云原生數據倉庫AnalyticDB PostgreSQL版支持通過OSS外部表(即gpossext功能),將數據并行導出到阿里云對象存儲OSS,并支持通過GZIP進行OSS外部表文件壓縮,大量節省存儲空間及成本。
功能介紹
目前gpossext支持讀寫TEXT、CSV格式的文件以及GZIP壓縮格式的TEXT、CSV文件。
gpossext架構圖如下。
TEXT和CSV格式說明
下列幾個參數可以在外表DDL參數中指定,用于規定讀寫OSS的文件格式:
TEXT和CSV行分割符號是
\n
,也就是換行符。DELIMITER用于定義列的分割符:
當用戶數據中包括DELIMITER時,則需要和QUOTE參數一同使用。
推薦的列分割符有
,
、\t
、|
或一些不常見的字符。
QUOTE用于包裹有特殊字符的用戶數據(以列為單位):
包含有特殊字符的字符串會被QUOTE包裹,用于區分用戶數據和控制字符。
如果不必要,例如整數,基于優化效率的考慮,不必使用QUOTE包裹數據。
QUOTE不能和DELIMITER相同,默認QUOTE是雙引號。
當用戶數據中包含了QUOTE字符,則需要使用轉義字符ESCAPE加以區分。
ESCAPE用于特殊字符轉義:
轉義字符出現在需要轉義的特殊字符前,表示它不是一個特殊字符。
ESCAPE默認和QUOTE相同,為雙引號
""
。也支持設置成
\
(MySQL默認的轉義字符)或別的字符。
控制字符和格式 | TEXT | CSV |
DELIMITER(列分割符) | \t(Tab) | , (Comma) |
QUOTE(摘引) | " (Double-Quote) | "(Double-Quote) |
ESCAPE(轉義) | (不適用) | 與QUOTE相同 |
NULL(空值) | \N(Backslash-N) | (無引號的空字符串) |
所有的控制字符都必須是單字節字符。
注意事項
創建和使用外部表的語法,除了location相關參數,其余參數和Greenplum的使用方式相同。
數據導入導出的性能和AnalyticDB PostgreSQL的資源(CPU、I/O、內存、網絡等)有關,也和OSS相關。為了獲取最優的導入導出性能,建議在創建表時,使用列式存儲加壓縮功能。例如,指定子句
"WITH (APPENDONLY=true, ORIENTATION=column, COMPRESSTYPE=zlib, COMPRESSLEVEL=5, BLOCKSIZE=1048576)"
,詳細信息,請參見 Greenplum Database創建表官方文檔。為了保證數據導入導出的性能,請保證OSS與AnalyticDB PostgreSQL在同一地域下。
操作步驟
創建OSS外部表插件。
使用OSS外部表時,需要在AnalyticDB PostgreSQL中先創建OSS外部表插件(每個庫中均需要單獨創建)。創建命令如下:
CREATE EXTENSION IF NOT EXISTS oss_ext;
在AnalyticDB PostgreSQL中,創建WRITABLE外部表。
創建OSS外部表語法如下。
CREATE WRITABLE EXTERNAL TABLE table_name ( column_name data_type [, ...] | LIKE other_table ) LOCATION ('ossprotocol') FORMAT 'TEXT' [( [DELIMITER [AS] 'delimiter'] [NULL [AS] 'null string'] [ESCAPE [AS] 'escape' | 'OFF'] )] | 'CSV' [([QUOTE [AS] 'quote'] [DELIMITER [AS] 'delimiter'] [NULL [AS] 'null string'] [FORCE QUOTE column [, ...]] ] [ESCAPE [AS] 'escape'] )] [ ENCODING 'encoding' ] [ DISTRIBUTED BY (column, [ ... ] ) | DISTRIBUTED RANDOMLY ] ossprotocol: oss://oss_endpoint [prefix=prefix_name|dir=[folder/[folder/]...]/file_name] id=userossid key=userosskey bucket=ossbucket compressiontype=[none|gzip] async=[true|false]
參數說明如下。
參數
說明
WRITABLE
WRITABLE是導出模式外部表的關鍵字,創建外部表時需要明確指明。
FORMAT
支持文件格式,例如TEXT、CSV。
ENCODING
文件中數據的編碼格式,例如UTF8。
DISTRIBUTED BY
DISTRIBUTED BY子句可以讓數據節點(Segment)按指定的分布鍵將數據導出到OSS。
oss://oss_endpoint
協議和Endpoint,格式為
協議名://oss_endpoint
,其中協議名為oss,oss_endpoint為OSS對應區域的域名。示例如下:oss://oss-cn-hangzhou.aliyuncs.com
重要如果是從阿里云的主機訪問數據庫,應該使用內網域名(即帶有
internal
的域名),避免產生公網流量。id
阿里云賬號的AccessKey ID。獲取AccessKey操作,請參見創建AccessKey。
key
阿里云賬號的AccessKey Secret。獲取AccessKey操作,請參見創建AccessKey。
bucket
指定數據文件所在的Bucket,需要在OSS上預先創建。
prefix
指定數據文件對應路徑名的前綴,不支持正則表達式,僅是匹配前綴。
說明與dir互斥,兩者只能設置其中一個。
WRITABLE外部表在導出數據時,會根據該前綴自動生成一個唯一的文件名來給導出文件命名。
如果指定prefix=osstest/exp/outfromhdb,則表示的導出路徑為osstest/exp/,導出文件的名稱都以outfromhdb開頭。
dir
OSS中的虛擬文件夾路徑。
說明與prefix互斥,兩者只能設置其中一個。
文件夾路徑需要以
/
結尾,如test/mydir/
。在導出數據時,使用此參數創建外部表,所有數據會導出到此目錄下的多個文件中,輸出文件名的形式為
filename.x
,x為數字,但可能不是連續的。
compressiontype
導出文件的壓縮格式。
none(默認值):導入的文件未壓縮。
gzip:導入的文件壓縮格式為GZIP。
說明目前僅支持GZIP壓縮格式。
num_parallel_worker
設置導出到OSS的壓縮數據的并行壓縮線程個數,默認值為3。取值范圍為1~8。示例如下:
num_parallel_worker=3
oss_flush_block_size
單次導出數據到OSS的buffer大小,默認為32 MB。取值范圍為1 MB~128 MB。示例如下:
oss_flush_block_size=32
oss_file_max_size
設置導出到OSS的最大文件大小,超出之后會切換到另一個文件繼續寫。默認為1024 MB。取值范圍為8 MB~4000 MB。示例如下:
oss_file_max_size=1024
oss_connect_timeout
設置連接超時。單位為秒,默認為10秒。
oss_dns_cache_timeout
設置DNS超時。單位為秒,默認為60秒。
oss_speed_limit
設置觸發超時的最小速率。默認為1024字節,即1 KB。
需要與oss_speed_time參數配合使用。
說明如果使用默認值且連續15秒的傳輸速率小于1 KB,會觸發超時。具體信息,請參見OSS SDK 錯誤處理。
oss_speed_time
設置觸發超時的最長時間。默認為15秒。
需要與oss_speed_limit參數配合使用。
說明如果使用默認值且連續15秒的傳輸速率小于1 KB,會觸發超時。具體信息,請參見OSS SDK 錯誤處理。
并行導出數據。
在AnalyticDB PostgreSQL數據庫中執行如下命令,并行將數據導出到OSS。
INSERT INTO <外部表> SELECT * FROM <源表>
操作示例
本文以源表example為例,介紹將源表example的數據導出到OSS。
創建OSS外部表插件。
創建命令如下:
CREATE EXTENSION IF NOT EXISTS oss_ext;
創建源表,用于裝載待導出的數據。
源表example的建表語句如下:
CREATE TABLE example (date text, time text, open float, high float, low float, volume int) DISTRIBUTED BY (date);
創建OSS導出外部表。
創建外部表時,使用prefix參數指定導出路徑。示例如下:
CREATE WRITABLE EXTERNAL TABLE ossexample_exp (date text, time text, open float, high float, low float, volume int) location('oss://oss-cn-hangzhou.aliyuncs.com prefix=osstest/exp/outfromhdb id=XXX key=XXX bucket=testbucket') FORMAT 'csv' DISTRIBUTED BY (date);
創建外部表時,使用dir參數指定導出路徑。示例如下:
CREATE WRITABLE EXTERNAL TABLE ossexample_exp (date text, time text, open float, high float, low float, volume int) location('oss://oss-cn-hangzhou.aliyuncs.com dir=osstest/exp/ id=XXX key=XXX bucket=testbucket') FORMAT 'csv' DISTRIBUTED BY (date);
將數據并行地從example表導出到OSS。
INSERT INTO ossexample_exp SELECT * FROM example;
執行如下查詢計劃,可以看到Segment節點直接將本地數據導出到OSS,沒有進行數據重分布。
EXPLAIN INSERT INTO ossexample_exp SELECT * FROM example;
返回信息如下:
QUERY PLAN
---------------------------------------------------------------
Insert (slice0; segments: 3) (rows=1 width=92)
-> Seq Scan on example (cost=0.00..0.00 rows=1 width=92)
(2 rows)
SDK錯誤處理
當導入或導出操作出錯時,錯誤日志可能會出現如下信息:
code:出錯請求的HTTP狀態碼。
error_code:OSS的錯誤碼。
error_msg:OSS的錯誤信息。
req_id:標識該次請求的UUID。當您無法解決問題時,可以憑req_id來請求OSS開發工程師的幫助。
具體信息,請參見OSS API 錯誤響應,超時相關的錯誤可以使用oss_ext相關參數處理。