cassandra导出和导入数据

cassandra像其他RDBMS一样提供了export/import工具：

• cqlsh命令COPY TO/FROM

  注意这不是cql命令。使用这组命令可以在cassandra与其他RDBMS或cassandra之间迁移数据。COPY TO/FROM支持CSV文件格式以及标准输出和输入。
  COPY TO/FROM命令同样支持集合数据类型。

• sstable2json/json2sstable

  这组工具已经过时，在3.0版本中已被删除。所以不应该再使用这组工具。

• sstableloader

  Cassandra bulk loader,可以装载外部数据到cassandra,也可以恢复snapshot,装载sstable到不同配置的cassandra集群。
  如果数据量很大，应该使用sstableloader，如果数据量比较小的话，使用COPY TO/FROM更省时省力。

• Snapshots

  snapshots是cassandra正牌的备份恢复工具，而不是用于与其他数据库系统进行数据迁移的工具。所以严格来说它不应该算作export/import工具。

• ETL工具

  很多第三方的ETL(Extract-Transform-Load)工具支持从其他数据库向cassandra数据库迁移数据。

COPY TO/FROM

这里只讲一下COPY TO/FROM命令。

命令格式:

COPY table_name ( column, ...)
FROM ( 'file_name' | STDIN )
WITH option = 'value' AND ...

COPY table_name ( column , ... )
TO ( 'file_name' | STDOUT )
WITH option = 'value' AND ...

COPY FROM 用于从csv文件或标准输入import数据到表，而COPY TO用于将表数据export到csv文件或标准输出。

WITH option=’value’ 用于指定csv文件的格式,分隔符，引用，转移字符，文件编码，时间格式等等，详见官方文档。

如果不指定列名，会按表元数据中记载的列顺序输出所有的列。同样，如果csv也是按相同的顺序组织数据，COPY FROM时也可以忽略所有的列名。

COPY TO/FROM时，可以只指定部分列进行部分数据的导出和导入，而且可以以任意顺序指定列名。

如果表中已经存在数据，COPY FROM不会truncate已有的数据。

导出数据的示例：

cqlsh> use test ;
cqlsh> COPY airplanes (name, mach, year, manufacturer) TO 'export.csv' ;

导入数据的示例:

cqlsh> COPY airplanes (name, mach, year, manufacturer) FROM 'import.csv' ;

如果使用标准输入导入数据，要使用只包含 \. 字符的单独一行来结束数据输入。

如果导入数据时出现如下错误提示：

Error starting import process:

field larger than field limit (131072)
%d format : a number is required, not NoneType

这是因为csv文件包含大容量字段，python的csv模块需要设置更大的字段尺寸限制。

修改/usr/bin/cqlsh.py文件,在导入csv模块之后，添加如下行:

csv.field_size_limit(sys.maxsize)

注意：含有counter列的表无法使用COPY TO/FROM来导出和导入数据。

References:
[1]Ways to Move Data To/From DataStax Enterprise and Cassandra
[2]Consider deprecating sstable2json/json2sstable in 2.2
[3]_csv.Error: field larger than field limit (131072)
[4]cassandra数据迁移