MINI LOAD

description

  1. MINI LOAD 和 STREAM LOAD 的导入实现方式完全一致。在导入功能支持上，MINI LOAD 的功能是 STREAM LOAD 的子集。
  2. 后续的导入新功能只会在 STREAM LOAD 中支持，MINI LOAD 将不再新增功能。建议改用 STREAM LOAD，具体使用方式请 HELP STREAM LOAD。
  4. MINI LOAD 是 通过 http 协议完成的导入方式。用户可以不依赖 Hadoop，也无需通过 Mysql 客户端，即可完成导入。
  5. 用户通过 http 协议描述导入，数据在接受 http 请求的过程中被流式的导入 Doris , **导入作业完成后** 返回给用户导入的结果。
  7. * 注：为兼容旧版本 mini load 使用习惯，用户依旧可以通过 'SHOW LOAD' 命令来查看导入结果。
  9. 语法：
  10. 导入：
  12.     curl --location-trusted -u user:passwd -T data.file http://host:port/api/{db}/{table}/_load?label=xxx
  14. 查看导入信息
  16.     curl -u user:passwd http://host:port/api/{db}/_load_info?label=xxx
  18. HTTP协议相关说明
  20.     权限认证            当前 Doris 使用 http 的 Basic 方式权限认证。所以在导入的时候需要指定用户名密码
  21.                         这种方式是明文传递密码的，暂不支持加密传输。
  23.     Expect              Doris 需要发送过来的 http 请求带有 'Expect' 头部信息，内容为 '100-continue'。
  24.                         为什么呢？因为我们需要将请求进行 redirect，那么必须在传输数据内容之前，
  25.                         这样可以避免造成数据的多次传输，从而提高效率。
  27.     Content-Length      Doris 需要在发送请求时带有 'Content-Length' 这个头部信息。如果发送的内容比
  28.                         'Content-Length' 要少，那么 Doris 认为传输出现问题，则提交此次任务失败。
  29.                         NOTE: 如果，发送的数据比 'Content-Length' 要多，那么 Doris 只读取 'Content-Length'
  30.                         长度的内容，并进行导入
  33. 参数说明：
  35.     user:               用户如果是在default_cluster中的，user即为user_name。否则为user_name@cluster_name。
  37.     label:              用于指定这一批次导入的 label，用于后期进行作业查询等。
  38.                         这个参数是必须传入的。
  40.     columns:            用于描述导入文件中对应的列名字。
  41.                         如果不传入，那么认为文件中的列顺序与建表的顺序一致，
  42.                         指定的方式为逗号分隔，例如：columns=k1,k2,k3,k4
  44.     column_separator:   用于指定列与列之间的分隔符，默认的为'\t'
  45.                         NOTE: 需要进行url编码，譬如
  46.                         需要指定'\t'为分隔符，那么应该传入'column_separator=%09'
  47.                         需要指定'\x01'为分隔符，那么应该传入'column_separator=%01'
  48.                         需要指定','为分隔符，那么应该传入'column_separator=%2c'
  51.     max_filter_ratio:   用于指定允许过滤不规范数据的最大比例，默认是0，不允许过滤
  52.                         自定义指定应该如下：'max_filter_ratio=0.2'，含义是允许20%的错误率
  54.     timeout:            指定 load 作业的超时时间，单位是秒。当load执行时间超过该阈值时，会自动取消。默认超时时间是 600 秒。
  55.                         建议指定 timeout 时间小于 86400 秒。
  57.     hll:                用于指定数据里面和表里面的HLL列的对应关系，表中的列和数据里面指定的列
  58.                         （如果不指定columns，则数据列面的列也可以是表里面的其它非HLL列）通过","分割
  59.                         指定多个hll列使用“:”分割，例如: 'hll1,cuid:hll2,device'
  61.     strict_mode:        指定当前导入是否使用严格模式，默认为 true。严格模式下，非空原始数据在列类型转化后结果为 NULL 的会被过滤。
  62.                         指定方式为 'strict_mode=false'
  64. NOTE: 
  65.     1. 此种导入方式当前是在一台机器上完成导入工作，因而不宜进行数据量较大的导入工作。
  66.     建议导入数据量不要超过 1 GB
  68.     2. 当前无法使用 `curl -T "{file1, file2}"` 这样的方式提交多个文件，因为curl是将其拆成多个
  69.     请求发送的，多个请求不能共用一个label号，所以无法使用
  71.     3. mini load 的导入方式和 streaming 完全一致，都是在流式的完成导入后，同步的返回结果给用户。
  72.     后续查询虽可以查到 mini load 的信息，但不能对其进行操作，查询只为兼容旧的使用方式。
  74.     4. 当使用 curl 命令行导入时，需要在 & 前加入 \ 转义，否则参数信息会丢失。

example

  1. 1. 将本地文件'testData'中的数据导入到数据库'testDb'中'testTbl'的表（用户是defalut_cluster中的）
  2.     curl --location-trusted -u root -T testData http://host:port/api/testDb/testTbl/_load?label=123
  4. 2. 将本地文件'testData'中的数据导入到数据库'testDb'中'testTbl'的表（用户是test_cluster中的）。超时时间是 3600 秒
  5.     curl --location-trusted -u root@test_cluster:root -T testData http://fe.host:port/api/testDb/testTbl/_load?label=123\&timeout=3600
  7. 3. 将本地文件'testData'中的数据导入到数据库'testDb'中'testTbl'的表, 允许20%的错误率（用户是defalut_cluster中的）
  8.     curl --location-trusted -u root -T testData http://host:port/api/testDb/testTbl/_load?label=123\&max_filter_ratio=0.2
  10. 4. 将本地文件'testData'中的数据导入到数据库'testDb'中'testTbl'的表, 允许20%的错误率，并且指定文件的列名（用户是defalut_cluster中的）
  11.     curl --location-trusted -u root -T testData http://host:port/api/testDb/testTbl/_load?label=123\&max_filter_ratio=0.2\&columns=k1,k2,k3
  13. 5. 使用streaming方式导入（用户是defalut_cluster中的）
  14.     seq 1 10 | awk '{OFS="\t"}{print $1, $1 * 10}' | curl --location-trusted -u root -T - http://host:port/api/testDb/testTbl/_load?label=123
  16. 6. 导入含有HLL列的表，可以是表中的列或者数据中的列用于生成HLL列（用户是defalut_cluster中的
  18.     curl --location-trusted -u root -T testData http://host:port/api/testDb/testTbl/_load?label=123\&max_filter_ratio=0.2
  19.           \&columns=k1,k2,k3\&hll=hll_column1,k1:hll_column2,k2
  21.     curl --location-trusted -u root -T testData http://host:port/api/testDb/testTbl/_load?label=123\&max_filter_ratio=0.2
  22.           \&hll=hll_column1,tmp_k4:hll_column2,tmp_k5\&columns=k1,k2,k3,tmp_k4,tmp_k5
  24. 7. 查看提交后的导入情况
  26.     curl -u root http://host:port/api/testDb/_load_info?label=123
  28. 8. 指定非严格模式导入
  29.     curl --location-trusted -u root -T testData http://host:port/api/testDb/testTbl/_load?label=123\&strict_mode=false

keyword

  1. MINI, LOAD