S3 Load

从0.14 版本开始，Doris 支持通过S3协议直接从支持S3协议的在线存储系统导入数据。

本文档主要介绍如何导入 AWS S3 中存储的数据。也支持导入其他支持S3协议的对象存储系统导入，如果百度云的BOS，阿里云的OSS和腾讯云的COS等、

适用场景

  • 源数据在 支持S3协议的存储系统中，如 S3,BOS 等。
  • 数据量在 几十到百GB 级别。

准备工作

  1. 准本AK 和 SK 首先需要找到或者重新生成 AWS Access keys，可以在AWS console 的 My Security Credentials 找到生成方式， 如下图所示： AK_SK 选择 Create New Access Key 注意保存生成 AK和SK.
  2. 准备 REGION 和 ENDPOINT REGION 可以在创建桶的时候选择也可以在桶列表中查看到。ENDPOINT 可以通过如下页面通过REGION查到 AWS 文档S3 Load - 图1 (opens new window)

其他云存储系统可以相应的文档找到与S3兼容的相关信息

开始导入

导入方式和Broker Load 基本相同，只需要将 WITH BROKER broker_name () 语句替换成如下部分

1. WITH S3
2. (
3. "AWS_ENDPOINT" = "AWS_ENDPOINT",
4. "AWS_ACCESS_KEY" = "AWS_ACCESS_KEY",
5. "AWS_SECRET_KEY"="AWS_SECRET_KEY",
6. "AWS_REGION" = "AWS_REGION"
7. )

完整示例如下

1. LOAD LABEL example_db.exmpale_label_1
2. (
3. DATA INFILE("s3://your_bucket_name/your_file.txt")
4. INTO TABLE load_test
5. COLUMNS TERMINATED BY ","
6. )
7. WITH S3
8. (
9. "AWS_ENDPOINT" = "AWS_ENDPOINT",
10. "AWS_ACCESS_KEY" = "AWS_ACCESS_KEY",
11. "AWS_SECRET_KEY"="AWS_SECRET_KEY",
12. "AWS_REGION" = "AWS_REGION"
13. )
14. PROPERTIES
15. (
16. "timeout" = "3600"
17. );

常见问题

S3 SDK 默认使用 virtual-hosted style 方式。但某些对象存储系统可能没开启或没支持 virtual-hosted style 方式的访问，此时我们可以添加 use_path_style 参数来强制使用 path style 方式：

1. WITH S3
2. (
3. "AWS_ENDPOINT" = "AWS_ENDPOINT",
4. "AWS_ACCESS_KEY" = "AWS_ACCESS_KEY",
5. "AWS_SECRET_KEY"="AWS_SECRET_KEY",
6. "AWS_REGION" = "AWS_REGION",
7. "use_path_style" = "true"
8. )