一、关于sys_bulkload数据加载工具
sys_bulkload是KingbaseES提供的快速加载数据的命令行工具。用户使用sys_bulkload工具能够把一定格式的文本数据简单、快速的加载到KingbaseES数据库中,或将KingbaseES数据库中的数据快速导出到CSV文件中。使用前需要用户手动创建sys_bulkload插件,需要说明的是sys_bulkload工具是随数据库版本一同发布的,使用时请使用对应发布的数据库版本,其他数据版本则不保证能正常工作。
sys_bulkload使用请参考: https://help.kingbase.com.cn/v8/admin/reference/ref-client/bulkload.html?highlight=sys_bulkload
二、使用sys_bulkload加载数据:
1. 导入命令:
sys_bulkload -i /home/webuer/F_CM.dat -O wzh.F_CM -l ./test_load.log -o "TYPE=TEXT" -H10.10.10.10 -Uwzh -Wwzh -dwzh
2. 错误信息:
sys_bulkload 3.1.15 on 2023-03-09 14:19:21.213938+08
INPUT = /home/webuser/F_CM.dat
LIMIT = INFINITE
PARSE_ERRORS = 0
CHECK_CONSTRAINTS = NO
TYPE = CSV
SKIP = 0
DELIMITER = ,
QUOTE = "\""
ESCAPE = "\""
NULL =
SPECIFY_COLUMN =
OUTPUT = wzh.f_cm
ASYNC_WRITE = NO
REINDEX = YES
VERBOSE = NO
WRITE = BUFFERED
DUPLICATE_ERRORS = 0
ON_DUPLICATE_KEEP = NEW
TRUNCATE = NO
Parse eroor Record 1:Input Record 1:Rejected - column 1. missing data for column "farendma"
Maximum parse error count execeded - 1 error(s) found in input file
0 Rows skipped.
0 Rows successfully loaded.
1 Rows not loaded due to parse errors.
0 Rows not loaded due to dulicate errors.
0 Rows replaced with new rows.
Run began on 2023-03-09 14:19:21.213938+08
Run ended on 2023-03-09 14:19:21.215044+08
CPU 0.00s/0.00u sec elapsed 0.00 sec
NOTICE: BULK LOAD END
0 Rows skipped.
0 Rows successfully loaded.
1 Rows not loaded due to parse errors.
0 Rows not loaded due to dulicate errors.
0 Rows replaced with new rows.
log path: /home/webuser/test_load.log
parse srror path: /home/webuser/F_CM.bad
duplicate error path: /home/webuser/F_CM.dupbad
ctrl file path:
data file path: /home/webuser/F_CM.bad
Run began on 2023-03-09 14:19:21.213938+08
Run ended on 2023-03-09 14:19:21.215044+08
WARNING: some rows were not loaded due to errors.
通过错误信息可以看到,在parse阶段就发生错误。
三、原因分析:
在parse节点数据发生解析错误,最大可能是数据分隔符识别有问题:
经沟通,原始数据是通过ociuldr工具进行导出,分隔符使用十六进制(0X03)进行数据分隔。
查看原数据:
1. linux系统:
$ cat F_CM.bad
2020-08-269779WD0005688022200001118022110001支付虚拟柜员666112018051680003509999999990000001200011121100012020051615111590451131
$ more F_CM.bad
2020-08-269779WD0005688022200001118022110001支付虚拟柜员666112018051680003509999999990000001200011121100012020051615111590451131
$ less F_CM.bad
2020-08-26^C9779^CWD0005^C688022^C200001^C118022^C110001^C支付虚拟柜员^C6^C66^C^C1^C1^C20180516^C^C^C^C8^C0^C^C0^C^C^C0^C3^C5^C0^C999999999^C^C0^C^C^C0^C0^C^C^C0^C0^C^C^C0^C^C1^C^C2^C^C0^C^C^C001112^C110001^C20200516^C1511159045113^C1
$ vim F_CM.bad
2020-08-26^C9779^CWD0005^C688022^C200001^C118022^C110001^C支付虚拟柜员^C6^C66^C^C1^C1^C20180516^C^C^C^C8^C0^C^C0^C^C^C0^C3^C5^C0^C999999999^C^C0^C^C^C0^C0^C^C^C0^C0^C^C^C0^C^C1^C^C2^C^C0^C^C^C001112^C110001^C20200516^C1511159045113^C1
在服务器通过cat、more命令查看数据,cat、more命令会自动把乱码部分处理了,数据可以正常显示但是不能识别分隔符。
在服务器使用less、vim命令查看原数据文件,发现部分数据不能正常显示。
2. windows系统:
sys_bulkload工具不能正确识别分隔符导致解析错误。
四、解决问题:
既然分隔符使用十六进制(0x03)作为分隔符,可以尝试将原数据转换为十六进制查看。
1. 将原数据转换为十六进制:
$ hexdump -C F_CM.bad
00000000 ef bb bf 32 30 32 30 2d 30 38 2d 32 36 03 39 37 |...2020-08-26.97|
00000010 37 39 03 57 44 30 30 30 35 03 36 38 38 30 32 32 |79.WD0005.688022|
00000020 03 32 30 30 30 30 31 03 31 31 38 30 32 32 03 31 |.200001.118022.1|
00000030 31 30 30 30 31 03 e6 94 af e4 bb 98 e8 99 9a e6 |10001...........|
00000040 8b 9f e6 9f 9c e5 91 98 03 36 03 36 36 03 03 31 |.........6.66..1|
00000050 03 31 03 32 30 31 38 30 35 31 36 03 03 03 03 38 |.1.20180516....8|
00000060 03 30 03 03 30 03 03 03 30 03 33 03 35 03 30 03 |.0..0...0.3.5.0.|
00000070 39 39 39 39 39 39 39 39 39 03 03 30 03 03 03 30 |999999999..0...0|
00000080 03 30 03 03 03 30 03 30 03 03 03 30 03 03 31 03 |.0...0.0...0..1.|
00000090 03 32 03 03 30 03 03 03 30 30 31 31 31 32 03 31 |.2..0...001112.1|
000000a0 31 30 30 30 31 03 32 30 32 30 30 35 31 36 03 31 |10001.20200516.1|
000000b0 35 31 31 31 35 39 30 34 35 31 31 33 03 31 0a |511159045113.1.|
000000bf
将原数据转换为十六进制后,数据显示正常,分隔符0x03也可以正常显示。
2. 替换原数据分隔符(0x03)为0x7c(|)分隔符:
sed替换分隔符:
sed -i 's/\x03/\x7c/g' F_CM.bad
查看文件:
$ cat F_CM.bad
2020-08-26|9779|WD0005|688022|200001|118022|110001|支付虚拟柜员|6|66||1|1|20180516||||8|0||0|||0|3|5|0|999999999||0|||0|0|||0|0|||0||1||2||0|||001112|110001|20200516|1511159045113|1
$ more F_CM.bad
2020-08-26|9779|WD0005|688022|200001|118022|110001|支付虚拟柜员|6|66||1|1|20180516||||8|0||0|||0|3|5|0|999999999||0|||0|0|||0|0|||0||1||2||0|||001112|110001|20200516|1511159045113|1
$ less F_CM.bad
2020-08-26|9779|WD0005|688022|200001|118022|110001|支付虚拟柜员|6|66||1|1|20180516||||8|0||0|||0|3|5|0|999999999||0|||0|0|||0|0|||0||1||2||0|||001112|110001|20200516|1511159045113|1
$ vim F_CM.bad
2020-08-26|9779|WD0005|688022|200001|118022|110001|支付虚拟柜员|6|66||1|1|20180516||||8|0||0|||0|3|5|0|999999999||0|||0|0|||0|0|||0||1||2||0|||001112|110001|20200516|1511159045113|1
替换完成后,数据、分隔符均可以正常显示。
再次使用sys_bulkload工具进行导入,可以正常导入。问题解决。
注意:sys_bulkload数据加载工具目前不支持十六进制分隔符 更多信息,参见https://help.kingbase.com.cn/v8/index.html