Doris 可以通过 Routine Load 导入方式持续消费 Kafka Topic 中的数据。在提交 Routine Load 作业后，Doris 会持续运行该导入作业，实时生成导入任务不断消费 Kakfa 集群中指定 Topic 中的消息。

Routine Load 是一个流式导入作业，支持 Exactly-Once 语义，保证数据不丢不重。

使用场景

支持数据文件格式

Routine Load 支持从 Kafka 中消费 CSV 及 JSON 格式的数据。

在导入 CSV 格式时，需要明确区分空值（null）与空字符串（’’）：

  • 空值（null）需要用 \n 表示，a,\n,b 数据表示中间列是一个空值（null）
  • 空字符串（’’）直接将数据置空，a,,b 数据表示中间列是一个空字符串（’’）

使用限制

在使用 Routine Load 消费 Kafka 中数据时，有以下限制：

  • 支持无认证的 Kafka 访问，以及通过 SSL 方式认证的 Kafka 集群；
  • 支持的消息格式为 CSV 及 JSON 文本格式。CSV 每一个 message 为一行，且行尾不包含换行符；
  • 默认支持 Kafka 0.10.0.0（含）以上版本。如果要使用 Kafka 0.10.0.0 以下版本（0.9.0, 0.8.2, 0.8.1, 0.8.0），需要修改 BE 的配置，将 kafka_broker_version_fallback 的值设置为要兼容的旧版本，或者在创建 Routine Load 的时候直接设置 property.broker.version.fallback 的值为要兼容的旧版本，使用旧版本的代价是 Routine Load 的部分新特性可能无法使用，如根据时间设置 Kafka 分区的 offset。

基本原理

Routine Load 会持续消费 Kafka Topic 中的数据，写入 Doris 中。

在 Doris 中，创建 Routine Load 作业后会生成一个常驻的导入作业和若干个导入任务：

  • 导入作业（load job）：一个 Routine Load 对应一个导入作业，导入作业是一个常驻的任务，会持续不断地消费 Kafka Topic 中的数据；
  • 导入任务（load task）：一个导入作业会被拆解成若干个导入作业，作为一个独立的导入基本单位，以 Stream Load 的方式写入到 BE 中。

Routine Load 的导入具体流程如下图展示：

Routine Load

  1. Client 向 FE 提交 Routine Load 常驻 Routine Load Job
  2. FE 通过 Job Scheduler 将 Routine Load Job 拆分成若干个 Routine Load Task
  3. 在 BE 上，一个 Routine Load Task 会被视为 Stream Load 任务进行导入，导入完成后向 FE 汇报
  4. FE 中的 Job Scheduler 根据汇报结果，继续生成新的 Task，或对失败的 Task 进行重试
  5. Routine Load Job 会不断产生新的 Task，来完成数据的不间断导入

快速上手

创建导入作业

在 Doris 内可以通过 CREATE ROUTINE LOAD 命令创建常驻 Routine Load 导入任务。详细语法可以参考 CREATE ROUTINE LOAD。Routine Load 可以消费 CSV 和 JSON 的数据。

导入 CSV 数据

  1. 导入数据样本

在 Kafka 中，有以下样本数据

1. kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test-routine-load-csv --from-beginnin
2. 1,Emily,25
3. 2,Benjamin,35
4. 3,Olivia,28
5. 4,Alexander,60
6. 5,Ava,17
7. 6,William,69
8. 7,Sophia,32
9. 8,James,64
10. 9,Emma,37
11. 10,Liam,64
  1. 创建需要导入的表

在 Doris 中，创建被导入的表，具体语法如下

1. CREATE TABLE testdb.test_streamload(
2. user_id            BIGINT       NOT NULL COMMENT "用户 ID",
3. name               VARCHAR(20)           COMMENT "用户姓名",
4. age                INT                   COMMENT "用户年龄"
5. )
6. DUPLICATE KEY(user_id)
7. DISTRIBUTED BY HASH(user_id) BUCKETS 10;
  1. 创建 Routine Load 导入作业

在 Doris 中，使用 CREATE ROUTINE LOAD 命令，创建导入作业

1. CREATE ROUTINE LOAD testdb.example_routine_load_csv ON test_routineload_tbl
2. COLUMNS TERMINATED BY ",",
3. COLUMNS(user_id, name, age)
4. FROM KAFKA(
5. "kafka_broker_list" = "192.168.88.62:9092",
6. "kafka_topic" = "test-routine-load-csv",
7. "property.kafka_default_offsets" = "OFFSET_BEGINNING"
8. );

导入 JSON 数据

  1. 导入样本数据

在 Kafka 中，有以下样本数据

1. kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test-routine-load-json --from-beginning
2. {"user_id":1,"name":"Emily","age":25}
3. {"user_id":2,"name":"Benjamin","age":35}
4. {"user_id":3,"name":"Olivia","age":28}
5. {"user_id":4,"name":"Alexander","age":60}
6. {"user_id":5,"name":"Ava","age":17}
7. {"user_id":6,"name":"William","age":69}
8. {"user_id":7,"name":"Sophia","age":32}
9. {"user_id":8,"name":"James","age":64}
10. {"user_id":9,"name":"Emma","age":37}
11. {"user_id":10,"name":"Liam","age":64}
  1. 创建需要导入的表

在 Doris 中，创建被导入的表，具体语法如下

1. CREATE TABLE testdb.test_streamload(
2. user_id            BIGINT       NOT NULL COMMENT "用户 ID",
3. name               VARCHAR(20)           COMMENT "用户姓名",
4. age                INT                   COMMENT "用户年龄"
5. )
6. DUPLICATE KEY(user_id)
7. DISTRIBUTED BY HASH(user_id) BUCKETS 10;
  1. 创建 Routine Load 导入作业

在 Doris 中，使用 CREATE ROUTINE LOAD 命令，创建导入作业

1. CREATE ROUTINE LOAD testdb.example_routine_load_json ON test_routineload_tbl
2. COLUMNS(user_id,name,age)
3. PROPERTIES(
4. "format"="json",
5. "jsonpaths"="[\"$.user_id\",\"$.name\",\"$.age\"]"
6. )
7. FROM KAFKA(
8. "kafka_broker_list" = "192.168.88.62:9092",
9. "kafka_topic" = "test-routine-load-json",
10. "property.kafka_default_offsets" = "OFFSET_BEGINNING"
11. );

查看导入状态

在 Doris 中，可以查看 Routine Load 的导入作业情况和导入任务情况：

  • 导入作业：主要用于查看导入任务目标表、子任务数量、导入延迟状态、导入配置与导入结果等信息；
  • 导入任务：主要用于查看导入的子任务状态、消费进度以及下发的 BE 节点。

01 查看导入运行任务

可以通过 SHOW ROUTINE LOAD 命令查看导入作业情况。SHOW ROUTINE LOAD 描述了当前作业的基本情况，如导入目标表、导入延迟状态、导入配置信息、导入错误信息等。

如通过以下命令可以查看 testdb.example_routine_load_csv 的任务情况：

1. mysql> SHOW ROUTINE LOAD FOR testdb.example_routine_load\G
2. *************************** 1. row ***************************
3. Id: 12025
4. Name: example_routine_load
5. CreateTime: 2024-01-15 08:12:42
6. PauseTime: NULL
7. EndTime: NULL
8. DbName: default_cluster:testdb
9. TableName: test_routineload_tbl
10. IsMultiTable: false
11. State: RUNNING
12. DataSourceType: KAFKA
13. CurrentTaskNum: 1
14. JobProperties: {"max_batch_rows":"200000","timezone":"America/New_York","send_batch_parallelism":"1","load_to_single_tablet":"false","column_separator":"','","line_delimiter":"\n","current_concurrent_number":"1","delete":"*","partial_columns":"false","merge_type":"APPEND","exec_mem_limit":"2147483648","strict_mode":"false","jsonpaths":"","max_batch_interval":"10","max_batch_size":"104857600","fuzzy_parse":"false","partitions":"*","columnToColumnExpr":"user_id,name,age","whereExpr":"*","desired_concurrent_number":"5","precedingFilter":"*","format":"csv","max_error_number":"0","max_filter_ratio":"1.0","json_root":"","strip_outer_array":"false","num_as_string":"false"}
15. DataSourceProperties: {"topic":"test-topic","currentKafkaPartitions":"0","brokerList":"192.168.88.62:9092"}
16. CustomProperties: {"kafka_default_offsets":"OFFSET_BEGINNING","group.id":"example_routine_load_73daf600-884e-46c0-a02b-4e49fdf3b4dc"}
17. Statistic: {"receivedBytes":28,"runningTxns":[],"errorRows":0,"committedTaskNum":3,"loadedRows":3,"loadRowsRate":0,"abortedTaskNum":0,"errorRowsAfterResumed":0,"totalRows":3,"unselectedRows":0,"receivedBytesRate":0,"taskExecuteTimeMs":30069}
18. Progress: {"0":"2"}
19. Lag: {"0":0}
20. ReasonOfStateChanged:
21. ErrorLogUrls:
22. OtherMsg:
23. User: root
24. Comment:
25. 1 row in set (0.00 sec)

02 查看导入运行作业

可以通过 SHOW ROUTINE LOAD TASK 命令查看导入子任务情况。SHOW ROUTINE LOAD TASK 描述了当前作业下的子任务信息，如子任务状态，下发 BE id 等信息。

如通过以下命令可以查看 testdb.example_routine_load_csv 的任务情况：

1. mysql> SHOW ROUTINE LOAD TASK WHERE jobname = 'example_routine_load_csv';
2. +-----------------------------------+-------+-----------+-------+---------------------+---------------------+---------+-------+----------------------+
3. | TaskId                            | TxnId | TxnStatus | JobId | CreateTime          | ExecuteStartTime    | Timeout | BeId  | DataSourceProperties |
4. +-----------------------------------+-------+-----------+-------+---------------------+---------------------+---------+-------+----------------------+
5. | 8cf47e6a68ed4da3-8f45b431db50e466 | 195   | PREPARE   | 12177 | 2024-01-15 12:20:41 | 2024-01-15 12:21:01 | 20      | 10429 | {"4":1231,"9":2603}  |
6. | f2d4525c54074aa2-b6478cf8daaeb393 | 196   | PREPARE   | 12177 | 2024-01-15 12:20:41 | 2024-01-15 12:21:01 | 20      | 12109 | {"1":1225,"6":1216}  |
7. | cb870f1553864250-975279875a25fab6 | -1    | NULL      | 12177 | 2024-01-15 12:20:52 | NULL                | 20      | -1    | {"2":7234,"7":4865}  |
8. | 68771fd8a1824637-90a9dac2a7a0075e | -1    | NULL      | 12177 | 2024-01-15 12:20:52 | NULL                | 20      | -1    | {"3":1769,"8":2982}  |
9. | 77112dfea5e54b0a-a10eab3d5b19e565 | 197   | PREPARE   | 12177 | 2024-01-15 12:21:02 | 2024-01-15 12:21:02 | 20      | 12098 | {"0":3000,"5":2622}  |
10. +-----------------------------------+-------+-----------+-------+---------------------+---------------------+---------+-------+----------------------+

暂停导入作业

可以通过 PAUSE ROUTINE LOAD 命令暂停导入作业。暂停导入作业后，会进入 PAUSED 状态，但导入作业并未终止，可以通过 RESUME ROUTINE LOAD 命令重启导入作业。

如通过以下命令可以暂停 testdb.example_routine_load_csv 导入作业：

1. PAUSE ROUTINE LOAD FOR testdb.example_routine_load_csv;

恢复导入作业

可以通过 RESUME ROUTINE LOAD 命令恢复导入作业。

如通过以下命令可以恢复 testdb.example_routine_load_csv 导入作业：

1. RESUME ROUTINE LOAD FOR testdb.example_routine_load_csv;

修改导入作业

可以通过 ALTER ROUTINE LOAD 命令修改已创建的导入作业。在修改导入作业前，需要使用 PAUSE ROUTINE LOAD 暂停导入作业，修改后需要使用 RESUME ROUTINE LOAD 恢复导入作业。

如通过以下命令可以修改期望导入任务并行度参数 desired_concurrent_number，并修改 Kafka Topic 信息：

1. ALTER ROUTINE LOAD FOR testdb.example_routine_load_csv
2. PROPERTIES(
3. "desired_concurrent_number" = "3"
4. )
5. FROM KAFKA(
6. "kafka_broker_list" = "192.168.88.60:9092",
7. "kafka_topic" = "test-topic"
8. );

取消导入作业

可以通过 STOP ROUTINE LOAD 命令停止并删除 Routine Load 导入作业。删除后的导入作业无法被恢复，也无法通过 SHOW ROUTINE LOAD 命令查看。

可以通过以下命令停止并删除导入作业 testdb.example_routine_load_csv：

1. STOP ROUTINE LOAD FOR testdb.example_routine_load_csv;

参考手册

导入命令

创建一个 Routine Load 常驻导入作业语法如下：

1. CREATE ROUTINE LOAD [<db_name>.]<job_name> [ON <tbl_name>]
2. [merge_type]
3. [load_properties]
4. [job_properties]
5. FROM KAFKA [data_source_properties]
6. [COMMENT "<comment>"]

创建导入作业的模块说明如下：

模块 说明
db_name 指定创建导入任务的数据库。
job_name 指定创建的导入任务名称，同一个 database 不能有名字相同的任务。
tbl_name 指定需要导入的表的名称，可选参数，如果不指定，则采用动态表的方式，这个时候需要 Kafka 中的数据包含表名的信息。
merge_type 数据合并类型。默认值为 APPEND。 merge_type 有三种选项： - APPEND：追加导入方式； - MERGE：合并导入方式； - DELETE：导入的数据皆为需要删除的数据。
load_properties 导入描述模块，包括以下组成部分： - colum_spearator 子句; - columns_mapping 子句; - preceding_filter 子句; - where_predicates 子句; - partitions 子句; - delete_on 子句; - order_by 子句
job_properties 用于指定 Routine Load 的通用导入参数。
data_source_properties 用于描述 Kafka 数据源属性。
comment 用于描述导入作业的备注信息。

导入参数说明

01 FE 配置参数

max_routine_load_task_concurrent_num

  • 默认值：256
  • 动态配置：是
  • FE Master 独有配置：是
  • 参数描述：限制 Routine Load 的导入作业最大子并发数量。建议维持在默认值。如果设置过大，可能导致并发任务数过多，占用集群资源。

max_routine_load_task_num_per_be

  • 默认值：1024
  • 动态配置：是
  • FE Master 独有配置：是
  • 参数描述：每个 BE 限制的最大并发 Routine Load 任务数。max_routine_load_task_num_per_be 应该小 routine_load_thread_pool_size 于参数。

max_routine_load_job_num

  • 默认值：100
  • 动态配置：是
  • FE Master 独有配置：是
  • 参数描述：限制最大 Routine Load 作业数，包括 NEED_SCHEDULED，RUNNING，PAUSE

max_tolerable_backend_down_num

  • 默认值：0
  • 动态配置：是
  • FE Master 独有配置：是
  • 参数描述：只要有一个 BE 宕机，Routine Load 就无法自动恢复。在满足某些条件时，Doris 可以将 PAUSED 的任务重新调度，转换为 RUNNING 状态。该参数为 0 表示只有所有 BE 节点都是 alive 状态踩允许重新调度。

period_of_auto_resume_min

  • 默认值：5（分钟）
  • 动态配置：是
  • FE Master 独有配置：是
  • 参数描述：自动恢复 Routine Load 的周期

02 BE 配置参数

max_consumer_num_per_group

  • 默认值：3
  • 动态配置：是
  • 描述：一个子任务重最多生成几个 consumer 消费数据。对于 Kafka 数据源，一个 consumer 可能消费一个或多个 Kafka Partition。假设一个任务需要消费 6 个 Kafka Partitio，则会生成 3 个 consumer，每个 consumer 消费 2 个 partition。如果只有 2 个 partition，则只会生成 2 个 consumer，每个 consumer 消费 1 个 partition。

03 导入配置参数

在创建 Routine Load 作业时，可以通过 CREATE ROUTINE LOAD 命令指定不同模块的导入配置参数。

tbl_name 子句

指定需要导入的表的名称，可选参数。

如果不指定，则采用动态表的方式，这个时候需要 Kafka 中的数据包含表名的信息。目前仅支持从 Kafka 的 Value 中获取动态表名，且需要符合这种格式：以 json 为例：table_name|{"col1": "val1", "col2": "val2"}, 其中 tbl_name 为表名，以 | 作为表名和表数据的分隔符。csv 格式的数据也是类似的，如：table_name|val1,val2,val3。注意，这里的 table_name 必须和 Doris 中的表名一致，否则会导致导入失败。注意，动态表不支持后面介绍的 column_mapping 配置。

merge_type 子句

可以通过 merge_type 模块指定数据合并的类型。merge_type 有三种选项：

  • APPEND：追加导入方式
  • MERGE：合并导入方式。仅适用于 Unique Key 模型。需要配合 [DELETE ON] 模块，以标注 Delete Flag 列
  • DELETE：导入的数据皆为需要删除的数据

load_properties 子句

可以通过 load_properties 模块描述导入数据的属性，具体语法如下

1. [COLUMNS TERMINATED BY <column_separator>,]
2. [COLUMNS (<column1_name>[, <column2_name>, <column_mapping>, ...]),]
3. [WHERE <where_expr>,]
4. [PARTITION(<partition1_name>, [<partition2_name>, <partition3_name>, ...]),]
5. [DELETE ON <delete_expr>,]
6. [ORDER BY <order_by_column1>[, <order_by_column2>, <order_by_column3>, ...]]

具体模块对应参数如下：

子模块 参数 说明
COLUMNS TERMINATED BY <column_separator> 用于指定列分隔符，默认为 \t。例如需要指定逗号为分隔符，可以使用以下命令：COLUMN TERMINATED BY “,”对于空值处理，需要注意以下事项： - 空值（null）需要用 \n 表示，a,\n,b 数据表示中间列是一个空值（null） - 空字符串（’’）直接将数据置空，a,,b 数据表示中间列是一个空字符串（’’）
COLUMNS <column_name> 用于指定对应的列名例如需要指定导入列 (k1, k2, k3)，可以使用以下命令：COLUMNS(k1, k2, k3)在以下情况下可以缺省 COLUMNS 子句： - CSV 中的列与表中的列一一对应 - JSON 中的 key 列与表中的列名相同
<column_mapping> 在导入过程中，可以通过列映射进行列的过滤和转换。如在导入的过程中，目标列需要基于数据源的某一列进行衍生计算，目标列 k4 基于 k3 列使用公式 k3+1 计算得出，需要可以使用以下命令：COLUMNS(k1, k2, k3, k4 = k3 + 1)详细内容可以参考数据转换
WHERE <where_expr> 指定 where_expr 可以根据条件过滤导入的数据源。如只希望导入 age > 30 的数据源，可以使用以下命令：WHERE age > 30
PARTITION <partition_name> 指定导入目标表中的哪些 partition。如果不指定，会自动导入对应的 partition 中。如希望导入目标表 p1 与 p2 分区，可以使用以下命令：PARTITION(p1, p2)
DELETE ON <delete_expr> 在 MERGE 导入模式下，使用 delete_expr 标记哪些列需要被删除。如需要在 MERGE 时删除 age > 30 的列，可以使用，可以使用以下命令：DELETE ON age > 30
ORDER BY <order_by_column> 进针对 Unique Key 模型生效。用于指定导入数据中的 Sequence Column 列，以保证数据的顺序。如在 Unique Key 表导入时，需要指定导入的 Sequence Column 为 create_time，可以使用以下命令：ORDER BY create_time针对与 Unique Key 模型 Sequence Column 列的描述，可以参考文档数据更新/Sequence 列

job_properties 子句

在创建 Routine Load 导入作业时，可以指定 job_properties 子句以指定导入作业的属性。语法如下：

1. PROPERTIES ("<key1>" = "<value1>"[, "<key2>" = "<value2>" ...])

job_properties 子句具体参数选项如下：

参数 说明
desired_concurrent_number 默认值：5 参数描述：单个导入子任务（load task）期望的并发度，修改 Routine Load 导入作业切分的期望导入子任务数量。在导入过程中，期望的子任务并发度可能不等于实际并发度。实际的并发度会根据集群的节点数、负载情况，以及数据源的情况综合考虑，使用公式以下可以计算出实际的导入子任务数： min(topic_partition_num, desired_concurrent_number, max_routine_load_task_concurrent_num)，其中： - topic_partition_num 表示 Kafka Topic 的 parititon 数量 - desired_concurrent_number 表示设置的参数大小 - max_routine_load_task_concurrent_num 为 FE 中设置 Routine Load 最大任务并行度的参数
max_batch_interval 每个子任务的最大运行时间，单位是秒，范围为 1s 到 60s，默认值为 10(s)。max_batch_interval/max_batch_rows/max_batch_size 共同形成子任务执行阈值。任一参数达到阈值，导入子任务结束，并生成新的导入子任务。
max_batch_rows 每个子任务最多读取的行数。必须大于等于 200000。默认是 200000。max_batch_interval/max_batch_rows/max_batch_size 共同形成子任务执行阈值。任一参数达到阈值，导入子任务结束，并生成新的导入子任务。
max_batch_size 每个子任务最多读取的字节数。单位是字节，范围是 100MB 到 1GB。默认是 100MB。max_batch_interval/max_batch_rows/max_batch_size 共同形成子任务执行阈值。任一参数达到阈值，导入子任务结束，并生成新的导入子任务。
max_error_number 采样窗口内，允许的最大错误行数。必须大于等于 0。默认是 0，即不允许有错误行。采样窗口为 max_batch_rows 10。即如果在采样窗口内，错误行数大于 max_error_number，则会导致例行作业被暂停，需要人工介入检查数据质量问题，通过 SHOW ROUTINE LOAD 命令中 ErrorLogUrls 检查数据的质量问题。被 where 条件过滤掉的行不算错误行。
strict_mode 是否开启严格模式，默认为关闭。严格模式表示对于导入过程中的列类型转换进行严格过滤。如果开启后，非空原始数据的列类型变换如果结果为 NULL，则会被过滤。 严格模式过滤策略如下： - 某衍生列（由函数转换生成而来），Strict Mode 对其不产生影响 - 当列类型需要转换，错误的数据类型将被过滤掉，在 SHOW ROUTINE LOAD 的 ErrorLogUrls 中查看因为数据类型错误而被过滤掉的列 - 对于导入的某列类型包含范围限制的，如果原始数据能正常通过类型转换，但无法通过范围限制的，strict mode 对其也不产生影响。例如：如果类型是 decimal(1,0), 原始数据为 10，则属于可以通过类型转换但不在列声明的范围内。这种数据 strict 对其不产生影响。详细内容参考严格模式。
timezone 指定导入作业所使用的时区。默认为使用 Session 的 timezone 参数。该参数会影响所有导入涉及的和时区有关的函数结果。
format 指定导入数据格式，默认是 csv，支持 json 格式。
jsonpaths 当导入数据格式为 JSON 时，可以通过 jsonpaths 指定抽取 Json 数据中的字段。例如通过以下命令指定导入 jsonpaths：“jsonpaths” = “[\”$.userid\”,\”$.username\”,\”$.age\”,\”$.city\”]”
json_root 当导入数据格式为 json 时，可以通过 json_root 指定 Json 数据的根节点。Doris 将通过 json_root 抽取根节点的元素进行解析。默认为空。例如通过一下命令指定导入 Json 根节点：“json_root” = “$.RECORDS”
strip_outer_array 当导入数据格式为 json 时，strip_outer_array 为 true 表示 Json 数据以数组的形式展现，数据中的每一个元素将被视为一行数据。默认值是 false。通常情况下，Kafka 中的 Json 数据可能以数组形式表示，即在最外层中包含中括号[]，此时，可以指定 “strip_outer_array” = “true”，以数组模式消费 Topic 中的数据。如以下数据会被解析成两行：[{“user_id”:1,”name”:”Emily”,”age”:25},{“user_id”:2,”name”:”Benjamin”,”age”:35}]
send_batch_parallelism 用于设置发送批量数据的并行度。如果并行度的值超过 BE 配置中的 max_send_batch_parallelism_per_job，那么作为协调点的 BE 将使用 max_send_batch_parallelism_per_job 的值。
load_to_single_tablet 支持一个任务只导入数据到对应分区的一个 tablet，默认值为 false，该参数只允许在对带有 random 分桶的 olap 表导数的时候设置。
partial_columns 指定是否开启部分列更新功能。默认值为 false。该参数只允许在表模型为 Unique 且采用 Merge on Write 时设置。一流多表不支持此参数。具体参考文档部分列更新
max_filter_ratio 采样窗口内，允许的最大过滤率。必须在大于等于 0 到小于等于 1 之间。默认值是 1.0，表示可以容忍任何错误行。采样窗口为 max_batch_rows 10。即如果在采样窗口内，错误行数/总行数大于 max_filter_ratio，则会导致例行作业被暂停，需要人工介入检查数据质量问题。被 where 条件过滤掉的行不算错误行。
enclose 指定包围符。当 csv 数据字段中含有行分隔符或列分隔符时，为防止意外截断，可指定单字节字符作为包围符起到保护作用。例如列分隔符为 “,”，包围符为 “‘“，数据为 “a,’b,c’”，则 “b,c” 会被解析为一个字段。
escape 指定转义符。用于转义在字段中出现的与包围符相同的字符。例如数据为 “a,’b,’c’”，包围符为 “‘“，希望 “b,’c 被作为一个字段解析，则需要指定单字节转义符，例如”\”，将数据修改为 “a,’b,\’c’”。

04 data_source_properties 子句

在创建 Routine Load 导入作业时，可以指定 data_source_properties 子句以指定 Kafka 数据源的属性。语法如下：

1. FROM KAFKA ("<key1>" = "<value1>"[, "<key2>" = "<value2>" ...])

data_source_properties 子句具体参数选项如下：

参数 说明
kafka_broker_list 指定 Kafka 的 broker 连接信息。格式为 <kafka_broker_ip>:<kafka port>。多个 broker 之间以逗号分隔。例如在 Kafka Broker 中默认端口号为 9092，可以使用以下命令指定 Broker List：“kafka_broker_list” = “<broker1_ip>:9092,<broker2_ip>:9092”
kafka_topic 指定要订阅的 Kafka 的 topic。一个导入作业仅能消费一个 Kafka Topic。
kafka_partitions 指定需要订阅的 Kafka Partition。如果不指定，则默认消费所有分区。
kafka_offsets 待销费的 Kakfa Partition 中起始消费点（offset）。如果指定时间，则会从大于等于该时间的最近一个 offset 处开始消费。offset 可以指定从大于等于 0 的具体 offset，也可以使用以下格式： - OFFSET_BEGINNING: 从有数据的位置开始订阅。 - OFFSET_END: 从末尾开始订阅。 - 时间格式，如：”2021-05-22 11:00:00” 如果没有指定，则默认从 OFFSET_END 开始订阅 topic 下的所有 partition。 可以指定多个其实消费点，使用逗号分隔，如：“kafka_offsets” = “101,0,OFFSET_BEGINNING,OFFSET_END”或者“kafka_offsets” = “2021-05-22 11:00:00,2021-05-22 11:00:00” 注意，时间格式不能和 OFFSET 格式混用。
property 指定自定义 kafka 参数。功能等同于 kafka shell 中 “—property” 参数。当参数的 Value 为一个文件时，需要在 Value 前加上关键词：”FILE:”。创建文件可以参考 CREATE FILE 命令文档。更多支持的自定义参数，可以参考 librdkafka 的官方 CONFIGURATION 文档中，client 端的配置项。如：“property.client.id” = “12345”"property.group.id" = "group_id_0"“property.ssl.ca.location” = “FILE:ca.pem”

通过配置 data_source_properties 中的 kafka property 参数，可以配置安全访问选项。目前 Doris 支持多种 Kafka 安全协议，如 plaintext（默认）、SSL、PLAIN、Kerberos 等。

  1. 访问 SSL 认证的 Kafka 集群 property 参数示例
1. "property.security.protocol" = "ssl",
2. "property.ssl.ca.location" = "FILE:ca.pem",
3. "property.ssl.certificate.location" = "FILE:client.pem",
4. "property.ssl.key.location" = "FILE:client.key",
5. "property.ssl.key.password" = "ssl_passwd"
  1. 访问 PLAIN 认证的 Kafka 集群 property 参数示例
1. "property.security.protocol"="SASL_PLAINTEXT",
2. "property.sasl.mechanism"="PLAIN",
3. "property.sasl.username"="admin",
4. "property.sasl.password"="admin_passwd"
  1. 访问 Kerberos 认证的 Kafka 集群 property 参数示例
1. "property.security.protocol" = "SASL_PLAINTEXT",
2. "property.sasl.kerberos.service.name" = "kafka",
3. "property.sasl.kerberos.keytab" = "/etc/krb5.keytab",
4. "property.sasl.kerberos.principal" = "doris@YOUR.COM"

导入状态

通过 SHOW ROUTINE LOAD 命令可以查看导入作业的状态，具体语法如下：

1. SHOW [ALL] ROUTINE LOAD [FOR jobName];

如通过 SHOW ROUTINE LOAD 会返回以下结果集示例：

1. mysql> SHOW ROUTINE LOAD FOR testdb.example_routine_load\G
2. *************************** 1. row ***************************
3. Id: 12025
4. Name: example_routine_load
5. CreateTime: 2024-01-15 08:12:42
6. PauseTime: NULL
7. EndTime: NULL
8. DbName: default_cluster:testdb
9. TableName: test_routineload_tbl
10. IsMultiTable: false
11. State: RUNNING
12. DataSourceType: KAFKA
13. CurrentTaskNum: 1
14. JobProperties: {"max_batch_rows":"200000","timezone":"America/New_York","send_batch_parallelism":"1","load_to_single_tablet":"false","column_separator":"','","line_delimiter":"\n","current_concurrent_number":"1","delete":"*","partial_columns":"false","merge_type":"APPEND","exec_mem_limit":"2147483648","strict_mode":"false","jsonpaths":"","max_batch_interval":"10","max_batch_size":"104857600","fuzzy_parse":"false","partitions":"*","columnToColumnExpr":"user_id,name,age","whereExpr":"*","desired_concurrent_number":"5","precedingFilter":"*","format":"csv","max_error_number":"0","max_filter_ratio":"1.0","json_root":"","strip_outer_array":"false","num_as_string":"false"}
15. DataSourceProperties: {"topic":"test-topic","currentKafkaPartitions":"0","brokerList":"192.168.88.62:9092"}
16. CustomProperties: {"kafka_default_offsets":"OFFSET_BEGINNING","group.id":"example_routine_load_73daf600-884e-46c0-a02b-4e49fdf3b4dc"}
17. Statistic: {"receivedBytes":28,"runningTxns":[],"errorRows":0,"committedTaskNum":3,"loadedRows":3,"loadRowsRate":0,"abortedTaskNum":0,"errorRowsAfterResumed":0,"totalRows":3,"unselectedRows":0,"receivedBytesRate":0,"taskExecuteTimeMs":30069}
18. Progress: {"0":"2"}
19. Lag: {"0":0}
20. ReasonOfStateChanged:
21. ErrorLogUrls:
22. OtherMsg:
23. User: root
24. Comment:
25. 1 row in set (0.00 sec)

具体显示结果说明如下：

结果列 列说明
Id 作业 ID。由 Doris 自动生成。
Name 作业名称。
CreateTime 作业创建时间。
PauseTime 最近一次作业暂停时间。
EndTime 作业结束时间。
DbName 对应数据库名称
TableName 对应表名称。多表的情况下由于是动态表，因此不显示具体表名，会显示 multi-table。
IsMultiTbl 是是否为多表
State 作业运行状态，有 5 种状态： NEED_SCHEDULE：作业等待被调度。在 CREATE ROUTINE LOAD 或 RESUME ROUTINE LOAD 后，作业会先进入到 NEED_SCHEDULE 状态； - RUNNING：作业运行中； - PAUSED：作业被暂停，可以通过 RESUME ROUTINE LOAD 恢复导入作业； - STOPPED：作业已结束，无法被重启； - CANCELLED：作业已取消。
DataSourceType 数据源类型：KAFKA。
CurrentTaskNum 当前子任务数量。
JobProperties 作业配置详情。
DataSourceProperties 数据源配置详情。
CustomProperties 自定义配置。
Statistic 作业运行状态统计信息。
Progress 作业运行进度。对于 Kafka 数据源，显示每个分区当前已消费的 offset。如 {“0”:”2”} 表示 Kafka 分区 0 的消费进度为 2。
Lag 作业延迟状态。对于 Kafka 数据源，显示每个分区的消费延迟。如 {“0”:10} 表示 Kafka 分区 0 的消费延迟为 10。
ReasonOfStateChanged 作业状态变更的原因
ErrorLogUrls 被过滤的质量不合格的数据的查看地址
OtherMsg 其他错误信息

导入示例

CSV 格式导入

设置导入最大容错率

  1. 导入数据样例

1. 1,Benjamin,18 2. 2,Emily,20 3. 3,Alexander,22 2. 建表结构

1. CREATE TABLE demo.routine_test01 ( 2. id INT NOT NULL COMMENT "用户 id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪" 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job01 ON routine_test01 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age) 4. PROPERTIES 5. ( 6. "desired_concurrent_number"="1", 7. "max_filter_ratio"="0.5", 8. "strict_mode" = "false" 9. ) 10. FROM KAFKA 11. ( 12. "kafka_broker_list" = "10.16.10.6:9092", 13. "kafka_topic" = "routineLoad01", 14. "property.group.id" = "kafka_job01", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> select * from routine_test01; 2. +------+------------+------+ 3. | id | name | age | 4. +------+------------+------+ 5. | 1 | Benjamin | 18 | 6. | 2 | Emily | 20 | 7. | 3 | Alexander | 22 | 8. +------+------------+------+ 9. 3 rows in set (0.01 sec)

从指定消费点消费数据

  1. 导入数据样例

1. 1,Benjamin,18 2. 2,Emily,20 3. 3,Alexander,22 4. 4,Sophia,24 5. 5,William,26 6. 6,Charlotte,28 2. 建表结构

1. CREATE TABLE demo.routine_test02 ( 2. id INT NOT NULL COMMENT "用户 id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪" 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job02 ON routine_test02 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age) 4. PROPERTIES 5. ( 6. "desired_concurrent_number"="1", 7. "strict_mode" = "false" 8. ) 9. FROM KAFKA 10. ( 11. "kafka_broker_list" = "10.16.10.6:9092", 12. "kafka_topic" = "routineLoad02", 13. "property.group.id" = "kafka_job", 14. "kafka_partitions" = "0", 15. "kafka_offsets" = "3" 16. ); 4. 导入结果

1. mysql> select * from routine_test02; 2. +------+--------------+------+ 3. | id | name | age | 4. +------+--------------+------+ 5. | 4 | Sophia | 24 | 6. | 5 | William | 26 | 7. | 6 | Charlotte | 28 | 8. +------+--------------+------+ 9. 3 rows in set (0.01 sec)

指定 Consumer Group 的 group.id 与 client.id

  1. 导入数据样例

1. 1,Benjamin,18 2. 2,Emily,20 3. 3,Alexander,22 2. 建表结构

1. CREATE TABLE demo.routine_test03 ( 2. id INT NOT NULL COMMENT "用户 id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪" 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job03 ON routine_test03 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age) 4. PROPERTIES 5. ( 6. "desired_concurrent_number"="1", 7. "strict_mode" = "false" 8. ) 9. FROM KAFKA 10. ( 11. "kafka_broker_list" = "10.16.10.6:9092", 12. "kafka_topic" = "routineLoad01", 13. "property.group.id" = "kafka_job03", 14. "property.client.id" = "kafka_client_03", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> select * from routine_test03; 2. +------+------------+------+ 3. | id | name | age | 4. +------+------------+------+ 5. | 1 | Benjamin | 18 | 6. | 2 | Emily | 20 | 7. | 3 | Alexander | 22 | 8. +------+------------+------+ 9. 3 rows in set (0.01 sec)

设置导入过滤条件

  1. 导入数据样例

1. 1,Benjamin,18 2. 2,Emily,20 3. 3,Alexander,22 4. 4,Sophia,24 5. 5,William,26 6. 6,Charlotte,28 2. 建表结构

1. CREATE TABLE demo.routine_test04 ( 2. id INT NOT NULL COMMENT "用户 id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪" 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job04 ON routine_test04 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age), 4. WHERE id >= 3 5. PROPERTIES 6. ( 7. "desired_concurrent_number"="1", 8. "strict_mode" = "false" 9. ) 10. FROM KAFKA 11. ( 12. "kafka_broker_list" = "10.16.10.6:9092", 13. "kafka_topic" = "routineLoad04", 14. "property.group.id" = "kafka_job04", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> select * from routine_test04; 2. +------+--------------+------+ 3. | id | name | age | 4. +------+--------------+------+ 5. | 4 | Sophia | 24 | 6. | 5 | William | 26 | 7. | 6 | Charlotte | 28 | 8. +------+--------------+------+ 9. 3 rows in set (0.01 sec)

导入指定分区数据

  1. 导入数据样例

1. 1,Benjamin,18,2024-02-04 10:00:00 2. 2,Emily,20,2024-02-05 11:00:00 3. 3,Alexander,22,2024-02-06 12:00:00 2. 建表结构

1. CREATE TABLE demo.routine_test05 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. date DATETIME COMMENT "时间" 6. ) 7. PARTITION BY RANGE(date) () 8. DISTRIBUTED BY HASH(date) 9. PROPERTIES 10. ( 11. "replication_num" = "1", 12. "dynamic_partition.enable" = "true", 13. "dynamic_partition.time_unit" = "DAY", 14. "dynamic_partition.start" = "-2", 15. "dynamic_partition.end" = "3", 16. "dynamic_partition.prefix" = "p", 17. "dynamic_partition.buckets" = "1" 18. ); 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job05 ON routine_test05 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age,date), 4. PARTITION(p20240205) 5. PROPERTIES 6. ( 7. "desired_concurrent_number"="1", 8. "strict_mode" = "false" 9. ) 10. FROM KAFKA 11. ( 12. "kafka_broker_list" = "10.16.10.6:9092", 13. "kafka_topic" = "routineLoad05", 14. "property.group.id" = "kafka_job05", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> select * from routine_test05; 2. +------+----------+------+---------------------+ 3. | id | name | age | date | 4. +------+----------+------+---------------------+ 5. | 2 | Emily | 20 | 2024-02-05 11:00:00 | 6. +------+----------+------+---------------------+ 7. 3 rows in set (0.01 sec)

设置导入时区

  1. 导入数据样例

1. 1,Benjamin,18,2024-02-04 10:00:00 2. 2,Emily,20,2024-02-05 11:00:00 3. 3,Alexander,22,2024-02-06 12:00:00 2. 建表结构

1. CREATE TABLE demo.routine_test06 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. date DATETIME COMMENT "时间" 6. ) 7. DUPLICATE KEY(id) 8. DISTRIBUTED BY HASH(id) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job06 ON routine_test06 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age，date) 4. PROPERTIES 5. ( 6. "desired_concurrent_number"="1", 7. "strict_mode" = "false", 8. "timezone"="Asia/Shanghai" 9. ) 10. FROM KAFKA 11. ( 12. "kafka_broker_list" = "10.16.10.6:9092", 13. "kafka_topic" = "routineLoad06", 14. "property.group.id" = "kafka_job06", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> select * from routine_test06; 2. +------+-------------+------+---------------------+ 3. | id | name | age | date | 4. +------+-------------+------+---------------------+ 5. | 1 | Benjamin | 18 | 2024-02-05 10:00:00 | 6. | 2 | Emily | 20 | 2024-02-05 11:00:00 | 7. | 3 | Alexander | 22 | 2024-02-05 12:00:00 | 8. +------+-------------+------+---------------------+ 9. 3 rows in set (0.00 sec)

指定 merge_type 进行 delete 操作

  1. 导入数据样例
1. 3,Alexander,22
2. 5,William,26

导入前表中数据如下

1. mysql> SELECT * FROM routine_test07;
2. +------+----------------+------+
3. | id   | name           | age  |
4. +------+----------------+------+
5. |    1 | Benjamin       |   18 |
6. |    2 | Emily          |   20 |
7. |    3 | Alexander      |   22 |
8. |    4 | Sophia         |   24 |
9. |    5 | William        |   26 |
10. |    6 | Charlotte      |   28 |
11. +------+----------------+------+
  1. 建表结构
1. CREATE TABLE demo.routine_test07 (
2. id      INT            NOT NULL  COMMENT "id",
3. name    VARCHAR(30)    NOT NULL  COMMENT "名字",
4. age     INT                      COMMENT "年纪",
5. )
6. DUPLICATE KEY(id)
7. DISTRIBUTED BY HASH(id) BUCKETS 1;
  1. 导入命令
1. CREATE ROUTINE LOAD demo.kafka_job07 ON routine_test07
2. WITH DELETE
3. COLUMNS TERMINATED BY ",",
4. COLUMNS(id, name, age)
5. PROPERTIES
6. (
7. "desired_concurrent_number"="1",
8. "max_filter_ratio"="0.5",
9. "strict_mode" = "false"
10. )
11. FROM KAFKA
12. (
13. "kafka_broker_list" = "10.16.10.6:9092",
14. "kafka_topic" = "routineLoad07",
15. "property.group.id" = "kafka_job07",
16. "property.kafka_default_offsets" = "OFFSET_BEGINNING"
17. );
  1. 导入结果
1. mysql> SELECT * FROM routine_test07;
2. +------+----------------+------+
3. | id   | name           | age  |
4. +------+----------------+------+
5. |    1 | Benjamin       |   18 |
6. |    2 | Emily          |   20 |
7. |    4 | Sophia         |   24 |
8. |    6 | Charlotte      |   28 |
9. +------+----------------+------+

指定 merge_typpe 进行 merge 操作

  1. 导入数据样例
1. 1,xiaoxiaoli,28
2. 2,xiaoxiaowang,30
3. 3,xiaoxiaoliu,32
4. 4,dadali,34
5. 5,dadawang,36
6. 6,dadaliu,38

导入前表中数据如下：

1. mysql> SELECT * FROM routine_test08;
2. +------+----------------+------+
3. | id   | name           | age  |
4. +------+----------------+------+
5. |    1 | Benjamin       |   18 |
6. |    2 | Emily          |   20 |
7. |    3 | Alexander      |   22 |
8. |    4 | Sophia         |   24 |
9. |    5 | William        |   26 |
10. |    6 | Charlotte      |   28 |
11. +------+----------------+------+
12. 6 rows in set (0.01 sec)
  1. 建表结构
1. CREATE TABLE demo.routine_test08 (
2. id      INT            NOT NULL  COMMENT "id",
3. name    VARCHAR(30)    NOT NULL  COMMENT "名字",
4. age     INT                      COMMENT "年纪",
5. )
6. DUPLICATE KEY(id)
7. DISTRIBUTED BY HASH(id) BUCKETS 1;
  1. 导入命令
1. CREATE ROUTINE LOAD demo.kafka_job08 ON routine_test08
2. WITH MERGE
3. COLUMNS TERMINATED BY ",",
4. COLUMNS(id, name, age),
5. DELETE ON id = 2
6. PROPERTIES
7. (
8. "desired_concurrent_number"="1",
9. "strict_mode" = "false"
10. )
11. FROM KAFKA
12. (
13. "kafka_broker_list" = "10.16.10.6:9092",
14. "kafka_topic" = "routineLoad08",
15. "property.group.id" = "kafka_job08",
16. "property.kafka_default_offsets" = "OFFSET_BEGINNING"
17. );
  1. 导入结果
1. mysql> SELECT * FROM routine_test08;
2. +------+-------------+------+
3. | id   | name        | age  |
4. +------+-------------+------+
5. |    1 | xiaoxiaoli  |   28 |
6. |    3 | xiaoxiaoliu |   32 |
7. |    4 | dadali      |   34 |
8. |    5 | dadawang    |   36 |
9. |    6 | dadaliu     |   38 |
10. +------+-------------+------+
11. 5 rows in set (0.00 sec)

指定导入需要 merge 的 sequence 列

  1. 导入数据样例
1. 1,xiaoxiaoli,28
2. 2,xiaoxiaowang,30
3. 3,xiaoxiaoliu,32
4. 4,dadali,34
5. 5,dadawang,36
6. 6,dadaliu,38

导入前表中数据如下：

1. mysql> SELECT * FROM routine_test09;
2. +------+----------------+------+
3. | id   | name           | age  |
4. +------+----------------+------+
5. |    1 | Benjamin       |   18 |
6. |    2 | Emily          |   20 |
7. |    3 | Alexander      |   22 |
8. |    4 | Sophia         |   24 |
9. |    5 | William        |   26 |
10. |    6 | Charlotte      |   28 |
11. +------+----------------+------+
12. 6 rows in set (0.01 sec)
  1. 建表结构

1. CREATE TABLE demo.routine_test08 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. ) 6. DUPLICATE KEY(id) 7. DISTRIBUTED BY HASH(id) BUCKETS 1 8. PROPERTIES ( 9. "function_column.sequence_col" = "age" 10. ); 2. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job09 ON routine_test09 2. WITH MERGE 3. COLUMNS TERMINATED BY ",", 4. COLUMNS(id, name, age), 5. DELETE ON id = 2, 6. ORDER BY age 7. PROPERTIES 8. ( 9. "desired_concurrent_number"="1", 10. "strict_mode" = "false" 11. ) 12. FROM KAFKA 13. ( 14. "kafka_broker_list" = "10.16.10.6:9092", 15. "kafka_topic" = "routineLoad09", 16. "property.group.id" = "kafka_job09", 17. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 18. ); 3. 导入结果

1. mysql> SELECT * FROM routine_test09; 2. +------+-------------+------+ 3. | id | name | age | 4. +------+-------------+------+ 5. | 1 | xiaoxiaoli | 28 | 6. | 3 | xiaoxiaoliu | 32 | 7. | 4 | dadali | 34 | 8. | 5 | dadawang | 36 | 9. | 6 | dadaliu | 38 | 10. +------+-------------+------+ 11. 5 rows in set (0.00 sec)

导入完成列影射与衍生列计算

  1. 导入数据样例

1. 1,Benjamin,18 2. 2,Emily,20 3. 3,Alexander,22 2. 建表结构

1. CREATE TABLE demo.routine_test10 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. num INT COMMENT "数量" 6. ) 7. DUPLICATE KEY(`id`) 8. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job10 ON routine_test10 2. COLUMNS TERMINATED BY ",", 3. COLUMNS(id, name, age, num=age*10) 4. PROPERTIES 5. ( 6. "desired_concurrent_number"="1", 7. "max_filter_ratio"="0.5", 8. "strict_mode" = "false" 9. ) 10. FROM KAFKA 11. ( 12. "kafka_broker_list" = "10.16.10.6:9092", 13. "kafka_topic" = "routineLoad10", 14. "property.group.id" = "kafka_job10", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> SELECT * FROM routine_test10; 2. +------+----------------+------+------+ 3. | id | name | age | num | 4. +------+----------------+------+------+ 5. | 1 | Benjamin | 18 | 180 | 6. | 2 | Emily | 20 | 200 | 7. | 3 | Alexander | 22 | 220 | 8. +------+----------------+------+------+ 9. 3 rows in set (0.01 sec)

导入包含包围附的数据

  1. 导入数据样例

1. { "id" : 1, "name" : "xiaoli", "age":18 } 2. { "id" : 2, "name" : "xiaowang", "age":20 } 3. { "id" : 3, "name" : "xiaoliu", "age":22 } 2. 建表结构

1. CREATE TABLE demo.routine_test12 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job12 ON routine_test12 2. PROPERTIES 3. ( 4. "desired_concurrent_number"="1", 5. "format" = "json", 6. "strict_mode" = "false" 7. ) 8. FROM KAFKA 9. ( 10. "kafka_broker_list" = "10.16.10.6:9092", 11. "kafka_topic" = "routineLoad12", 12. "property.group.id" = "kafka_job12", 13. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 14. ); 4. 导入结果

1. mysql> SELECT * FROM routine_test12; 2. +------+----------------+------+ 3. | id | name | age | 4. +------+----------------+------+ 5. | 1 | Benjamin | 18 | 6. | 2 | Emily | 20 | 7. | 3 | Alexander | 22 | 8. +------+----------------+------+ 9. 3 rows in set (0.02 sec)

JSON 格式导入

以简单模式导入 JSON 格式数据

  1. 导入数据样例

1. { "id" : 1, "name" : "Benjamin", "age":18 } 2. { "id" : 2, "name" : "Emily", "age":20 } 3. { "id" : 3, "name" : "Alexander", "age":22 } 2. 建表结构

1. CREATE TABLE demo.routine_test12 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job12 ON routine_test12 2. PROPERTIES 3. ( 4. "desired_concurrent_number"="1", 5. "format" = "json", 6. "strict_mode" = "false" 7. ) 8. FROM KAFKA 9. ( 10. "kafka_broker_list" = "10.16.10.6:9092", 11. "kafka_topic" = "routineLoad12", 12. "property.group.id" = "kafka_job12", 13. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 14. ); 4. 导入结果

1. mysql> select * from routine_test12; 2. +------+----------------+------+ 3. | id | name | age | 4. +------+----------------+------+ 5. | 1 | Benjamin | 18 | 6. | 2 | Emily | 20 | 7. | 3 | Alexander | 22 | 8. +------+----------------+------+ 9. 3 rows in set (0.02 sec)

匹配模式导入复杂的 JSON 格式数据

  1. 导入数据样例

1. { "name" : "Benjamin", "id" : 1, "num":180 , "age":18 } 2. { "name" : "Emily", "id" : 2, "num":200 , "age":20 } 3. { "name" : "Alexander", "id" : 3, "num":220 , "age":22 } 2. 建表结构

1. CREATE TABLE demo.routine_test13 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. num INT COMMENT "数字" 6. ) 7. DUPLICATE KEY(`id`) 8. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job13 ON routine_test13 2. COLUMNS(name, id, num, age) 3. PROPERTIES 4. ( 5. "desired_concurrent_number"="1", 6. "format" = "json", 7. "strict_mode" = "false", 8. "jsonpaths" = "[\"$.name\",\"$.id\",\"$.num\",\"$.age\"]" 9. ) 10. FROM KAFKA 11. ( 12. "kafka_broker_list" = "10.16.10.6:9092", 13. "kafka_topic" = "routineLoad13", 14. "property.group.id" = "kafka_job13", 15. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 16. ); 4. 导入结果

1. mysql> select * from routine_test13; 2. +------+----------------+------+------+ 3. | id | name | age | num | 4. +------+----------------+------+------+ 5. | 1 | Benjamin | 18 | 180 | 6. | 2 | Emily | 20 | 200 | 7. | 3 | Alexander | 22 | 220 | 8. +------+----------------+------+------+ 9. 3 rows in set (0.01 sec)

指定 JSON 根节点导入数据

  1. 导入数据样例

1. {"id": 1231, "source" :{ "id" : 1, "name" : "Benjamin", "age":18 }} 2. {"id": 1232, "source" :{ "id" : 2, "name" : "Emily", "age":20 }} 3. {"id": 1233, "source" :{ "id" : 3, "name" : "Alexander", "age":22 }} 2. 建表结构

1. CREATE TABLE demo.routine_test14 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. ) 6. DUPLICATE KEY(`id`) 7. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job14 ON routine_test14 2. PROPERTIES 3. ( 4. "desired_concurrent_number"="1", 5. "format" = "json", 6. "strict_mode" = "false", 7. "json_root" = "$.source" 8. ) 9. FROM KAFKA 10. ( 11. "kafka_broker_list" = "10.16.10.6:9092", 12. "kafka_topic" = "routineLoad14", 13. "property.group.id" = "kafka_job14", 14. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 15. ); 4. 导入结果

1. mysql> select * from routine_test14; 2. +------+----------------+------+ 3. | id | name | age | 4. +------+----------------+------+ 5. | 1 | Benjamin | 18 | 6. | 2 | Emily | 20 | 7. | 3 | Alexander | 22 | 8. +------+----------------+------+ 9. 3 rows in set (0.01 sec)

导入完成列影射与衍生列计算

  1. 导入数据样例

1. { "id" : 1, "name" : "Benjamin", "age":18 } 2. { "id" : 2, "name" : "Emily", "age":20 } 3. { "id" : 3, "name" : "Alexander", "age":22 } 2. 建表结构

1. CREATE TABLE demo.routine_test15 ( 2. id INT NOT NULL COMMENT "id", 3. name VARCHAR(30) NOT NULL COMMENT "名字", 4. age INT COMMENT "年纪", 5. num INT COMMENT "数字" 6. ) 7. DUPLICATE KEY(`id`) 8. DISTRIBUTED BY HASH(`id`) BUCKETS 1; 3. 导入命令

1. CREATE ROUTINE LOAD demo.kafka_job15 ON routine_test15 2. COLUMNS(id, name, age, num=age*10) 3. PROPERTIES 4. ( 5. "desired_concurrent_number"="1", 6. "format" = "json", 7. "strict_mode" = "false" 8. ) 9. FROM KAFKA 10. ( 11. "kafka_broker_list" = "10.16.10.6:9092", 12. "kafka_topic" = "routineLoad15", 13. "property.group.id" = "kafka_job15", 14. "property.kafka_default_offsets" = "OFFSET_BEGINNING" 15. ); 4. 导入结果

1. mysql> select * from routine_test15; 2. +------+----------------+------+------+ 3. | id | name | age | num | 4. +------+----------------+------+------+ 5. | 1 | Benjamin | 18 | 180 | 6. | 2 | Emily | 20 | 200 | 7. | 3 | Alexander | 22 | 220 | 8. +------+----------------+------+------+ 9. 3 rows in set (0.01 sec)

导入复杂类型

导入 Array 数据类型

  1. 导入数据样例

``` 1. { "id" : 1, "name" : "Benjamin", "age":18, "array":[1,2,3,4,5]} 2. { "id" : 2, "name" : "Emily", "age":20, "array":[6,7,8,9,10]} 3. { "id" : 3, "name" : "Alexand

（本文超出站点单文档体积上限，已截断）