编程部落

python脚本将mysql数据写入doris过程

作者：

风君子

在

文章目录
  • 以上为个人经验，希望能给大家一个参考，也希望大家多多支持风君子博客。 您可能感兴趣的文章: MySQL 迁移至 Doris 最佳实践方案(最新整理) MySQL数据同步到Doris的四种方式 使用Python对MySQL进行数据分析 Python实现可视化Excel导入MySQL工具的完整代码 Python3使用mysql-connector模块连接MySQL数据库 利用Python连接MySQL超详细实战教程
    • 目录
    • python脚本将mysql数据写入doris
      • flink-cdc连接的FE，数据写入时正常的
      • 这是将mysql的表结构直接转成doris的表
      • 你可以看到varchar在doris中变成了4倍
      • 这个Duplicate模型针对日志是可以
    • 总结

      但通过python脚本使用stream load方式直接连接FE，提示

      NOT_AUTHORIZED]no valid Basic authorization

      如果改用直接连接BE节点，写入又提示

      [DATA_QUALITY_ERROR]too many filtered rows

      这个就是搞技术最麻烦的地方，提示的异常，有没有具体信息，根本就不知道原因是啥，要猜。

      from sqlalchemy import create_engine
import pandas as pd
import math
import requests
from loguru import logger
import gzip
import io
import uuid
from requests.auth import HTTPBasicAuth
import json

# MySQL 配置
ziping_config = {
    'user': 'root',
    'password': '123456',
    'host': 'localhost',
    'port': 3306,
    'database': 'ziping'
}

# 创建 SQLAlchemy 引擎
# ziping_engine = create_engine(
#     "mysql+pymysql://{user}:{password}@{host}:{port}/{database}?charset=utf8mb4".format(**ziping_config)
# )


def sync_zp_bazi_info():
    # 从 MySQL 读取数据
    ziping_engine = create_engine(
        "mysql+pymysql://{user}:{password}@{host}:{port}/{database}".format(**ziping_config)
        ,connect_args={'charset': 'utf8mb4'}
    )
    logger.info("连接 MySQL 成功")
    query = "SELECT id, year, month, day, hour, year_xun, month_xun, day_xun, hour_xun, " 
            "yg, yz, mg, mz, dg, dz, hg, hz, year_shu, month_shu, day_shu, hour_shu, yz_cs, " 
            "mz_cs, dz_cs, hz_cs, yg_sk, yz_sk, mg_sk, mz_sk, dz_sk, hg_sk, hz_sk, year_ny, " 
            "month_ny, day_ny, hour_ny, jin_cn, mu_cn, shui_cn, huo_cn, tu_cn, zy_cn, py_cn, " 
            "zc_cn, pc_cn, zg_cn, qs_cn, ss_cn, sg_cn, bj_cn, jc_cn, ym_gj, md_gj, dh_gj FROM zp_bazi_info"
    df = pd.read_sql(query, ziping_engine)
    logger.info("读取数据成功")
    # Stream Load 配置
    stream_load_url = "http://10.101.1.31:8040/api/fay/zp_bazi_info/_stream_load"
    auth = HTTPBasicAuth('root', '123456')
    headers = {
        "Content-Encoding":"gzip",
        "Content-Type": "text/csv; charset=UTF-8",  # 数据格式为 CSV
        "Expect": "100-continue",       # 支持大文件传输
    }

    # 分批次大小
    batch_size = 100000  # 每批次 10 万条
    total_rows = len(df)
    num_batches = math.ceil(total_rows / batch_size)

    # 分批次导入
    for i in range(num_batches):
        start = i * batch_size
        end = min((i + 1) * batch_size, total_rows)
        batch_df = df[start:end]

        # 将批次数据转换为 CSV
        batch_csv = batch_df.to_csv(index=False, header=False,sep='t').encode('utf-8')
        headers["Content-Length"] = str(len(batch_csv))
        # 压缩 CSV
        # compressed_data = compress_csv(batch_csv)

        # 发送 Stream Load 请求
        headers["label"] = str(uuid.uuid1())
        response = requests.put(stream_load_url, headers=headers, data=batch_csv,auth=auth,timeout=60)

        # 检查导入结果
        result = response.json()
        if result['Status'] != 'Fail':
            logger.info(result['Message'])
            logger.info(f"批次 {i + 1}/{num_batches} 导入成功")
        else:
            logger.info(f"批次 {i + 1}/{num_batches} 导入失败")
            logger.info("错误信息:{}", result['Message'])
            break

def compress_csv(batch_csv):
    buffer = io.BytesIO()
    with gzip.GzipFile(fileobj=buffer, mode='wb') as f:
        f.write(batch_csv)
    compressed_data = buffer.getvalue()
    return compressed_data

if __name__ == '__main__':
    sync_zp_bazi_info()

      从BE中可以查看到日志，csv文件中到doris中被解析为1列了。

      看来问题出在batch_df.to_csv(index=False, header=False,sep='t'),需要增加sep='t'

      CREATE TABLE `zp_bazi_info` (
    `id` CHAR(11) NOT NULL COMMENT "ID",
    `year` CHAR(2) NOT NULL COMMENT "年柱",
    `month` CHAR(2) COMMENT "月柱",
    `day` CHAR(2) COMMENT "日柱",
    `hour` CHAR(2) COMMENT "时柱",
    `year_xun` CHAR(2) COMMENT "年柱旬",
    `month_xun` CHAR(2) COMMENT "月柱旬",
    `day_xun` CHAR(2) COMMENT "日柱旬",
    `hour_xun` CHAR(2) COMMENT "时柱旬",
    `yg` CHAR(1) COMMENT "年干",
    `yz` CHAR(1) COMMENT "年支",
    `mg` CHAR(1) COMMENT "月干",
    `mz` CHAR(1) COMMENT "月支",
    `dg` CHAR(1) COMMENT "日干",
    `dz` CHAR(1) COMMENT "日支",
    `hg` CHAR(1) COMMENT "时干",
    `hz` CHAR(1) COMMENT "时支",
    `year_shu` TINYINT COMMENT "年柱数",
    `month_shu` TINYINT COMMENT "月柱数",
    `day_shu` TINYINT COMMENT "日柱数",
    `hour_shu` TINYINT COMMENT "时柱数",
    `yz_cs` CHAR(2) COMMENT "年长生",
    `mz_cs` CHAR(2) COMMENT "月长生",
    `dz_cs` CHAR(2) COMMENT "日长生",
    `hz_cs` CHAR(2) COMMENT "时长生",
    `yg_sk` CHAR(1) COMMENT "年干生克",
    `yz_sk` CHAR(1) COMMENT "年支生克",
    `mg_sk` CHAR(1) COMMENT "月干生克",
    `mz_sk` CHAR(1) COMMENT "月支生克",
    `dz_sk` CHAR(1) COMMENT "日支生克",
    `hg_sk` CHAR(1) COMMENT "时干生克",
    `hz_sk` CHAR(1) COMMENT "时支生克",
    `year_ny` CHAR(3) COMMENT "年纳音",
    `month_ny` CHAR(3) COMMENT "月纳音",
    `day_ny` CHAR(3) COMMENT "日纳音",
    `hour_ny` CHAR(3) COMMENT "时纳音",
    `jin_cn` TINYINT COMMENT "金数量",
    `mu_cn` TINYINT COMMENT "木数量",
    `shui_cn` TINYINT COMMENT "水数量",
    `huo_cn` TINYINT COMMENT "火数量",
    `tu_cn` TINYINT COMMENT "土数量",
    `zy_cn` TINYINT COMMENT "正印数量",
    `py_cn` TINYINT COMMENT "偏印数量",
    `zc_cn` TINYINT COMMENT "正财数量",
    `pc_cn` TINYINT COMMENT "偏财数量",
    `zg_cn` TINYINT COMMENT "正官数量",
    `qs_cn` TINYINT COMMENT "七杀数量",
    `ss_cn` TINYINT COMMENT "食神数量",
    `sg_cn` TINYINT COMMENT "伤官数量",
    `bj_cn` TINYINT COMMENT "比肩数量",
    `jc_cn` TINYINT COMMENT "劫财数量",
    `ym_gj` CHAR(1) COMMENT "年月拱夹",
    `md_gj` CHAR(1) COMMENT "月时拱夹",
    `dh_gj` CHAR(1) COMMENT "日时拱夹"
)
ENGINE=OLAP
DUPLICATE KEY(`id`)
DISTRIBUTED BY HASH(`id`) BUCKETS 10
PROPERTIES (
    "replication_num" = "1"
);

      但实际写入，报下面的错误，看来错误原因应该是mysql的字节与doris的字节计算不一样。

      Reason: column_name[id], the length of input is too long than schema. first 32 bytes of input str: [丁丑 丁未 丁丑 丁未] schema length: 11; actual length: 27; . src line []; 

      ​因为id为主键，因此执行下面的语句，会提示

      Execution failed: Error Failed to execute sql: java.sql.SQLException: (conn=24) errCode = 2, detailMessage = No key column left. index[zp_bazi_info]

      ALTER TABLE zp_bazi_info MODIFY COLUMN `id` VARCHAR(32) NOT NULL COMMENT "ID";

      这里看一下，flink-cdc是怎么做的。

      utf8mb4 编码（这是 MySQL 默认推荐的 UTF-8 实现，支持完整的 Unicode 字符集，包括表情符号等），flink采取了最坏的保守策略。而char是保持不变。

      CREATE TABLE `zp_bazi_info` (
    `id` VARCHAR(27) NOT NULL COMMENT "ID",
    `year` VARCHAR(6) NOT NULL COMMENT "年柱",
    `month` VARCHAR(6) COMMENT "月柱",
    `day` VARCHAR(6) COMMENT "日柱",
    `hour` VARCHAR(6) COMMENT "时柱",
    `year_xun` VARCHAR(6) COMMENT "年柱旬",
    `month_xun` VARCHAR(6) COMMENT "月柱旬",
    `day_xun` VARCHAR(6) COMMENT "日柱旬",
    `hour_xun` VARCHAR(6) COMMENT "时柱旬",
    `yg` VARCHAR(9) COMMENT "年干",
    `yz` VARCHAR(9) COMMENT "年支",
    `mg` VARCHAR(9) COMMENT "月干",
    `mz` VARCHAR(9) COMMENT "月支",
    `dg` VARCHAR(9) COMMENT "日干",
    `dz` VARCHAR(9) COMMENT "日支",
    `hg` VARCHAR(9) COMMENT "时干",
    `hz` VARCHAR(9) COMMENT "时支",
    `year_shu` TINYINT COMMENT "年柱数",
    `month_shu` TINYINT COMMENT "月柱数",
    `day_shu` TINYINT COMMENT "日柱数",
    `hour_shu` TINYINT COMMENT "时柱数",
    `yz_cs` VARCHAR(6) COMMENT "年长生",
    `mz_cs` VARCHAR(6) COMMENT "月长生",
    `dz_cs` VARCHAR(6) COMMENT "日长生",
    `hz_cs` VARCHAR(6) COMMENT "时长生",
    `yg_sk` VARCHAR(9) COMMENT "年干生克",
    `yz_sk` VARCHAR(9) COMMENT "年支生克",
    `mg_sk` VARCHAR(9) COMMENT "月干生克",
    `mz_sk` VARCHAR(9) COMMENT "月支生克",
    `dz_sk` VARCHAR(9) COMMENT "日支生克",
    `hg_sk` VARCHAR(9) COMMENT "时干生克",
    `hz_sk` VARCHAR(9) COMMENT "时支生克",
    `year_ny` VARCHAR(9) COMMENT "年纳音",
    `month_ny` VARCHAR(9) COMMENT "月纳音",
    `day_ny` VARCHAR(9) COMMENT "日纳音",
    `hour_ny` VARCHAR(9) COMMENT "时纳音",
    `jin_cn` TINYINT COMMENT "金数量",
    `mu_cn` TINYINT COMMENT "木数量",
    `shui_cn` TINYINT COMMENT "水数量",
    `huo_cn` TINYINT COMMENT "火数量",
    `tu_cn` TINYINT COMMENT "土数量",
    `zy_cn` TINYINT COMMENT "正印数量",
    `py_cn` TINYINT COMMENT "偏印数量",
    `zc_cn` TINYINT COMMENT "正财数量",
    `pc_cn` TINYINT COMMENT "偏财数量",
    `zg_cn` TINYINT COMMENT "正官数量",
    `qs_cn` TINYINT COMMENT "七杀数量",
    `ss_cn` TINYINT COMMENT "食神数量",
    `sg_cn` TINYINT COMMENT "伤官数量",
    `bj_cn` TINYINT COMMENT "比肩数量",
    `jc_cn` TINYINT COMMENT "劫财数量",
    `ym_gj` VARCHAR(9) COMMENT "年月拱夹",
    `md_gj` VARCHAR(9) COMMENT "月时拱夹",
    `dh_gj` VARCHAR(9) COMMENT "日时拱夹"
)
ENGINE=OLAP
UNIQUE KEY(`id`)
DISTRIBUTED BY HASH(`id`) BUCKETS 10
PROPERTIES (
    "replication_num" = "1"
);

      扩展后，数据写入正常了，于是我又验证了，反复执行，看看有没有问题。结果在doris中出现了两条数据。id不是key，为什么会重复写入呢？

      因为在Doris中,“Duplicate Key”是一个冗余模型的特性。这个模型的数据完全按照导入文件中的数据进行存储,不会有任何聚合。即使两行数据完全相同,也都会保留。

      但是针对我们的系统表是不合适的，这里就需要采用UNIQUE KEY

      51万数据，写入过程日志,doris的数据写入速度还挺快。

      2025-03-01 15:27:18.756 | INFO     | __main__:sync_zp_bazi_info:33 - 连接 MySQL 成功
2025-03-01 15:29:06.586 | INFO     | __main__:sync_zp_bazi_info:40 - 读取数据成功
2025-03-01 15:29:21.388 | INFO     | __main__:sync_zp_bazi_info:74 - OK
2025-03-01 15:29:21.388 | INFO     | __main__:sync_zp_bazi_info:75 - 批次 1/6 导入成功
2025-03-01 15:29:36.447 | INFO     | __main__:sync_zp_bazi_info:74 - OK
2025-03-01 15:29:36.447 | INFO     | __main__:sync_zp_bazi_info:75 - 批次 2/6 导入成功
2025-03-01 15:29:52.508 | INFO     | __main__:sync_zp_bazi_info:74 - OK
2025-03-01 15:29:52.509 | INFO     | __main__:sync_zp_bazi_info:75 - 批次 3/6 导入成功
2025-03-01 15:30:06.747 | INFO     | __main__:sync_zp_bazi_info:74 - OK
2025-03-01 15:30:06.747 | INFO     | __main__:sync_zp_bazi_info:75 - 批次 4/6 导入成功
2025-03-01 15:30:22.621 | INFO     | __main__:sync_zp_bazi_info:74 - OK
2025-03-01 15:30:22.621 | INFO     | __main__:sync_zp_bazi_info:75 - 批次 5/6 导入成功
2025-03-01 15:30:24.921 | INFO     | __main__:sync_zp_bazi_info:74 - OK
2025-03-01 15:30:24.921 | INFO     | __main__:sync_zp_bazi_info:75 - 批次 6/6 导入成功

Process finished with exit code 0

      执行

      select * from zp_bazi_info where year='乙丑' and month='戊子'

      mysql需要2.232s，而doris却只需要92ms，doris这个查询比mysql快了24倍。那么为什么doris那么快呢？

      以上为个人经验，希望能给大家一个参考，也希望大家多多支持风君子博客。

      您可能感兴趣的文章:

      • MySQL 迁移至 Doris 最佳实践方案(最新整理)
      • MySQL数据同步到Doris的四种方式
      • 使用Python对MySQL进行数据分析
      • Python实现可视化Excel导入MySQL工具的完整代码
      • Python3使用mysql-connector模块连接MySQL数据库
      • 利用Python连接MySQL超详细实战教程

      更多文章

      站内搜索

      标签云

      iphone 三星 信用卡 信贷 华为 小米 微软 快科技 手机 投资理财 支付宝 特斯拉 理财知识 电脑 科技 程序 股票 芯片 苹果 贷款 路由器 银行 银行卡 额度

      热门文章

      友情链接