GreenPlum使用手册

\\\\\\\\\

\\\)

WITH (OIDS=FALSE) ;

1 启动装载服务（集成到gp环境里了）：

gpfdist -d /home/gpadmin/input -p 8088 -l /home/gpadmin/gpfdist.log &

1 装载： 进入数据库

insert into ips_sip_t select * from ext_ips_sip_t_new；

装载ok

3.4.1.2 利用gpload导入数据

类似于ORACLE SQL*LOADER，gpload是EMC在greenplum中提供的用来进行数据装载的工具。

gpload也是通过它的控制文件指定装载的细节信息。所以编写控制文件是用好gpload的关键所在。gpload的控制文件采用YAML1.1文档格式编写，因此它必须得是有效的YAML格式。具体格式如下 ---

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必须设臵成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，表示装载设臵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臵

- SOURCE:

--必须指定，定义source文件的位臵，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设臵优先级高。

| PORT_RANGE: [start_port_range, end_port_range] FILE:

--指定装载数据文件的位臵，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

--如果设臵成true,装载之前先删除目标表中所有记录，再装载 - REUSE_TABLES: true | false

--设臵成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: \

--装载操作开始前执行的SQL，比如写日志表 - AFTER: \

--装载操作之后执行的SQL。

gpload YAML数据记载控制文件使用示例（DPI集团监控中心gpload数据加载控制文件）： goload命令使用格式：

gpload -f control_file [-l log_file ] [ -h hostname ] [ -p port] [ -U username ] [ -d database ] [ -W] [[-v | -V] [ -q]] [-D]

参数说明： -f control_file YAML控制文件 -l log_file数据记载过程记录日志文件位臵 -h hostname GreenPlum数据库主机

-p port GreenPlum数据库端口号 -U username 连接到数据库的用户名 -d database 使用的数据库 -v 显示数据加载过程

-V 显示非常详细的加载过程 -D debug模式

-q 安静加载，产生的日志都记录到日志文件中

gpload是一个非常灵活的工具，据说可以实现文件不落地加载，可以大大提高数据装载吞吐量。

3.4.2 SQL并行查询 3.4.3 聚合函数 3.4.4 索引

在OLTP环境中，为了追求最快的响应时间而大量的使用索引。一般都是单条命中或少量数据集。

但是GP一般都是用来做OLAP，基本都是全表扫描，故应该尽量少的使用索引。 GP推荐在没有加任何索引的情况下，查看下你的查询的消耗情况。 (注：有主键的表，系统会自动创建主键索引。)

------建索引需考虑------- 1. 查询负载

BI一般都访问大数据集，因此不能利用上索引。

针对OLAP型数据库，序列读取大批量数据比用索引随机扫描的性能要好。 2. 不要频繁更新的字段上建索引 3. 选择性的创建B-tree索引

索引选择度 = 同列的distinct个数 / 全部行数

例如：一个表有1000行，某列有800个唯一值，索引的选择度是0.8 唯一索引的选择度是1.0，这是最好情况 4. 在低选择性的列使用Bitmap索引

GP新增Bitmap索引，在postgresql是没有的 5. 索引列通常用来做join