小没有限制，但是对大文件数据的导入通常会比较耗时，因此建议在使用的过程中，对较大的数据文件进行切分，启动多个gs_loader进程以append的形式向表中写入数据（如果有truncate的需要则需要单独执行truncate，而不是将truncate写入控制文件中）。在CPU资源足够时，这种做法可以有效地提升导入速率。
迁移准备
准备弹性云服务器或可通过公网访问GaussDB。
通过弹性云服务器连接GaussDB数据库实例，需要创建一台弹性云服务器。
创建并登录弹性云服务器，请参见《弹性云服务器快速入门》中“购买弹性云服务器”和“登录弹性云服务器”。

通过公网地址连接GaussDB数据库实例，需具备以下条件。
先对GaussDB数据库实例绑定公网地址，如何绑定公网地址，请参见绑定弹性公网IP。
保证本地设备可以访问GaussDB数据库实例绑定的公网地址。
在准备的弹性云服务器或可访问GaussDB数据库的设备上，安装gsql客户端，并连接到GaussDB数据库实例。详情请参见使用gsql连接数据库。

操作步骤

创建控制文件，准备数据文件。
创建控制文件，将数据导入到loader_tbl表中，如’/tmp/data/loader.ctl’。其中WHEN要求每行第二个字符为’,'。

LOAD DATA
truncate into table loader_tbl
WHEN (2:2) = ',' 
fields terminated by ','
trailing nullcols
(
    id integer external,
    name char(32),
    con ":id || '-' || :name",
    dt date
)

b，创建guc参数文件，如’/tmp/data/guc.txt’。

set a_format_copy_version='s1';

c，创建数据文件，如’/tmp/data/data.csv’。

1,OK,,2007-07-8
2,OK,,2008-07-8
3,OK,,2009-07-8
4,OK,,2007-07-8
43,DISCARD,,2007-07-8
,,,
32,DISCARD,,2007-07-8
a,ERROR int,,2007-07-8
8,ERROR date,,2007-37-8
,,,,
 ,
8,ERROR fields,,2007-37-8
,,,
5,OK,,2021-07-30

2.创建用户并授予使用权限。

CREATE USER load_user WITH PASSWORD '************';
GRANT ALL ON SCHEMA public TO load_user;
SELECT copy_summary_create() WHERE NOT EXISTS(SELECT * FROM pg_tables WHERE schemaname='public' AND tablename='gs_copy_summary');
GRANT ALL PRIVILEGES ON  public.gs_copy_summary To load_user;
SELECT copy_error_log_create() WHERE NOT EXISTS(SELECT * FROM pg_tables WHERE schemaname='public' AND tablename='pgxc_copy_error_log');
GRANT ALL PRIVILEGES ON  public.pgxc_copy_error_log To load_user;
\c - load_user
Password for user load_user:

3.创建目标导入表，如在gs_example数据库下创建loader_tbl表。

\c gs_example
Password for user load_user:
CREATE TABLE loader_tbl
(
    ID   NUMBER,
    NAME VARCHAR2(20),
    CON  VARCHAR2(20),
    DT   DATE
);

4.进行导入。

退出当前登录连接。

\q

执行导入前，先确认gs_loader工具有可执行权限。确保当前路径有文件写入权限（gs_loader在处理过程中会生成一些临时文件，导入完成后自动删除）。

gs_loader control=/tmp/data/loader.ctl data=/tmp/data/data.csv db=gs_example bad=/tmp/data/loader.bad guc_param=/tmp/data/guc.txt errors=5 port=8000 passwd=************ user=load_user -h 192.*.*.139;

执行结果如下。

gs_loader: version 0.1

 5 Rows successfully loaded. 

log file is: 
 /tmp/data/loader.log

其中/tmp/data/data.csv文件的前四行和最后一行被导入，第5行和第7行第二个字符不是’,‘被忽略；第6行，第10行和第13行全部字段为空被忽略；第8行，第9行和第12行由于错误的字段值而不被导入。定义的’bad=/tmp/data/loader.bad’可以查看出错的行，执行结果回显的’/tmp/data/loader.log’记录了导入的日志信息。