gpload的配置与使用

启动服务（gpfdist）

因为gpload是对gpfdist的封装，因此使用gpload之前必须开启gpfdist的服务，不然无法使用

gpfdist -d /home/admin -p 8181 -l /tmp/gpfdist.log &

编写gpload的yml文件

VERSION: 1.0.0.1
DATABASE: db_market
USER: testuser
HOST: 172.18.15.123
PORT: 5432
GPLOAD:
    INPUT: 
    - SOURCE: 
        LOCAL_HOSTNAME: 
         - 172.18.0.0
        PORT: 8080
        FILE: ['E:\gpload_data\company\load3.dat']
    - COLUMNS: 
         - id:
         - base:
         - name:
    - FORMAT: TEXT
    - DELIMITER: '$'
    - QUOTE: '"'
    - HEADER: FALSE
    - ENCODING: UTF8
    - ERROR_LIMIT: 0
    OUTPUT:
    - TABLE: syn_yuandian.company
    - MODE: insert

执行命令

gpload -f member.yml

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, windows路径的指定比较特别，比如c:\ 要写成 c:/
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设置优先级高。
| 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（web log处理时比较有用）
- 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   --指定数据源的字符集
- 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会这中间表对象。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。