功能描述
LOAD DATA可用于导入CSV、Parquet、ORC、JSON、Avro格式的数据，内部将转换 成Parquet数据格式进行存储。
语法格式
LOAD DATA INPATH 'folder_path' INTO TABLE [db_name.]table_name OPTIONS(property_name=property_value, ...);
关键字
● INPATH：数据路径。
● OPTIONS：属性列表。
参数说明
表1-32 参数描述
参数 描述
folder_path 原始数据文件夹或者文件的OBS路径。
db_name 数据库名称。若未指定，则使用当前数据库。
table_name 需要导入数据的DLI表的名称。
以下是可以在导入数据时使用的配置选项：
● DATA_TYPE: 指定导入的数据类型，当前支持CSV、Parquet、ORC、JSON、Avro 类型，默认值为“CSV”。
配置项为OPTIONS('DATA_TYPE'='CSV')
导入CSV和JSON文件时，有三种模式可以选择：
– PERMISSIVE：选择PERMISSIVE模式时，如果某一列数据类型与目标表列数 据类型不匹配，则该行数据将被设置为null。
– DROPMALFORMED：选择DROPMALFORMED模式时，如果某一列数据类 型与目标表列数据类型不匹配，则不导入该行数据。
– FAILFAST：选择FAILFAST模式时，如果某一列类型不匹配，则会抛出异常，
导入失败。
模式设置可通过在OPTIONS中添加 OPTIONS('MODE'='PERMISSIVE')进行设置。
● DELIMITER：可以在导入命令中指定分隔符，默认值为“,”。
配置项为OPTIONS('DELIMITER'=',')。
对于CSV数据，支持如下所述分隔符：
– 制表符tab，例如：'DELIMITER'='\t'。
– 任意的二进制字符，例如：'DELIMITER'='\u0001(^A)'。
– 单引号（'），单引号必须在双引号（" "）内。例如：'DELIMITER'= "'"。
– DLI表还支持\001（^A）和\017（^Q），例如：'DELIMITER'='\001(^A)'，
'DELIMITER'='\017(^Q)'。
● QUOTECHAR：可以在导入命令中指定引号字符。默认值为"。
配置项为OPTIONS('QUOTECHAR'='"')
● COMMENTCHAR：可以在导入命令中指定注释字符。在导入操作期间，如果在行 的开头遇到注释字符，那么该行将被视为注释，并且不会被导入。默认值为＃。
配置项为OPTIONS('COMMENTCHAR'='#')
● HEADER：用来表示源文件是否有表头。取值范围为“true”和“false”。
“true”表示有表头，“false”表示无表头。默认值为“false”。如果没有表 头，可以在导入命令中指定FILEHEADER参数提供表头。
配置项为OPTIONS('HEADER'='true')
● FILEHEADER：如果源文件中没有表头，可在LOAD DATA命令中提供表头。
OPTIONS('FILEHEADER'='column1,column2')
● ESCAPECHAR：如果用户想在CSV上对Escape字符进行严格验证，可以提供 Escape字符。默认值为“\\”。
配置项为OPTIONS('ESCAPECHAR'='\\') 说明
如果在CSV数据中输入ESCAPECHAR，该ESCAPECHAR必须在双引号（" "）内。例如："a
\b"。
● MAXCOLUMNS：该可选参数指定了在一行中，CSV解析器解析的最大列数。
配置项为OPTIONS('MAXCOLUMNS'='400')
表1-33 MAXCOLUMNS
可选参数名称 默认值 最大值
MAXCOLUMNS 2000 20000
说明
设置MAXCOLUMNS Option的值后，导入数据会对executor的内存有要求，所以导入数据 可能会由于executor内存不足而失败。
● DATEFORMAT：指定列的日期格式。
OPTIONS('DATEFORMAT'='dateFormat') 说明
● 默认值为：yyyy-MM-dd。
● 日期格式由Java的日期模式字符串指定。在Java的日期和时间模式字符串中，未加单引 号(')的字符'A' 到'Z' 和'a' 到'z' 被解释为模式字符，用来表示日期或时间字符串元素。
若模式字符使用单引号 (') 引起来，则在解析时只进行文本匹配，而不进行解析。Java 模式字符定义请参见表1-34。
表1-34 日期及时间模式字符定义 模式字符 日期或时间元素 示例
G 纪元标识符 AD
y 年份 1996; 96
M 月份 July; Jul; 07 w 年中的周数 27(该年的第27周)
模式字符 日期或时间元素 示例
W 月中的周数 2(该月的第2周)
D 年中的天数 189(该年的第189天) d 月中的天数 10(该月的第10天)
u 星期中的天数 1 = 星期一, ..., 7 = 星期日 a am/pm 标记 pm(下午时)
H 24小时数(0-23) 2 h 12小时数(1-12) 12
m 分钟数 30
s 秒数 55
S 毫秒数 978
z 时区 Pacific Standard Time; PST; GMT-08:00
● TIMESTAMPFORMAT：指定列的时间戳格式。
OPTIONS('TIMESTAMPFORMAT'='timestampFormat') 说明
● 默认值为：yyyy-MM-dd HH:mm:ss。
● 时间戳格式由Java的时间模式字符串指定。Java时间模式字符串定义详见表3 日期及时 间模式字符定义。
● MODE：指定导入过程错误记录的处理模式，支持三种选项：PERMISSIVE、
DROPMALFORMED和FAILFAST。
OPTIONS('MODE'='permissive') 说明
● PERMISSIVE（默认）：尽可能地解析bad records，如果遇到不能转换的字段，则整行 为null
● DROPMALFORMED：忽略掉无法解析的bad records
● FAILFAST：遇到无法解析的记录时，抛出异常并使Job失败
● BADRECORDSPATH：指定导入过程中错误记录的存储目录。
OPTIONS('BADRECORDSPATH'='obs://bucket/path') 说明
配置该选项后，MODE不可配，固定为"DROPMALFORMED"，即将能够成功转换的记录 导入到目标表，而将转换失败的记录存储到指定错误记录存储目录。
注意事项
● 导入OBS表时，创建OBS表时指定的路径必须是文件夹，若建表路径是文件将导 致导入数据失败。
● 仅支持导入位于OBS路径上的原始数据。
● 不建议对同一张表并发导入数据，因为有一定概率发生并发冲突，导致导入失 败。
● 导入数据时只能指定一个路径，路径中不能包含逗号。
● 当OBS桶目录下有文件夹和文件同名时，导入数据会优先指向该路径下的文件而 非文件夹。
● 导入PARQUET、ORC及JSON类型数据时，必须指定DATA_TYPE这一OPTIONS，
否则会以默认的“CSV”格式进行解析，从而导致导入的数据格式不正确。
● 导入CSV及JSON类型数据时，如果包含日期及时间列，需要指定DATEFORMAT及 TIMESTAMPFORMAT选项，否则将以默认的日期及时间戳格式进行解析。
示例
说明
导入数据前已参考创建OBS表或者创建DLI表章节中的示例描述创建对应的表。
● 可使用下列语句将CSV文件导入到DLI表，“t”为表名。
LOAD DATA INPATH 'obs://dli/data.csv' INTO TABLE t
OPTIONS('DELIMITER'=',' , 'QUOTECHAR'='"','COMMENTCHAR'='#','HEADER'='false');
● 可使用下列语句将JSON文件导入到DLI表，“jsontb”为表名。
LOAD DATA INPATH 'obs://dli/alltype.json' into table jsontb
OPTIONS('DATA_TYPE'='json','DATEFORMAT'='yyyy/MM/dd','TIMESTAMPFORMAT'='yyyy/MM/dd HH:mm:ss');