阿里云支持通过oss_fdw插件将OSS中的数据加载到PostgreSQL和PPAS数据库中,也支持将PostgreSQL和PPAS数据库中的数据写入OSS中。

前提条件

实例版本为PPAS 10。

oss_fdw用例

# PPAS创建插件
select rds_manage_extension('create','oss_fdw');
# 创建server 
CREATE SERVER ossserver FOREIGN DATA WRAPPER oss_fdw OPTIONS 
     (host 'oss-cn-hangzhou.aliyuncs.com' , id 'xxx', key 'xxx',bucket 'mybucket');
# 创建OSS外部表
CREATE FOREIGN TABLE ossexample 
    (date text, time text, open float,
     high float, low float, volume int) 
     SERVER ossserver 
     OPTIONS ( filepath 'osstest/example.csv', delimiter ',' ,
         format 'csv', encoding 'utf8', PARSE_ERRORS '100');
# 创建表,数据就装载到这张表中。
create table example
        (date text, time text, open float,
         high float, low float, volume int);
# 数据从ossexample装载到example中。
insert into example select * from ossexample;

# oss_fdw能够正确估计OSS上的文件大小,正确的规划查询计划。
explain insert into example select * from ossexample;
                             QUERY PLAN                              
---------------------------------------------------------------------
 Insert on example  (cost=0.00..1.60 rows=6 width=92)
   ->  Foreign Scan on ossexample  (cost=0.00..1.60 rows=6 width=92)
         Foreign OssFile: osstest/example.csv.0
         Foreign OssFile Size: 728
(4 rows)
# 表example中的数据写出到OSS中。
insert into ossexample select * from example;
explain insert into ossexample select * from example;
                           QUERY PLAN
-----------------------------------------------------------------
 Insert on ossexample  (cost=0.00..16.60 rows=660 width=92)
   ->  Seq Scan on example  (cost=0.00..16.60 rows=660 width=92)
(2 rows)

相关参数说明请参见下文。

oss_fdw参数

oss_fdw和其他fdw接口一样,对外部数据OSS中的数据进行封装。用户可以像使用数据表一样通过oss_fdw读取OSS中存放的数据。oss_fdw提供独有的参数用于连接和解析OSS上的文件数据。

说明
  • 目前oss_fdw支持读取和写入OSS中文件的格式为:text和csv,或者gzip格式的text、csv文件。
  • oss_fdw各参数的值需使用双引号("")引起来,且不含无用空格。

CREATE SERVER参数

参数 说明
ossendpoint 是内网访问OSS的地址,也称为host。
id oss 账号id。
key oss 账号key。
bucket 存储空间,需要先创建OSS账号再设置该参数。

针对导入模式和导出模式,提供下列容错相关参数。网络条件较差时,可以调整以下参数,以保障导入和导出成功。

参数 说明
oss_connect_timeout 设置链接超时,单位秒,默认是10秒。
oss_dns_cache_timeout 设置DNS超时,单位秒,默认是60秒。
oss_speed_limit 设置能容忍的最小速率,默认是1024,即1K。
oss_speed_time 设置能容忍最小速率的最长时间,默认是15秒。
说明 如果使用了oss_speed_limit和oss_speed_time的默认值,表示如果连续15秒的传输速率小于1K,则超时。

CREATE FOREIGN TABLE参数

参数 说明
filepath OSS中带路径的文件名。
  • 文件名包含文件路径,但不包含bucket。
  • 该参数匹配OSS对应路径上的多个文件,支持将多个文件加载到数据库。
  • 文件命名为filepath和filepath.x 支持被导入到数据库,x要求从1开始,且连续。

    例如,filepath、filepath.1、filepath.2、filepath.3、filepath.5 ,前4个文件会被匹配和导入,但是 filepath.5将无法导入。

dir OSS中的虚拟文件目录。
  • dir需要以(/)结尾。
  • dir指定的虚拟文件目录中的所有文件(不包含子文件夹和子文件夹下的文件)都会被匹配和导入到数据库。
prefix 指定数据文件对应路径名的前缀,不支持正则表达式,且与 filepath、dir 互斥,三者只能设置其中一个。
format 指定文件的格式,目前只支持csv。
encoding 文件中数据的编码格式,支持常见的pg编码,如utf8。
parse_errors 容错模式解析,以行为单位,忽略文件分析过程中发生的错误。
delimiter 指定列的分割符。
quote 指定文件的引用字符。
escape 指定文件的逃逸字符。
null 指定匹配对应字符串的列为null,例如null ‘test’,即列值为’test’的字符串为null。
force_not_null 指定某些列的值不为null。例如,force_not_null ‘id’表示:如果ID列的值为空,则该值为空字符串,而不是null。
compressiontype 设置读取和写入OSS上文件的格式:
  • none:默认的文件类型,即没有压缩的文本格式。
  • gzip:读取文件的格式为gzip压缩格式。
compressionlevel 设置写入OSS的压缩格式的压缩等级,范围1到9,默认为6。
说明
  • filepath和dir需要在OPTIONS参数中指定。
  • filepath和dir必须指定两个参数中的其中一个,且不能同时指定。
  • 导出模式目前只支持虚拟文件夹的匹配模式,即只支持dir,不支持filepath。

CREATE FOREIGN TABLE的导出模式参数

  • oss_flush_block_size:单次刷出到OSS的buffer大小,默认32MB,可选范围1到128MB。
  • oss_file_max_size:写入OSS的最大文件大小,超出之后会切换到另一个文件续写。默认1024MB,可选范围8到4000 MB。
  • num_parallel_worker:写OSS数据的压缩模式中并行压缩线程的个数,范围1到8,默认并发数3。

辅助函数

FUNCTION oss_fdw_list_file (relname text, schema text DEFAULT ‘public’)

  • 用于获得某个外部表所匹配的OSS上的文件名和文件的大小。
  • 文件大小的单位是字节。
select * from oss_fdw_list_file('t_oss');
              name              |   size    
--------------------------------+-----------
 oss_test/test.gz.1  | 739698350
 oss_test/test.gz.2  | 739413041
 oss_test/test.gz.3  | 739562048
(3 rows)

辅助功能

oss_fdw.rds_read_one_file:在读模式下,指定某个外表匹配的文件。设置后,该外部表在数据导入中只匹配这个被设置的文件。

例如,set oss_fdw.rds_read_one_file = ‘oss_test/example16.csv.1’;

set oss_fdw.rds_read_one_file = 'oss_test/test.gz.2';
select * from oss_fdw_list_file('t_oss');
              name              |   size    
--------------------------------+-----------
  oss_test/test.gz.2  | 739413041
(1 rows)

oss_fdw注意事项

  • oss_fdw是在PostgreSQL FOREIGN TABLE框架下开发的外部表插件。
  • 数据导入的性能和PPAS实例的资源(CPU IO MEM MET)相关,也和OSS相关。
  • 为保证数据导入的性能,请确保jianghuanPPAS与OSS所在Region相同,相关信息请参见OSS endpoint 信息
  • 如果读取外表的SQL时触发ERROR: oss endpoint userendpoint not in aliyun white list,建议使用阿里云各可用区公共endpoint,详情请参见访问域名和数据中心。如果问题仍无法解决,请通过工单反馈。

错误处理

导入或导出出错时,日志中会出现下列错误提示信息:

  • code:出错请求的HTTP状态码。

  • error_code:OSS的错误码。

  • error_msg:OSS的错误信息。

  • req_id:标识该次请求的UUID。当您无法解决问题时,可以凭req_id来请求OSS开发工程师的帮助。

请参见以下链接中的文档了解和处理各类错误,超时相关的错误可以使用oss_ext相关参数处理。

ID和Key隐藏

CREATE SERVER中的ID和Key信息如果不做任何处理,用户可以使用select * from pg_foreign_server看到明文信息,会暴露用户的ID和Key。我们通过对ID和Key进行对称加密实现对ID和Key的隐藏(不同的实例使用不同的密钥,最大限度保护用户信息),但无法使用类似GP一样的方法,增加一个数据类型,会导致老实例不兼容。

最终加密后的信息如下:

postgres=# select * from pg_foreign_server ;
  srvname  | srvowner | srvfdw | srvtype | srvversion | srvacl |                                                                              srvoptions
-----------+----------+--------+---------+------------+--------+------------------------------------------------------------------------------------------------------------------------------------
----------------------------------
 ossserver |       10 |  16390 |         |            |        | {host=oss-cn-hangzhou-zmf.aliyuncs.com,id=MD5xxxxxxxx,key=MD5xxxxxxxx,bucket=067862}

加密后的信息将会以MD5开头(总长度为len,len%8==3),这样导出之后再导入不会再次加密,但是用户不能创建MD5开头的key和id。