本文为您介绍Tunnel命令的功能和如何通过Tunnel命令上传下载数据。

支持的工具

MaxCompute支持使用odpscmd和MaxCompute Studio运行Tunnel命令。具体操作请参见使用客户端(odpscmd)连接认识MaxCompute Studio

Tunnel命令功能

您可以通过客户端提供的Tunnel命令实现原有Dship工具的功能。Tunnel命令主要用于数据的上传和下载等,其功能如下:

  • Upload:上传本地数据至MaxCompute表中。支持文件的上传,每一次上传只支持数据上传到一张表或表的一个分区。分区表一定要指定上传的分区,多级分区一定要指定到末级分区。更多信息请参见Upload
  • Download:下载MaxCompute表或指定Instance执行结果至本地。只支持下载到单个文件,每一次下载只支持下载一张表或一个分区到一个文件。分区表一定要指定下载的分区,多级分区一定要指定到末级分区。更多信息请参见Download
  • Resume:因为网络或Tunnel服务的原因造成上传出错,可以通过Resume命令对文件进行续传。可以继续上一次的数据上传操作,但Resume命令暂时不支持下载操作。更多信息请参见Resume
  • Show:显示历史任务信息。更多信息请参见Show
  • Purge:清理session目录,默认清理3天内的日志。更多信息请参见Purge
  • help:获取帮助信息,每个命令和选择支持短命令格式。
说明 使用Tunnel命令过程中遇到的各类问题请参见Tunnel命令常见问题

Tunnel上传下载限制

  • Tunnel功能及Tunnel SDK当前不支持外部表操作。您可以通过Tunnel直接上传数据到MaxCompute内部表,或者是通过OSS Python SDK上传到OSS后,在MaxCompute使用外部表做映射。关于外部表详情请参见概述
  • Tunnel命令不支持上传下载ARRAY、MAP和STRUCT类型的数据。
  • 每个Tunnel的Session在服务端的生命周期为24小时,创建后24小时内均可使用,也可以跨进程/线程共享使用,但是必须保证同一个BlockId没有重复使用。
    说明 Tunnel Session:Server端会为该Upload/Download创建一个Session, 生成唯一UploadId/DownloadId标识该Upload/Download。Tunnel的Session在服务端的生命周期为24小时,超过24小时后,该Session将不可用。
  • 如果您根据Session下载,请注意只有主账号创建的Session,可以被主账号及所属子账号下载。

上传下载表数据

在操作之前,您需要准备待上传的数据文件data.txt,保存路径为d:\data.txt。文件内容如下所示。
shopx,x_id,100
shopy,y_id,200
shopz,z_id
说明 data.txt文件中第三行数据与下文中创建的分区表sale_detail的表定义不符,sale_detail定义了三列,但该行数据只有两列。
上传下载表数据示例步骤如下。
  1. 在MaxCompute客户端,执行如下语句创建分区表sale_detail,并为分区表sale_detail添加分区。
    CREATE TABLE IF NOT EXISTS sale_detail(
          shop_name     STRING,
          customer_id   STRING,
          total_price   DOUBLE)
    PARTITIONED BY (sale_date STRING,region STRING);
    
    alter table sale_detail add partition (sale_date='201312', region='hangzhou');
  2. 使用upload命令上传数据文件data.txt至分区表sale_detail。
    • 命令示例
      tunnel upload d:\data.txt sale_detail/sale_date=201312,region=hangzhou -s false;
    • 返回结果
      Upload session: 20230505xxxxxxxxxxxb0b02dbb6bd
      Start upload:d:\data.txt
      Using \r\n to split records
      Upload in strict schema mode: true
      Total bytes:42   Split input to 1 blocks
      2023-05-05 10:11:35     upload block: '1'
      ERROR: column mismatch -,expected 3 columns, 2 columns found, please check data or delimiter
      说明 由于data.txt中有脏数据,数据导入失败,并给出session ID及错误提示信息。
  3. 使用如下语句进行数据验证。
    • 命令示例
      select * from sale_detail where sale_date='201312';
    • 返回结果
      ID = 20230505xxxxxxxxxxxvc61z5
      +-----------+-------------+-------------+-----------+--------+
      | shop_name | customer_id | total_price | sale_date | region |
      +-----------+-------------+-------------+-----------+--------+
      +-----------+-------------+-------------+-----------+--------+
      说明 由于有脏数据,数据导入失败,表中无数据。
  4. 使用show命令查询失败上传的session ID。
    • 命令示例
      tunnel show history;
    • 返回结果
      20230505xxxxxxxxxxxb0b02dbb6bd  failed  'upload d:\data.txt sale_detail/sale_date=201312,region=hangzhou -s false'
  5. 修改示例数据data.txt文件为如下内容,符合sale_detail的表结构。
    shopx,x_id,100
    shopy,y_id,200
  6. 执行resume命令修复执行上传数据。其中,20230505xxxxxxxxxxxb0b02dbb6bd为上传失败的session ID。
    • 命令示例
      tunnel resume 20230505xxxxxxxxxxxb0b02dbb6bd --force;
    • 返回结果
      start resume
      20230505xxxxxxxxxxxb0b02dbb6bd
      Upload session: 20230505xxxxxxxxxxxb0b02dbb6bd
      Start upload:d:\data.txt
      Using \r\n to split records
      Upload in strict schema mode: true
      Resume 1 blocks 
      2023-05-05 10:32:39     upload block: '1'
      2023-05-05 10:32:40     upload block complete, block id: 1
      upload complete, average speed is 0 bytes/s
      OK
  7. 执行如下语句进行数据验证,上传成功。
    • 命令示例
      select * from sale_detail where sale_date='201312';
    • 返回结果
      ID = 20230505xxxxxxxxxxxx7afc9qcg
       +-----------+-------------+-------------+-----------+--------+
       | shop_name | customer_id | total_price | sale_date | region |
       +-----------+-------------+-------------+-----------+--------+
       | shopx     | x_id        | 100.0       | 201312    | hangzhou|
       | shopy     | y_id        | 200.0       | 201312    | hangzhou|
       +-----------+-------------+-------------+-----------+--------+
  8. 执行download命令将表sale_detail上的数据下载至本地result.txt
    说明 此处将数据下载至本地路径path的命名规则如下:
    • 您可以将文件直接归档至MaxCompute客户端的bin目录中,此时path需要设置为文件名.后缀名
    • 也可以将文件归档至其他路径下,例如D盘的test文件夹,path需要设置为D:\test\文件名.后缀名
    • 如果本地存在同名文件,会直接覆盖。
    tunnel download sale_detail/sale_date=201312,region=hangzhou result.txt;
  9. 验证result.txt的文件内容,如下所示,下载成功。
    说明 下载成功后的文件中,只显示非分区字段值。
    shopx,x_id,100.0
    shopy,y_id,200.0

下载Instance数据

  • 方式一:使用tunnel download命令将特定Instance的执行结果下载到本地文件。
    1. 执行SELECT语句查询表sale_detail。
      select * from sale_detail;
      说明 如果前面已经对分区表sale_detail设置了禁止全表扫描,此处执行会报错Table(xxxx) is full scan with all partitions, please specify partition predicates,请参考错误码附录进行设置。
    2. 执行如下Tunnel命令下载执行结果到本地文件。
      --查看SELECT命令的instance ID
      show p;
      
      --执行下载命令
      tunnel download instance://20170724071705393ge3csfb8 result.txt;
  • 方式二:通过配置参数使SQL查询默认采用InstanceTunnel方式输出执行结果。
    在MaxCompute客户端中打开use_instance_tunnel选项后,执行的SELECT查询会默认使用InstanceTunnel来下载结果,从而避免在MaxCompute平台获取SQL查询结果时所遇到的获取数据超时和获取数据量受限的问题。打开该配置有以下两种方法:
    说明 InstanceTunnel的约束与限制请参见InstanceTunnel约束与限制
    • 在最新版本的客户端中,odps_config.ini文件里已经默认打开此选项,并且instance_tunnel_max_record被默认设置成了10000。
      # download sql results by instance tunnel
      use_instance_tunnel=true
      # the max records when download sql results by instance tunnel
      instance_tunnel_max_record=10000
      说明 instance_tunnel_max_record用来设置通过InstanceTunnel下载SQL查询结果的条数。若不设置该项,则下载条数不受限制。
    • set console.sql.result.instancetunnel设置为true来开启此功能。
      • 打开Instance tunnel选项。
        set console.sql.result.instancetunnel=true;
      • 运行select query。
        select * from wc_in;
        返回结果如下。
        ID = 20170724081946458g14csfb8
        Log view:
        http://logview/xxxxx.....
        +------------+
        | key        |
        +------------+
        | slkdfj     |
        | hellp      |
        | apple      |
        | tea        |
        | peach      |
        | apple      |
        | tea        |
        | teaa       |
        +------------+
        A total of 8 records fetched by instance tunnel. Max record number: 10000
      说明 如果用InstanceTunnel的方式来输出SELECT查询结果,系统在最后一行会打印一条提示,此示例中Instance的执行结果共有8条数据。同理,您可以将set console.sql.result.instancetunnel设置为false来关闭此功能。