操作步骤

1. 收集数据源格式信息、GDS服务的访问信息。

   需要收集的主要数据源格式信息如下：

   • format：GDS外表导入支持CSV、TEXT和FIXED格式。请确认存放在数据服务器上待入库数据的格式。例如，假设待入库的数据为CSV格式。
   • header（仅支持CSV,FIXED格式）：确认数据文件是否包含标题行。
   • delimiter：确认数据文件中，字段间的分隔符。例如，假设是以英文逗号分隔的。
   • encoding：数据源文件的数据编码格式。例如，假设为UTF-8。
   • eol：确认数据文件中，行间的换行符。例如，默认的换行符，如0x0D0A、0X0A，或者自定义的换行符，如字符串!@#。该参数仅支持TEXT格式导入。
   • 外表可识别的其他更多格式信息请参见数据格式参数。

   需要收集的GDS服务的访问信息如下：

   location：GDS服务的访问地址。例如以安装配置和启动GDS中的GDS信息为例。非SSL模式下的location为：gsfs://192.168.0.90:5000//input_data/。SSL模式下的location为：gsfss://192.168.0.90:5000//input_data/ 。其中，“192.168.0.90:5000”为GDS服务的IP及端口号；“input_data”为GDS服务管理的数据源文件所在的路径。请根据实际情况替换。

2. 依据数据源文件中的数据情况，设计导入容错机制。
   GaussDB 200支持如下的数据容错性处理，相当于数据入库前对数据做初步的简单清洗。

   • fill_missing_fields：数据入库时，数据源文件中某行的最后一个字段缺失时，请选择是直接将字段设为Null，还是在错误表中报错提示。
   • ignore_extra_data：数据源文件中的字段比外表定义列数多时，请选择是忽略多出的列，还是在错误表中报错提示。
   • per node reject_limit：本次数据导入过程中每个DN实例上允许出现的数据格式错误的数量。如果有一个DN实例上录入错误表中的错误数量超过设定值时，本次导入失败，报错退出。可以选择不做限制，也可以根据所能容忍的错误数量选择一个上限值。
   • compatible_illegal_chars：导入时遇到非法字符，选择如何处理。是将非法字符按照转换规则转换后入库，还是报错中止导入。

     非法字符容错转换规则如下：

     • 对于'\0'，容错后转换为空格。
     • 对于其他非法字符，容错后转换为问号。
     • 对非法字符进行容错转换时，如遇NULL、DELIMITER、QUOTE、ESCAPE也设置成了空格或问号，GaussDB 200会通过如"illegal chars conversion may confuse COPY escape 0x20"等报错信息提示用户修改可能引起混淆的参数以避免导入错误。
   • error_table_name：用于记录数据格式错误信息的错误表表名。并行导入结束后查询此错误信息表，能够获取详细的错误信息。
   • remote log 'name'：数据导入过程中的数据格式错误信息是否同时在GDS服务器上以文件方式保存。name为错误数据文件的文件名前缀。
   • 关于容错性参数的更多信息请参考容错性参数。

3. 使用gsql或Data Studio连接数据库后，根据前面步骤所收集和规划的信息参数，创建GDS外表。

   示例如下：

   CREATE FOREIGN TABLE foreign_tpcds_reasons
   (
     r_reason_sk integer not null,
     r_reason_id char(16) not null,
     r_reason_desc char(100)
   )
    SERVER gsmpp_server
    OPTIONS 
   (
   LOCATION 'gsfs://192.168.0.90:5000/input_data | gsfs://192.168.0.91:5000/input_data', 
   FORMAT 'CSV' ,
   DELIMITER ',',
   ENCODING 'utf8',
   HEADER 'false',
   FILL_MISSING_FIELDS 'true',
   IGNORE_EXTRA_DATA 'true'
   )
   LOG INTO product_info_err 
   PER NODE REJECT LIMIT 'unlimited';

   示例中的各项说明如下：

   • 外表字段需与数据库中即将存储数据的事实表保持一致。
   • 对于GDS导入，SERVER gsmpp_server请保持不变。
   • location参数请根据1中收集的GDS服务访问信息修改。注意GDS使用SSL加密传输时，需要将“gsfs”替换为“gsfss”。
   • FORMAT、DELIMITER、ENCODING、HEADER请根据1中收集的数据源格式信息填写。
   • FILL_MISSING_FIELDS、IGNORE_EXTRA_DATA、LOG INTO及PER NODE REJECT LIMIT请根据2中设计的导入容错机制填写。注意LOG INTO是指将数据格式错误录入哪个错误表，即其取值为错误表表名。

   CREATE FOREIGN TABLE语法的更多信息，请参考CREATE FOREIGN TABLE (导入导出)。

任务示例

除了以下示例，更多外表创建的示例请参考示例。

• 示例1：创建GDS外表foreign_tpcds_reasons，数据格式为CSV。

  CREATE FOREIGN TABLE foreign_tpcds_reasons
  (
    r_reason_sk integer not null,
    r_reason_id char(16) not null,
    r_reason_desc char(100)
  )
   SERVER gsmpp_server OPTIONS (location 'gsfs://192.168.0.90:5000/* | gsfs://192.168.0.91:5000/*', FORMAT 'CSV',MODE 'Normal', ENCODING 'utf8', DELIMITER E'\x08', QUOTE E'\x1b', NULL '');

• 示例2：创建GDS导入外表foreign_tpcds_reasons_SSL，使用SSL加密传输的模式传输，数据格式为CSV。

  CREATE FOREIGN TABLE foreign_tpcds_reasons_SSL
  (
    r_reason_sk integer not null,
    r_reason_id char(16) not null,
    r_reason_desc char(100)
  )
   SERVER gsmpp_server OPTIONS (location 'gsfss://192.168.0.90:5000/* | gsfss://192.168.0.91:5000/*', FORMAT 'CSV',MODE 'Normal', ENCODING 'utf8', DELIMITER E'\x08', QUOTE E'\x1b', NULL '');

• 示例3：创建GDS外表foreign_tpcds_reasons，数据格式为TEXT。

  CREATE FOREIGN TABLE foreign_tpcds_reasons
  (
    r_reason_sk integer not null,
    r_reason_id char(16) not null,
    r_reason_desc char(100)
  ) SERVER gsmpp_server OPTIONS (location 'gsfs://192.168.0.90:5000/* | gsfs://192.168.0.91:5000/*', FORMAT 'TEXT', delimiter E'\x08',  null '',reject_limit '2',EOL '0x0D') WITH err_foreign_tpcds_reasons;

• 示例4：创建GDS外表foreign_tpcds_reasons，数据格式为FIXED。

  CREATE FOREIGN TABLE foreign_tpcds_reasons
  (
    r_reason_sk       integer      position(1,2),
    r_reason_id       char(16)     position(3,16),
    r_reason_desc     char(100)    position(19,100)
  ) SERVER gsmpp_server OPTIONS (location 'gsfs://192.168.0.90:5000/*', FORMAT 'FIXED', ENCODING 'utf8',FIX '119');