将 Avro 加载到 TiDB Cloud Lake

什么是 Avro？

Apache Avro™ 是记录数据的主流序列化格式，也是流式数据管道的首选格式。

加载 Avro 文件

加载 AVRO 文件的通用语法如下：

COPY INTO [<database>.]<table_name>
     FROM { internalStage | externalStage | externalLocation }
[ PATTERN = '<regex_pattern>' ]
FILE_FORMAT = (TYPE = AVRO)

有关更多 Avro 文件格式选项，请参阅Avro 文件格式选项。
有关更多 COPY INTO table 选项，请参阅COPY INTO table。

教程：通过远程 HTTP URL 将 Avro 数据加载到 TiDB Cloud Lake

在本教程中，你将基于 Avro schema 在 TiDB Cloud Lake 中创建一张表，并通过 HTTPS 直接从 GitHub 托管的 .avro 文件加载 Avro 数据。

第 1 步：查看 Avro schema

在 TiDB Cloud Lake 中创建表之前，先快速了解一下我们要使用的 Avro schema：userdata.avsc。该 schema 定义了一个名为 User 的 record，包含 13 个字段，大多为字符串类型，另外还有 int 和 float 类型。

{
  "type": "record",
  "name": "User",
  "fields": [
    {"name": "registration_dttm", "type": "string"},
    {"name": "id", "type": "int"},
    {"name": "first_name", "type": "string"},
    {"name": "last_name", "type": "string"},
    {"name": "email", "type": "string"},
    {"name": "gender", "type": "string"},
    {"name": "ip_address", "type": "string"},
    {"name": "cc", "type": "string"},
    {"name": "country", "type": "string"},
    {"name": "birthdate", "type": "string"},
    {"name": "salary", "type": "float"},
    {"name": "title", "type": "string"},
    {"name": "comments", "type": "string"}
  ]
}

第 2 步：在 TiDB Cloud Lake 中创建表

创建一张与该 schema 中定义的结构相匹配的表：

CREATE TABLE userdata (
  registration_dttm STRING,
  id INT,
  first_name STRING,
  last_name STRING,
  email STRING,
  gender STRING,
  ip_address STRING,
  cc VARIANT,
  country STRING,
  birthdate STRING,
  salary FLOAT,
  title STRING,
  comments STRING
);

第 3 步：从远程 HTTPS URL 加载数据

COPY INTO userdata
FROM 'https://raw.githubusercontent.com/Teradata/kylo/master/samples/sample-data/avro/userdata1.avro'
FILE_FORMAT = (type = avro);

┌────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                             File                             │ Rows_loaded │ Errors_seen │    First_error   │ First_error_line │
├──────────────────────────────────────────────────────────────┼─────────────┼─────────────┼──────────────────┼──────────────────┤
│ Teradata/kylo/master/samples/sample-data/avro/userdata1.avro │        1000 │           0 │ NULL             │             NULL │
└────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

第 4 步：查询数据

现在，你可以查看刚刚导入的数据：

SELECT id, first_name, email, salary FROM userdata LIMIT 5;

┌───────────────────────────────────────────────────────────────────────────────────┐
│        id       │    first_name    │           email          │       salary      │
├─────────────────┼──────────────────┼──────────────────────────┼───────────────────┤
│               1 │ Amanda           │ ajordan0@com.com         │          49756.53 │
│               2 │ Albert           │ afreeman1@is.gd          │         150280.17 │
│               3 │ Evelyn           │ emorgan2@altervista.org  │         144972.52 │
│               4 │ Denise           │ driley3@gmpg.org         │          90263.05 │
│               5 │ Carlos           │ cburns4@miitbeian.gov.cn │              NULL │
└───────────────────────────────────────────────────────────────────────────────────┘