Gpload安装手册(Linux版本)
一、python 2.7版本
Linux系统默认是安装python2.7的,如果没有需要手动安装(python版本要求2.4.4以上);
通过命令:python
查看Python版本信息,如下图:
二、PyYAML包安装
2.1安装命令
安装命令:pip install pyyaml
2.2 检查安装
输入:python
输入:import yaml
没有报错,则表示安装成功,如下图:
报错则需要重新安装;
如果pip命令安装不上,则可以离线安装;
3.3 离线安装
安装包下载地址:https://pypi.org/project/PyYAML/#files
下载Linux对应版本的PyYAML包;
将文件拷贝到Linux上,并解压:tar -zxvf PyYAML-5.1.tar.gz
安装命令:进入解压后的文件夹,执行:python setup.py install
三、greenplum-loaders安装
3.1 greenplum-loaders下载
(1)下载地址:https://network.pivotal.io/products/pivotal-gpdb/#/releases/280281
注意:版本选择与Grennplum版本一致;
(2)查看Linux系统版本: cat /proc/version
(3)根据需安装服务器的系统版本,选择对应的版本:
3.2 greenplum-loaders安装
(1)解压
Unzip greenplum-loaders-5.16.0-rhel7-x86_64.zip
解压缩出来bin格式文件greenplum-loaders-5.16.0-rhel7-x86_64.bin
(2)运行
./greenplum-loaders-5.16.0-rhel7-x86_64.bin
中途提示是否接受协议,选择yes
一路yes,安装完成后自动跳到命令行;
注意:程序默认安装/usr/local/路径下,可根据自己想要安装的路径进行指定;
(3)vi ~/.bashrc
插入 source /usr/local/greenplum-loaders-5.16.0/greenplum_loaders_path.sh
生效命令 source ~/.bashrc
(4)如果安装不是默认路径,则需要更改/usr/local/greenplum-loaders-5.16.0/greenplum_loaders_path.sh中GPHOME_LOADERS改为你安装的路径;
(5)vi ~/.bash_profile
添加环境GP变量:
export PGDATABASE=addseg(数据库) export PGHOST=192.25.108.86(Master主机IP) export PGPORT=5432(端口) export PGUSER=gpadmin(用户名) export PGPASSWORD=123456(密码)
生效命令 source ~/.bash_profile
(6)配置Greenplum master主机上的pg_hba.conf文件
为了让Greenplum能够接受此主机的远程连接,需要配置Greenplum master主机上的pg_hba.conf文件,需要在其中添加一行表示此主机配置信息,格式为:
host database role CIDR-address authentication-method
host表示连接采用TCP/IP协议,database为此连接匹配的数据库名(可以为all),role代表为此连接匹配的数据库用户(可以为all),CIDR-address代表当客户端主机的IP地址和此值相匹配时建立连接,authentication-method代表授权方式,包括Trust和md5等方式,Trust代表只要连接即授权,md5代表需要密码进行授权;
命令:gpstop -u来让其生效
例如:Vi /home/data/master/gpseg-1/pg_hba.conf
gpstop -u
四、greenplum-loaders 测试
4.1 建表
greenplum集群的master节点上,在addseg数据库中建立表t02:
进去数据库:
psql -d addseg
创建表:
create table t02 ( id integer, name varchar(128) );
4.2 创建txt数据文件
在gpload服务器上建立临时测试数据文件t21.txt:
vi t21.txt
内容:
1|aaa 2|zhangsan 3|wanger 4|mazi
4.3 创建yaml文件
vi t02.yaml
内容:
VERSION: 1.0.0.1 DATABASE: addseg USER: gpadmin HOST: 192.25.108.86 PORT: 5432 GPLOAD: INPUT: - SOURCE: LOCAL_HOSTNAME: - 192.25.105.188 PORT: 55555 FILE: - /home/gpload/data/t21.txt - COLUMNS: - id: int - name: text - FORMAT: text - DELIMITER: '|' - ERROR_LIMIT: 25 OUTPUT: - TABLE: t02 - MODE: INSERT
Yaml配置参数说明:
VERSION: 1.0.0.1 #指定控制文件schema的版本 DATABASE: db_name #指定连接数据库的名字,如果没有指定,由环境变量$PGDATABASE,或者通过gpload参数-d指定 USER: db_username #指定连接目标数据库的用户名,如果不使用超级管理员,服务参数gp_external_grant_privileges必须设置成on HOST: master_hostname #指定master主机名,也可以通过gpload的-h选项,或者环境变量$PGHOST指定 PORT: master_port #指定master的连接端口号,默认是5432,或者通过gpload命令的-p选项或者环境变量$PGPORT指定。 GPLOAD: #必须指定,表示装载设置部分在它下面必须定义INPUT:和OUTPUT:两个部分。 INPUT: #必须指定,这部分指定装载数据的格式和位置 - SOURCE: #必须指定,定义source文件的位置,每个输入部分可以定义多个source部分 LOCAL_HOSTNAME: #指定gpload运行的主机名称和ip地址,如果有多块网卡,可以同时使用它们,提高装载速度。默认只使用首选主机名和IP - hostname_or_ip PORT: http_port #指定gpfdist使用的端口,也可以选择端口范围,由系统选择,如果同时指定,port设置优先级| PORT_RANGE: [start_port_range, end_port_range] FILE: #指定装载数据文件的位置,目录或者命名管道。如果文件使用gpzip或者bzip2进行了压缩,它可以自动解压。可以使用通配符*和C语言风格的关系匹配模式指定多个文件 - /path/to/input_file - COLUMNS: #指定数据源的数据格式,如果没有指定这部分,source表的列顺序,数量,以及数据类型必须与目标表一致 - field_name: data_type - FORMAT: text | csv #指定文件格式是text还是csv - DELIMITER: 'delimiter_character' #指定文本数据域(列)之间的分割符,默认是| - ESCAPE: 'escape_character' | 'OFF' #text定义转义字符,text格式默认是/,在text格式中可以选择off关掉转义字符 - NULL_AS: 'null_string' #指定描述空值的字符串,text格式默认是/N,csv格式不使用转义符号的空值 - FORCE_NOT_NULL: true | false #csv格式,强制所有字符默认都用”“括起,因此不能有空值,如果两个分割符之间没有值,被当做0长度字符串,认为值已经丢失 - QUOTE: 'csv_quote_character' #csv指定转义字符,默认是" - HEADER: true | false #是否跳过数据文件第一行,当做表头 - ENCODING: database_encoding #定数据源的字符集 - ERROR_LIMIT: integer #指定由于不符合格式数据记录的上限,如果超过该上限,gpload停止装载,否则正确记录可以被装载,错误记录抛出写入错误表。但它仅支持数据格式错误,不支持违背约束的问题 - ERROR_TABLE: schema.table_name #指定不符合格式要求记录的错误表。如果指定的表不存在系统自动创建 OUTPUT: - TABLE: schema.table_name #指定装载的目标表 - MODE: insert | update | merge #指定操作模式,默认是insert。merge操作不支持使用随机分布策略的表 - MATCH_COLUMNS: #为update操作和merge操作指定匹配条件。 - target_column_name - UPDATE_COLUMNS: #为update操作和merge操作指定更新的列 - target_column_name - UPDATE_CONDITION: 'boolean_condition' #指定where条件,目标表中只有满足条件的记录才能更改,(merge情况下,只有满足条件的记录才能insert) - MAPPING: #指定source列和目标列的映射关系。 target_column_name: source_column_name | 'expression' PRELOAD: #指定load之前的操作 - TRUNCATE: true | false #如果设置成true,装载之前先删除目标表中所有记录,再装载 - REUSE_TABLES: true | false #设置成true,不会删除外部表对象或者中间表对象。从而提升性能。 SQL: - BEFORE: "sql_command" #装载操作开始前执行的SQL,比如写日志表 - AFTER: "sql_command" #装载操作之后执行的SQL
4.4 执行yaml文件
(1)gpload服务器上,执行ymal:
输入:gpload -f t02.yml
(2)greenplum集群的master节点,查看表数据:
安装成功;
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/2550.html