从二进制文件导入到GaussDB(DWS)

1.1   现网业务场景

源数据推送二进制流-->解析二进制-->解析后的数据导入数据库

为了模拟生产的业务场景，客户提供了一个二进制文件及二进制文件的解析程序，需要我们解析二进制文件后导入数据库。

1.2   测试方案

由于客户给出的解析程序是单条解析，为了提升数据导入的性能，需要微批导入的方式，在内存中积攒一定量的数据后，再调用copymanager接口导入数据库中。最终测试方案的整体流程如下所示：

1.3   测试过程

从上图可以看出，一批数据的耗时由三部分组成：

• 解析二进制文件
• 积攒一批数据
• 数据导入数据库

1)解析二进制文件

这是客户提供的Java程序，按行读取二进制文件中的数据，每行解析成一个String对象。

2)积攒数据

积攒的数据最终是要通过copymanager接口导入数据库中的，因此其对象类型需要是copymanager接口可以调用的。从下图中可以看出，其对象类型为InputSream。

初步采用的解决方案是将解析后的String对象拼接起来，然后在copymanager接口中将String转为InputStream。在测试过程中发现，由于String类型在处理这种大对象的时候效率较低随着积攒数据的增多，这部分耗时越来越久，因此，最终方案是将解析后的数据存放到StringBuffer对象中。

3)调用copymanager接口

在Java中引用GaussDB（DWS）安装包中的JDBC驱动后，需要import CopyManager及BaseConnection

import org.postgresql.copy.CopyManager;
import org.postgresql.core.BaseConnection;

在创建copymanager对象的时候，需要将Connection对象转为BaseConnection，如下所示：

CopyManager copyManager = new CopyManager((BaseConnection)conn); 

1.4   测试结果

在单连接的情况下，解析+入库可处理10.1W/S，导入性能可达到64.5W/S；

在255并发情况下，解析+入库可处理1252.1 W/S，导入性能可达到4132.4W/S。

1.5   总结

• 在本地执行测试代码

在本地用idle调试中需要一个二进制文件，可以从客户给出的文件中执行head –n 1000 ***.dat>1.dat 截取一部分文件内容放在本地。

• 各个时间收集

为了更好的给客户展现我们数据库的强大性能，需要把数据库导入的时间单独列出来，给客户一个更加直观的感受。

• 高并发的设计

首先，将并发程序布置在集群外的服务器上， 然后为了避免单盘IO性能瓶颈，在每块盘上存放一份数据文件及解析程序。由于是把一批数据积攒到内存中的，因此在启动并发时需要注意内存的使用情况。

在客户端服务器并发75、内存已经饱和的情况下，查看集群的cpu及内存使用率仍然不高，因此，在集群内部的所有节点上每个增加30并发，达到最大并发数。

注意事项：

• JDBC连接时，把所有并发平均分配到各个CN节点上；
• 集群内部节点JDBC连接时可能会报gss错误，需要修改conf配置文件，将本地ip的连接方式由gss改为sha256。

想了解GuassDB(DWS)更多信息，欢迎微信搜索“GaussDB DWS”关注微信公众号，和您分享最新最全的PB级数仓黑科技，后台还可获取众多学习资料~