10 工作中常见知识汇总
10.1在使用外表时注意的问题
10.1.1 注意\线的转义问题
在以上的结果中可以看出GP把\给转义了
drop external table if exists main.*******_external_20181214;
create external table main.*******_external_20181214(
*******
)
LOCATION ('gphdfs://nameservice1/tmp/******-oracle-gp/batchDate/t-ent-baseinfo/*') format 'text' (delimiter E'\u0001' NULL as 'null string' ESCAPE as 'OFF' FILL MISSING FIELDS)
LOG ERRORS SEGMENT REJECT LIMIT 8000 ROWS;
使用ESCAPE as 'OFF' 即可关闭转义,默认的是打开的
详细信息请查看:https://gpdb.docs.pivotal.io/5140/ref_guide/sql_commands/COPY.html
10.1.2 \1转特殊字符的问题
以下是HDFS上展示的效果
13529225049\18088249
以下是GP中显示的效果
select tel from main.*******_external_20181214 s_ext_sequence='190041387873';
原因是GP加载外表时没有进行转义特殊字符,导致GP中把\1转换成\U001即为16进制的SOH 特殊字符
drop external table if exists main.*******_external_20181214;
create external table main.*******_external_20181214(
*******
)
LOCATION ('gphdfs://nameservice1/tmp/******-oracle-gp/batchDate/t-ent-baseinfo/*') format 'text' (delimiter E'\u0001' NULL as 'null string' ESCAPE as 'OFF' FILL MISSING FIELDS)
LOG ERRORS SEGMENT REJECT LIMIT 8000 ROWS;
使用ESCAPE as 'OFF' 即可关闭转义,默认的是打开的
详细信息请查看:https://gpdb.docs.pivotal.io/5140/ref_guide/sql_commands/COPY.html
10.2 COPY命令常见错误汇总
10.2.1数据中有双引字符
$ psql -d ****** -h 192.168.***** -p 5432 -U gpadmin -c "COPY main.main.*******_external_20181214 FROM '/home/xiaoxu/hdfs-to-greenplum/error-data/t****_error_20181214.csv' WITH csv DELIMITER E'\001'";
ERROR: unterminated CSV quoted field (seg1 192.168.*****:40001 pid=336648)
在以上可以看出数据中有双引号导致了不能正确的入库
解决方式使用sed命令替换掉即可:# sed -i ‘s/”//g’ filename 或手动去掉即可
10.3 查看字段中有特殊字符SQL
10.3.1 先把表字段获取出来
select col.column_name from information_schema.columns col where col.table_schema='schemaName' and col.table_name ='tableName' order by col.ordinal_position
schemaName : schema的名字
tableName: 表的名字
10.3.2 查询表中的错误数据
select filedname from schemaname.tablename where filedname~'[\u0000-\u001f]';
filedname:字段的名字
schemaName : schema的名字
tableName: 表的名字
[\u0000-\u001f] : 是匹配的隐藏特殊字符,详情请查看:
ASCII控制字符和ASCII可显示字符_盒马coding的博客-CSDN博客
10.3.3 注意分布键的问题
在下图可以看出在使用分布键是直接写成by就会把字段进行了起别名,现象如下