文档

使用ODPS Foreign Table访问MaxCompute数据

更新时间:

ODPS Foreign Table(ODPS FDW)是AnalyticDB PostgreSQL版基于PostgreSQL Foreign Data Wrapper(PG FDW)框架开发的用于访问MaxCompute外部数据的方案,允许您在MaxCompute中创建外表,然后将其他数据存储系统中的数据通过外表引入MaxCompute中进行查询和分析。

概览如下图:

ODPS概览

ODPS FDW模块的加入,填补了当前AnalyticDB PostgreSQL版与MaxCompute的数据同步链路的缺失。您通过ODPS FDW可以创建三种类型的ODPS外表。

  • ODPS非分区外表:映射MaxCompute非分区表。

  • ODPS末级分区外表:映射MaxCompute末级分区表。

  • ODPS分区外表:映射MaxCompute分区表。

开始使用ODPS FDW

  1. AnalyticDB PostgreSQL版数据库中创建ODPS FDW插件。

    CREATE EXTENSION odps_fdw ;
  2. 将使用权赋权给所有用户,示例如下:

    GRANT USAGE ON FOREIGN DATA WRAPPER odps_fdw TO PUBLIC;
  • 新建实例默认创建ODPS FDW extension,无需执行创建和赋权操作。

  • 既存实例,可以使用初始账号,连接指定Database手动执行如下命令,创建ODPS FDW extension。

开始使用ODPS Foreign Table

使用ODPS外表需要以下三要素,缺一不可,包括:

  • ODPS Server:定义MaxCompute的访问端点。

  • ODPS User Mapping:定义MaxCompute的访问账户。

  • ODPS Foreign Table:定义MaxCompute的访问对象。

1. 创建ODPS Server

1.1 语法示例

CREATE SERVER odps_serv                        -- ODPS Server名称
  FOREIGN DATA WRAPPER odps_fdw
  OPTIONS (
    tunnel_endpoint '<odps tunnel endpoint>'   -- ODPS Tunnel Endpoint
  );

1.2 参数选项

AnalyticDB PostgreSQL版中定义ODPS Server只需要指定tunnel_endpoint或odps_endpoint即可。其中:

选项

是否必选

备注

tunnel_endpoint

可选,优先推荐设置此选项。

指 ODPS tunnel 服务的 Endpoint。

odps_endpoint

可选

指 MaxCompute 服务的 Endpoint。

说明
  • 创建时,可以设置其中任意一个,也可以都设置,优先选择使用Tunnel Endpoint,当缺少Tunnel Endpoint时,则通过ODPS Endpoint路由到对应的Tunnel Endpoint。

  • 推荐配置阿里云经典网络或VPC网络的Tunnel Endpoint,如果使用VPC地址,请确保AnalyticDB PostgreSQL版与ODPS在同一可用区中。

  • 通过配置外网Tunnel Endpoint地址访问MaxCompute 数据,价格为0.8元/GB

关于ODPS Endpoint,请参见配置Endpoint

2. 创建 ODPS User Mapping

2.1 语法示例

CREATE USER MAPPING FOR { username | USER | CURRENT_USER | PUBLIC }
  SERVER odps_serv                                  -- ODPS Server 名称
  OPTIONS (
    id '<odps access id>',                                -- ODPS Account ID
    key '<odps access key>'                               -- ODPS Account Key
  );
说明
  • username:映射到外部服务器的现有用户的名称。

  • CURRENT_USERUSER:与当前用户的名称匹配。

  • PUBLIC:包括所有角色,包括以后创建的角色。

2.2 参数选项

AnalyticDB PostgreSQL版中定义访问ODPS Server的账户,需要指定账户类型 TYPE,ID和KEY。

选项

是否必选

备注

id

必选

指定账户ID。

key

必选

指定账户KEY。

3. 创建ODPS Foreign Table

3.1 语法示例

CREATE FOREIGN TABLE IF NOT EXISTS table_name ( -- ODPS 外表名称
    column_name data_type [, ... ]
)
  SERVER odps_serv                              -- ODPS Server 名称
  OPTIONS (
    project '<odps project>',                   -- ODPS 项目空间
    table '<odps table>'                        -- ODPS 表名称
);

3.2 参数选项

定义了ODPS Server和ODPS User Mapping 后,就可以创建ODPS Foreign Table。参数选项包括:

选项

是否必选

备注

project

必选

项目空间。项目空间(Project)是 MaxCompute 的基本组织单元,它类似于传统数据库的 Database 或 Schema 的概念,是进行多用户隔离和访问控制的主要边界。详情请参见项目

table

必选

MaxCompute表名称。表是MaxCompute的数据存储单元,详情请参见

partition

可选

用于定义MaxCompute的末级分区表。分区partition是指在一张表中,根据分区字段(一个或多个字段的组合)对数据存储进行划分。也就是说,如果表没有分区,数据是直接放在表所在的目录下。如果表有分区,每个分区对应表下的一个目录,数据是分别存储在不同的分区目录下。关于分区的更多介绍请参见分区

3.3 外表分类

根据MaxCompute的表分类,ODPS FDW支持定义以下三种类型的ODPS外表。

  • 非分区外表

    非分区ODPS外表映射的是MaxCompute的非分区表。用户创建外表时,只需要指定有效的projecttable属性即可,无需指定partition属性或者指定partition属性为“空”。例如:

    CREATE FOREIGN TABLE odps_lineitem (              -- ODPS 外表名称
        l_orderkey      bigint,
        l_partkey       bigint,
        l_suppkey       bigint,
        l_linenumber    bigint,
        l_quantity      double precision,
        l_extendedprice double precision,
        l_discount      double precision,
        l_tax           double precision,
        l_returnflag    char(1),
        l_linestatus    char(1),
        l_shipdate      date,
        l_commitdate    date,
        l_receiptdate   date,
        l_shipinstruct  char(25),
        l_shipmode      char(10),
        l_comment       varchar(44)
    ) SERVER odps_serv                              -- ODPS Server 名称
    OPTIONS (
      project 'odps_fdw',                           -- ODPS 项目空间
      table 'lineitem_big'                          -- ODPS 表名称
    );
  • 末级分区外表

    相对于非分区外表,末级分区外表,映射的是MaxCompute的末级分区表,需要设置正确的partition属性,多级分区时,末级分区外表只支持末级分区表,即partition属性需要包含多级分区完整路径。

    举例说明:在MaxCompute上创建一个二级分区表,如下:

    --创建一个二级分区表,以日期为一级分区,地域为二级分区
    CREATE TABLE src (key string, value bigint) PARTITIONED BY (pt string,region string);

    ODPS分区

    当您需要在AnalyticDB PostgreSQL版中定义一个末级分区外表,映射 MaxCompute上一级分区为(20170601),二级分区为(hangzhou)的末级分区表时,需要设置 partition为'pt=20170601,region=hangzhou'

    CREATE FOREIGN TABLE odps_src_20170601_hangzhou (   -- ODPS 外表
      key string,
      value bigint
    ) SERVER odps_serv                                  -- ODPS Server 名称
    OPTIONS (
      project 'odps_fdw',                               -- ODPS 项目空间 
      table 'src',                                      -- ODPS 表名称
      partition 'pt=20170601,region=hangzhou'           -- 末级分区完整路径
    );
    说明
    • 分区的partition specification需按照key=value的方式设置;多级分区时,以逗号分隔,且不能包含额外的空格。

    • 不支持映射非末级分区的表。如,不支持仅设置一级分区路径:partition 'pt=20170601'

    • 一定要设置完整的多级分区路径。如,不支持仅设置末级分区路径:partition '

      region=hangzhou'​。

  • 分区外表

    MaxCompute分区外表,映射的是MaxCompute的分区表。同样,以上述MaxCompute二级分区表src 为例,您可以按照如下方法创建对应的分区外表。更多表分区定义

    CREATE FOREIGN TABLE odps_src(                    -- ODPS 外表名称
      key text,
      value bigint,
      pt text,                                        -- ODPS 一级分区键
      region text                                     -- ODPS 二级分区键
    ) SERVER odps_serv
    OPTIONS (
      project 'odps_fdw',                             -- ODPS 项目空间
      table 'src'                                     -- ODPS 表名称
    )
    PARTITION BY LIST (pt)                            -- 一级分区以"pt"字段为分区键
    SUBPARTITION BY LIST (region)                     -- 二级分区以"region"字段为分区键
        SUBPARTITION TEMPLATE (                       -- 二级分区模板
           SUBPARTITION hangzhou VALUES ('hangzhou'),
           SUBPARTITION shanghai VALUES ('shanghai')
        )
    ( PARTITION "20170601" VALUES ('20170601'), 
      PARTITION "20170602" VALUES ('20170602'));
    说明

    与MaxCompute分区表定义不同,AnalyticDB PostgreSQL版的分区外表定义时:

    • 需要将分区键以字段方式定义在其他字段尾部,多级分区时,分区字段定义顺序、分区键层级、MaxCompute分区表层级三者需保持一致。

    • 分区表定义需要指定分区键值,请使用LIST方式分区。

    • 分区外表定义时,不需要指定partition属性,这是因为partition属性标记的是末级分区外表,与分区外表在逻辑上冲突。

    • 当出现MaxCompute上不存在的分区外表,查询外表时,会告警显示,用户可以参考本章的3.5节如何删除子分区外表删除相应子分区。

      不存在的分析外表

3.4 如何添加子分区外表

以上述odps_src分区外表为例。

  • 添加一级子分区,效果如下图。

-- 添加一级子分区(自动创建二级子分区)
alter table odps_src add partition "20170603" values(20170603);

添加一级子分区

  • 添加二级子分区,效果如下图。

-- 添加二级子分区
alter table odps_src alter partition "20170603" add partition "nanjing" values('nanjing');

image

3.5 如何删除子分区外表

以上述odps_src分区外表为例。

  • 删除一级子分区,效果如下图。

-- 删除一级子分区(级联删除二级子分区)
alter table odps_src drop partition "20170602";

image

  • 删除二级子分区

-- 删除二级子分区
alter table odps_src alter partition "20170601" drop partition "hangzhou";

删除二级子分区

MaxCompute外表数据类型

目前MaxCompute数据类型与AnalyticDB PostgreSQL版数据类型的对应关系如下,建议按照此类型对照表来定义AnalyticDB PostgreSQL版外表的字段类型。

说明

目前暂不支持MaxCompute的STRUCT、MAP、ARRAY类型。

MaxCompute数据类型

AnalyticDB PostgreSQL版数据类型

BOOLEAN

bool

TINYINT

int2

SMALLINT

int2

INTEGER

int4

BIGINT

int8

FLOAT

float4

DOUBLE

float8

DECIMAL

numeric

BINARY

bytea

VARCHAR(n)

varchar(n)

CHAR(n)

char(n)

STRING

text

DATE

date

DATETIME

timestamp

TIMESTAMP

timestamp

MaxCompute外表使用场景

MaxCompute外表扫描,实现了AnalyticDB PostgreSQL版的Foreign Scan算子。因此,表查询的使用方法上,对MaxCompute外表的查询与对普通表的查询基本一致。本文以TPC-H Query为例,举例说明常见的使用场景。

MaxCompute外表查询分析

TPC-H Query Q1是典型的单表聚集过滤场景,定义odps_lineitem为MaxCompute外表,对其执行Q1查询。

-- 定义MaxCompute外表odps_lineitem
CREATE FOREIGN TABLE odps_lineitem (
    l_orderkey bigint,
    l_partkey bigint,
    l_suppkey bigint,
    l_linenumber bigint,
    l_quantity double precision,
    l_extendedprice double precision,
    l_discount double precision,
    l_tax double precision,
    l_returnflag CHAR(1),
    l_linestatus CHAR(1),
    l_shipdate DATE,
    l_commitdate DATE,
    l_receiptdate DATE,
    l_shipinstruct CHAR(25),
    l_shipmode CHAR(10),
    l_comment VARCHAR(44)
) server odps_serv
    options (
        project 'odps_fdw', table 'lineitem'
    );

-- TPC-H Q1
select
    l_returnflag,
    l_linestatus,
    sum(l_quantity) as sum_qty,
    sum(l_extendedprice) as sum_base_price,
    sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
    sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
    avg(l_quantity) as avg_qty,
    avg(l_extendedprice) as avg_price,
    avg(l_discount) as avg_disc,
    count(*) as count_order
from
    odps_lineitem
where
    l_shipdate <= date '1998-12-01' - interval '88' day --(3)
group by
    l_returnflag,
    l_linestatus
order by
    l_returnflag,
    l_linestatus;

MaxCompute数据导入本地表

导入数据时,请执行如下步骤:

  1. AnalyticDB PostgreSQL版中,创建MaxCompute外表。

  2. 执行如下操作,并行导入数据。

-- INSERT方式
INSERT INTO <本地目标表> SELECT * FROM <ODPS 外表>;

-- CREATE TABLE AS 方式
CREATE TABLE <本地目标表> AS SELECT * FROM <ODPS 外表>;
  • 示例1:INSERT方式将odps_lineitem数据导入到本地AOCS表。

-- 创建本地AOCS表
CREATE TABLE aocs_lineitem (
    l_orderkey bigint,
    l_partkey bigint,
    l_suppkey bigint,
    l_linenumber bigint,
    l_quantity double precision,
    l_extendedprice double precision,
    l_discount double precision,
    l_tax double precision,
    l_returnflag CHAR(1),
    l_linestatus CHAR(1),
    l_shipdate DATE,
    l_commitdate DATE,
    l_receiptdate DATE,
    l_shipinstruct CHAR(25),
    l_shipmode CHAR(10),
    l_comment VARCHAR(44)
) WITH (APPENDONLY=TRUE, ORIENTATION=COLUMN, COMPRESSTYPE=ZSTD, COMPRESSLEVEL=5)
DISTRIBUTED BY (l_orderkey);

-- 将 odps_lineitem 数据导入到 AOCS 本地表
INSERT INTO aocs_lineitem SELECT * FROM odps_lineitem;
  • 示例2:CREATE TABLE AS方式将odps_lineitem导入到本地heap表。

create table heap_lineitem as select * from odps_lineitem distributed by (l_orderkey);

MaxCompute外表与本地表关联

TPC-H Query Q19为例,使用本地列存表aocs_lineitem与MaxCompute外表odps_part关联查询。

-- TPC-H Q19
select
    sum(l_extendedprice* (1 - l_discount)) as revenue
from
    aocs_lineitem,          -- 本地 AOCS 列存表
    odps_part               -- ODPS 外表
where
    (
        p_partkey = l_partkey
        and p_brand = 'Brand#32'
        and p_container in ('SM CASE', 'SM BOX', 'SM PACK', 'SM PKG')
        and l_quantity >= 8 and l_quantity <= 8 + 10
        and p_size between 1 and 5
        and l_shipmode in ('AIR', 'AIR REG')
        and l_shipinstruct = 'DELIVER IN PERSON'
    )
    or
    (
        p_partkey = l_partkey
        and p_brand = 'Brand#41'
        and p_container in ('MED BAG', 'MED BOX', 'MED PKG', 'MED PACK')
        and l_quantity >= 15 and l_quantity <= 15 + 10
        and p_size between 1 and 10
        and l_shipmode in ('AIR', 'AIR REG')
        and l_shipinstruct = 'DELIVER IN PERSON'
    )
    or
    (
        p_partkey = l_partkey
        and p_brand = 'Brand#44'
        and p_container in ('LG CASE', 'LG BOX', 'LG PACK', 'LG PKG')
        and l_quantity >= 22 and l_quantity <= 22 + 10
        and p_size between 1 and 15
        and l_shipmode in ('AIR', 'AIR REG')
        and l_shipinstruct = 'DELIVER IN PERSON'
    );

MaxCompute外表使用常见错误

Tunnel常见错误

MaxCompute外表使用建议

MaxCompute外表通过网络访问MaxCompute,使用瓶颈除了机器自身资源外,还受限于MaxCompute Tunnel对外吞吐的网络带宽 。因此,建议您:

  • 纯外表使用的并发数不超过5个。

  • 多张ODPS外表关联使用时,将大表导入本地后再和小的外表关联,性能更佳。

  • 本页导读 (1)
文档反馈