当前位置： 首页 > news >正文

doris: CSV导入数据

news 2025/7/30 10:50:16

本文介绍如何在 Doris 中导入 CSV 格式的数据文件。Doris 支持灵活的 CSV 格式配置，包括自定义分隔符、字段包围符等，并提供多种导入方式以满足不同场景的数据导入需求。

导入方式​

Doris 支持以下方式导入 CSV 格式数据：

  • Stream Load
  • Broker Load
  • Routine Load
  • MySQL Load
  • INSERT INTO FROM S3 TVF
  • INSERT INTO FROM HDFS TVF

参数配置​

参数支持情况​

下表列出了各种导入方式支持的 CSV 格式参数：

参数默认值Stream LoadBroker LoadRoutine LoadMySQL LoadTVF
行分隔符\nline_delimiterLINES TERMINATED BY不支持LINES TERMINATED BYline_delimiter
列分隔符\tcolumn_separatorCOLUMNS TERMINATED BYCOLUMNS TERMINATED BYCOLUMNS TERMINATED BYcolumn_separator
包围符无enclosePROPERTIES.enclosePROPERTIES.enclosePROPERTIES.encloseenclose
转义符\escapePROPERTIES.escapePROPERTIES.escapePROPERTIES.escapeescape
跳过行数0skip_linesPROPERTIES.skip_lines不支持IGNORE LINESskip_lines
裁剪双引号falsetrim_double_quotes不支持PROPERTIES.trim_double_quotes不支持trim_double_quotes
压缩格式plaincompress_typePROPERTIES.compress_type不支持不支持compress_type

注意

  1. Stream Load：参数直接通过 HTTP Header 指定，如：-H "line_delimiter:\n"
  2. Broker Load：参数通过 SQL 语句指定，其中：
    • 分隔符通过 COLUMNS TERMINATED BY, LINES TERMINATED BY 指定
    • 其他参数通过 PROPERTIES 指定，如：PROPERTIES("compress_type"="gz")
  3. Routine Load：参数通过 SQL 语句指定，其中：
    • 分隔符通过 COLUMNS TERMINATED BY 指定
    • 其他参数通过 PROPERTIES 指定，如：PROPERTIES("enclose"="\"")
  4. MySQL Load：参数通过 SQL 语句指定，其中：
    • 分隔符通过 LINES TERMINATED BY, COLUMNS TERMINATED BY 指定
    • 其他参数通过 PROPERTIES 指定，如：PROPERTIES("escape"="\\")
  5. TVF：参数通过 TVF 语句指定，如：S3("line_delimiter"="\n")

参数说明​

行分隔符​
  • 作用：指定导入文件中的换行符
  • 默认值：\n
  • 特点：支持多个字符组合作为换行符
  • 使用场景和示例：
    • Linux/Unix 系统文件： 
      数据文件：
张三,25\n
李四,30\n参数设置：
line_delimiter：\n (默认值，可不设置)

    • Windows 系统文件： 
      数据文件：
张三,25\r\n
李四,30\r\n参数设置：
line_delimiter：\r\n

    • 特殊程序生成文件： 
      数据文件：
张三,25\r
李四,30\r参数设置：
line_delimiter：\r

    • 自定义多字符分隔符： 
      数据文件：
张三,25||
李四,30||参数设置：
line_delimiter：||

列分隔符​
  • 作用：指定导入文件中的列分隔符
  • 默认值：\t（制表符）
  • 特点：
    • 支持可见和不可见字符
    • 支持多字符组合
    • 不可见字符需要使用 \x 前缀的十六进制表示
  • MySQL 协议特殊处理：
    • 不可见字符需要额外增加反斜线
    • 如 Hive 的 \x01 在 Broker Load 中需要写成 \\x01
  • 使用场景和示例：
    • 常见可见字符： 
      数据文件：
张三,25,北京
李四,30,上海参数设置：
column_separator：,

    • 制表符（默认）： 
      数据文件：
张三    25    北京
李四    30    上海参数设置：
column_separator：\t (默认值，可不设置)

    • Hive 文件（Stream Load）： 
      数据文件：
张三\x0125\x01北京
李四\x0130\x01上海参数设置：
column_separator：\x01

    • Hive 文件（Broker Load）： 
      数据文件：
张三\x0125\x01北京
李四\x0130\x01上海参数设置：
PROPERTIES("column_separator"="\\x01")

    • 多字符分隔符： 
      数据文件：
张三||25||北京
李四||30||上海参数设置：
column_separator：||

包围符​
  • 作用：保护包含特殊字符的字段，防止被错误解析
  • 限制：仅支持单字节字符
  • 常用字符：
    • 单引号：'
    • 双引号："
  • 使用场景和示例：
    • 字段包含列分隔符： 
      数据：a,'b,c',d
列分隔符：,
包围符：'
解析结果：3个字段 [a] [b,c] [d]

    • 字段包含行分隔符： 
      数据：a,'b\nc',d
列分隔符：,
包围符：'
解析结果：3个字段 [a] [b\nc] [d]

    • 字段既包含列分隔符又包含行分隔符： 
      数据：a,'b,c\nd,e',f
列分隔符：,
包围符：'
解析结果：3个字段 [a] [b,c\nd,e] [f]

转义符​
  • 作用：转义字段中与包围符相同的字符
  • 限制：仅支持单字节字符，默认为 \
  • 使用场景和示例：
    • 字段包含包围符： 
      数据：a,'b,\'c',d
列分隔符：,
包围符：'
转义符：\
解析结果：3个字段 [a] [b,'c] [d]

    • 字段包含多个包围符： 
      数据：a,"b,\"c\"d",e
列分隔符：,
包围符："
转义符：\
解析结果：3个字段 [a] [b,"c"d] [e]

    • 字段包含转义符本身： 
      数据：a,'b\\c',d
列分隔符：,
包围符：'
转义符：\
解析结果：3个字段 [a] [b\c] [d]

跳过行数​

  • 作用：跳过 CSV 文件的前几行

  • 类型：整数类型

  • 默认值：0

  • 特殊说明：

    • 当 format 为 csv_with_names 时，系统会自动跳过首行（列名），忽略 skip_lines 参数
    • 当 format 为 csv_with_names_and_types 时，系统会自动跳过前两行（列名和类型），忽略 skip_lines 参数

  • 使用场景和示例：

    • 跳过标题行： 
      数据文件：
姓名,年龄,城市
张三,25,北京
李四,30,上海参数设置：
skip_lines：1
结果：跳过标题行，导入后续数据

    • 跳过注释行： 
      数据文件：
# 用户信息表
# 创建时间: 2024-01-01
张三,25,北京
李四,30,上海参数设置：
skip_lines：2
结果：跳过注释行，导入后续数据

    • 使用 csv_with_names 格式： 
      数据文件：
name,age,city
张三,25,北京
李四,30,上海参数设置：
format：csv_with_names
结果：系统自动跳过首行列名

    • 使用 csv_with_names_and_types 格式： 
      数据文件：
name,age,city
string,int,string
张三,25,北京
李四,30,上海参数设置：
format：csv_with_names_and_types
结果：系统自动跳过前两行的列名和类型信息

裁剪双引号​
  • 作用：裁剪掉 CSV 文件每个字段最外层的双引号
  • 类型：布尔类型
  • 默认值：false
  • 使用场景和示例：
    • 裁剪双引号： 
      数据文件：
"张三","25","北京"
"李四","30","上海"参数设置：
trim_double_quotes：true
结果：
张三,25,北京
李四,30,上海

压缩格式​
  • 作用：指定导入文件的压缩格式
  • 类型：字符串， 忽略大小写
  • 默认值：plain
  • 支持的压缩格式：
    • plain：不压缩（默认）
    • bz2：BZIP2 压缩
    • deflate：DEFLATE 压缩
    • gz：GZIP 压缩
    • lz4：LZ4 Frame 格式压缩
    • lz4_block：LZ4 Block 格式压缩
    • lzo：LZO 压缩
    • lzop：LZOP 压缩
    • snappy_block：SNAPPY Block 格式压缩
  • 注意事项：
    • tar 是一种文件打包格式，不属于压缩格式，因此不支持 .tar 文件
    • 如需使用 tar 打包的文件，请先解包后再导入

使用示例​

本节展示了不同导入方式下的 CSV 格式使用方法。

Stream Load 导入​

# 指定分隔符
curl --location-trusted -u root: \-H "column_separator:," \-H "line_delimiter:\n" \-T example.csv \http://<fe_host>:<fe_http_port>/api/test_db/test_table/_stream_load# 处理带引号的数据
curl --location-trusted -u root: \-H "column_separator:," \-H "enclose:\"" \-H "escape:\\" \-T example.csv \http://<fe_host>:<fe_http_port>/api/test_db/test_table/_stream_load# 导入压缩文件
curl --location-trusted -u root: \-H "compress_type:gz" \-T example.csv.gz \http://<fe_host>:<fe_http_port>/api/test_db/test_table/_stream_load

Broker Load 导入​

-- 指定分隔符
LOAD LABEL test_db.test_label
(DATA INFILE("s3://bucket/example.csv")INTO TABLE test_tableCOLUMNS TERMINATED BY ","LINES TERMINATED BY "\n"
)
WITH S3
(...
);-- 处理带引号的数据
LOAD LABEL test_db.test_label
(DATA INFILE("s3://bucket/example.csv")INTO TABLE test_tablePROPERTIES("enclose" = "\"","escape" = "\\")
)
WITH S3
(...
);-- 导入压缩文件
LOAD LABEL test_db.test_label
(DATA INFILE("s3://bucket/example.csv.gz")INTO TABLE test_tablePROPERTIES("compress_type" = "gz")
)
WITH S3
(...
);

Routine Load 导入​

-- 指定分隔符
CREATE ROUTINE LOAD test_db.test_job ON test_table
COLUMNS TERMINATED BY ","
FROM KAFKA
(...
);-- 处理带引号的数据
CREATE ROUTINE LOAD test_db.test_job ON test_table
COLUMNS TERMINATED BY ","
PROPERTIES
("enclose" = "\"","escape" = "\\"
)
FROM KAFKA
(...
);

MySQL Load 导入​

-- 指定分隔符
LOAD DATA LOCAL INFILE 'example.csv'
INTO TABLE test_table
COLUMNS TERMINATED BY ','
LINES TERMINATED BY '\n';-- 处理带引号的数据
LOAD DATA LOCAL INFILE 'example.csv'
INTO TABLE test_table
COLUMNS TERMINATED BY ','
LINES TERMINATED BY '\n'
PROPERTIES
("enclose" = "\"","escape" = "\\"
);-- 跳过表头
LOAD DATA LOCAL INFILE 'example.csv'
INTO TABLE test_table
COLUMNS TERMINATED BY ','
LINES TERMINATED BY '\n'
IGNORE 1 LINES;

TVF 导入​

-- 指定分隔符
INSERT INTO test_table
SELECT *
FROM S3
("uri" = "s3://bucket/example.csv","format" = "csv","column_separator" = ",","line_delimiter" = "\n"...
);-- 处理带引号的数据
INSERT INTO test_table
SELECT *
FROM S3
("uri" = "s3://bucket/example.csv","format" = "csv","column_separator" = ",","enclose" = "\"","escape" = "\\"...
);-- 导入压缩文件
INSERT INTO test_table
SELECT *
FROM S3
("uri" = "s3://bucket/example.csv.gz","format" = "csv","compress_type" = "gz"...
);

http://www.lryc.cn/news/528900.html

相关文章：

  • FastStone Image Viewer图像处理软件安装步骤（百度网盘链接）
  • Kafka 深入服务端 — 时间轮
  • 网络爬虫学习：应用selenium获取Edge浏览器版本号，自动下载对应版本msedgedriver，确保Edge浏览器顺利打开。
  • 【go语言】结构体
  • Spring Boot是什么及其优点
  • 谷氨酸：大脑功能的多面手
  • SpringCloudGateWay和Sentinel结合做黑白名单来源控制
  • HTML新春烟花
  • 【Elasticsearch】中数据流需要配置索引模板吗？
  • Git进阶之旅：Git 配置信息 Config
  • buu-pwn1_sctf_2016-好久不见29
  • ES2021+新特性、常用函数
  • STM32——LCD
  • 【redis进阶】分布式锁
  • 园区管理系统如何提升企业核心竞争力与资产管理智能化水平
  • AI大模型开发原理篇-3：词向量和词嵌入
  • 高精度算法：高精度减法
  • Java创建项目准备工作
  • 基于STM32的智能宠物喂食器设计
  • 在线课堂小程序设计与实现（LW+源码+讲解）
  • 为AI聊天工具添加一个知识系统 之77 详细设计之18 正则表达式 之5
  • 【Elasticsearch】 索引模板 ignore_missing_component_templates
  • Github 2025-01-29 C开源项目日报 Top10
  • 文件上传2
  • Unity敌人逻辑笔记
  • 高级编码参数
  • DeepSeek-R1：通过强化学习激励大型语言模型（LLMs）的推理能力
  • leetcode——合并K个有序链表（java）
  • 【Valgrind】安装报错： 报错有未满足的依赖关系： libc6，libc6-dbg
  • vue3和vue2的区别有哪些差异点