PXF对象存储连接器支持将多行文本文件读取为单个表行。 本节介绍如何使用PXF读取对象存储中的多行文本和JSON数据文件,包括如何创建引用存储中多个文件的外部表。

PXF支持以这种方式仅读取文本和JSON文件。

注意: 从对象存储访问多行文件与访问HDFS中的多行文件非常相似。 本主题标识读取这些文件所需的特定于对象存储的信息。 有关更多信息,请参考PXF HDFS文档

先决条件

在尝试从驻留在对象存储中的多个文件中读取数据之前,请确保已满足PXF对象存储的先决条件

创建外部表

使用<objstore>:hdfs:multi配置文件将对象存储中的多个文件读入单个表行。 PXF支持以下<objstore>配置文件前缀:

对象存储配置文件前缀
Azure Blob Storagewasbs
Azure Data Lakeadl
Google Cloud Storagegs
Minios3
S3s3

以下语法创建了Greenplum数据库可读的外部表,该表引用对象存储中的一个或多个文本文件:

  1. CREATE EXTERNAL TABLE <table_name>
  2. ( <column_name> text|json | LIKE <other_table> )
  3. LOCATION ('pxf://<path-to-files>?PROFILE=<objstore>:text:multi[&SERVER=<server_name>]&FILE_AS_ROW=true')
  4. FORMAT 'CSV');

下表描述了CREATE EXTERNAL TABLE命令中使用的特定关键字和值。

关键字
<path‑to‑files>对象存储中目录或文件的绝对路径。
PROFILE=<objstore>:text:multiPROFILE关键字必须标识特定的对象存储。 例如,s3:text:multi
SERVER=<server_name>PXF用于访问数据的命名服务器配置。可选的; 如果未指定,PXF将使用default服务器。
FILE_AS_ROW=true指示PXF将每个文件读入单个表行的必需选项。
FORMATFORMAT必须指定‘CSV’

如果要访问S3对象存储,则可以通过CREATE EXTERNAL TABLE命令中的自定义选项提供S3凭据,如使用DDL覆盖S3服务器配置中所述。

示例

有关示例,请参阅PXF HDFS文档中的示例:将HDFS文本文件读入单个表行。 您必须对使用对象库运行示例进行的修改包括:

  • 将文件复制到对象存储而不是HDFS。 例如,要将文件复制到S3:

    1. $ aws s3 cp /tmp/file1.txt s3://BUCKET/pxf_examples/tdir
    2. $ aws s3 cp /tmp/file2.txt s3://BUCKET/pxf_examples/tdir
    3. $ aws s3 cp /tmp/file3.txt s3://BUCKET/pxf_examples/tdir
  • 使用上述的CREATE EXTERNAL TABLE语法和LOCATION关键字和设置。 例如,如果您的服务器名称是s3srvcfg

    1. CREATE EXTERNAL TABLE pxf_readfileasrow_s3( c1 text )
    2. LOCATION('pxf://BUCKET/pxf_examples/tdir?PROFILE=s3:text:multi&SERVER=s3srvcfg&FILE_AS_ROW=true')
    3. FORMAT 'CSV'