Gpload安装手册（Linux版本）

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；