GaussDB 200使用GDS服务导入导出数据

GaussDB 200支持将存在远端服务器上的TEXT、CSV和FIXED格式的数据导入到集群中。本文介绍使用GDS（Gauss Data Service）工具将远端服务器上的数据导入GaussDB 200。环境如下表:

1、准备源数据

这里从PostgreSQL数据库中，使用copy命令导出一个csv格式的文件，如下：

rhnschema=> copy rhnpackagefile to '/tmp/rhnpackagefile.csv' with csv;

2、安装并启动GDS

• 创建用户以及用户组

[root@hd04 bin]# groupadd gdsgrp
[root@hd04 bin]# useradd -g gdsgrp gds_user

• 创建相关目录
  分别创建存放源数据以及GDS安装目录(自定义)。

  [root@hd04 ~]# mkdir /opt/bin   --GDS安装目录
  [root@hd04 ~]# mkdir /opt/data --源数据存放目录
  [root@hd04 ~]# chown -R gds_user:gdsgrp /opt/bin/gds
  [root@hd04 ~]# chown -R gds_user:gdsgrp /opt/data

• 拷贝源数据到数据目录

  [root@hd04 ~]# su - gds_user
  [gds_user@hd04 ~]$ scp root@hd01:/tmp/rhnpackagefile.csv /opt/data

• 安装GDS服务
  GDS工具位于GassDB安装包里，需要单独解压出来，以redhat的安装包为例，如下：

  [root@hd04 ~]# tar -xzf GaussDB_200_6.5.1_RHEL.tar.gz

  解压后找到GaussDB-Kernel-V300R002C00-REDHAT-64bit-Gds.tar.gz压缩包，并解压至GDS安装目录。

  [gds_user@hd04 ~]$ cd /opt/bin
  [gds_user@hd04 bin]$ tar -xzf /tmp/GaussDB-Kernel-V300R002C00-REDHAT-64bit-Gds.tar.gz

  然后以root用户修改/etc/profile，加入以下内容：

  [root@hd04 ~]# vi /etc/profile
  export LD_LIBRARY_PATH="/opt/bin/lib:$LD_LIBRARY_PATH"

  此处主要是配置GDS库路径，因为它依赖了Cjson动态库。

• 启动GDS服务

  [root@hd04 ~]# su - gds_user
  [gds_user@hd04 ~]$ /opt/bin/gds/gds -d /opt/data -p 192.168.120.25:5000 -H 192.168.110.1/24,192.168.120.1/24 -l /opt/bin/gds/gds_log.txt -D

  GDS的启动模式有两种：非ssl传输数据模式和ssl加密方式传输数据模式。上面使用的是非ssl传输数据模式。
  对于ssl模式，需要将GaussDB创建的GDS证书拷贝到GDS的安装目录里，如下:

  [gds_user@hd04 ~]$ cd /opt/bin/
  [gds_user@hd04 bin]$ scp -r root@hd01:/opt/huawei/Bigdata/mppdb/core/share/sslcert/gds ./

  以ssl模式启动GDS服务如下：

  [gds_user@hd04 ~]$ /opt/bin/gds/gds -d /opt/data -p 192.168.120.25:5000 -H 192.168.110.1/24 -l /opt/bin/gds/gds_log.txt -D --enable-ssl --ssl-dir /opt/bin/gds

  参数说明如下图所示：
  

  3、创建表并导入数据

  这里需要创建外表以及目标表，语句如下:
  
  外表参数如下图所示：
  
  创建目标表，如下：
  
  使用如下命令导入数据：

  rhnschema=# INSERT INTO rhnpackagefile2 SELECT * FROM f_rhnpackagefile;
  INSERT 0 27942567

  
  在导入过程中，如果出现数据格式错误，系统会记录到一张error表里(创建外表时指定的表)。

  4、优化导入数据的查询性能

  在数据导入完成后，执行ANALYZE语句生成表统计信息。执行计划生成器会使用这些统计数据，以生成最有效的查询执行计划。

如果导入过程中，进行了大量的更新或删除行时，应运行VACUUM FULL命令，然后运行ANALYZE命令。大量的更新和删除操作，会产生大量的磁盘页面碎片，从而逐渐降低查询的效率。VACUUM FULL可以将磁盘页面碎片恢复并交还操作系统。

rhnschema=# VACUUM FULL rhnpackagefile2;
VACUUM
rhnschema=# ANALYZE rhnpackagefile2;
ANALYZE

5、停止GDS服务

导入完成后，如果不需要GDS服务，可以将其停止。以gds_user用户，查询出GDS服务的进程号将其kill掉即可。

6、使用外表并行导出数据

使用GDS工具将数据从数据库导出到普通文件系统中，适用于高并发、大量数据导出的场景。通过外表设置的导出模式、导出数据格式等信息来指定待导出的数据文件，利用多DN并行的方式，将数据从数据库导出到数据文件中，从而提高整体导出性能。不支持直接导出文件到HDFS文件系统。

• CN只负责任务的规划及下发，把数据导出的工作交给了DN，释放了CN的资源，使其有能力处理外部请求。
• 通过让各个DN都参与数据导出，充分利用各个设备的计算能力及网络带宽。
  

GaussDB 200支持的导出模式有Local和Remote模式。

• Remote模式：将集群中的业务数据导出到集群之外的主机上。
  支持多个GDS服务并发导出，但1个GDS在同一时刻，只能为1个集群提供导出服务。
  配置与集群节点处于统一内网的GDS服务，导出速率受网络带宽影响，推荐的网络配置为10GE。
  支持数据文件格式：TEXT、CSV和FIXED。单行数据大小需<1GB。
• Local模式：将集群中的业务数据导出到集群节点所在主机上。一种专门为大量小文件而定制的一种策略。
  数据将均匀切割并生成到集群节点上指定的文件夹下，需占用集群节点的磁盘空间。
  支持数据文件格式：TEXT、CSV和FIXED。单行数据大小需<1GB。
  
• 创建外表
  SQL如下图：
  
• 导出数据

  rhnschema=# insert into f_rhnpackagerepodata select *from rhnpackagerepodata;
  INSERT 0 94519