将 TSV 加载到 TiDB Cloud Lake

什么是 TSV？

TSV（Tab Separated Values，在 TiDB Cloud Lake v1.2.890-nightly 及更高版本中称为 TEXT）是一种用于存储表格数据的简单文件格式，例如电子表格或数据库。TSV 文件格式与 CSV 非常相似，记录之间以换行符分隔，每个字段之间以制表符分隔。

以下示例展示了一个包含两条记录的 TSV 文件：

Title_0 Author_0
Title_1 Author_1

加载 TSV 文件

加载 TSV 文件的通用语法如下：

COPY INTO [<database>.]<table_name>
FROM { userStage | internalStage | externalStage | externalLocation }
[ PATTERN = '<regex_pattern>' ]
[ FILE_FORMAT = (
    TYPE = TSV,
    SKIP_HEADER = <integer>,
    COMPRESSION = AUTO
) ]

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

教程：从 TSV 文件加载数据

第 1 步：创建内部 stage

创建一个内部 stage 来存储 TSV 文件。

CREATE STAGE my_tsv_stage;

第 2 步：创建 TSV 文件

使用以下 SQL 语句生成一个 TSV 文件：

COPY INTO @my_tsv_stage
FROM (
    SELECT
        'Title_' || CAST(number AS VARCHAR) AS title,
        'Author_' || CAST(number AS VARCHAR) AS author
    FROM numbers(100000)
)
    FILE_FORMAT = (TYPE = TSV)
;

验证 TSV 文件是否已创建：

LIST @my_tsv_stage;

结果：

┌───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                             name                            │   size  │                 md5                │         last_modified         │      creator     │
├─────────────────────────────────────────────────────────────┼─────────┼────────────────────────────────────┼───────────────────────────────┼──────────────────┤
│ data_7413d5d0-f992-4d92-b28e-0e501d66bdc1_0000_00000000.tsv │ 2477780 │ "a906769144de7aa6a0056a86ddae97d2" │ 2023-12-26 11:56:19.000 +0000 │ NULL             │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

第 3 步：创建目标表

CREATE TABLE books
(
    title VARCHAR,
    author VARCHAR
);

第 4 步：直接从 TSV 复制

要将 TSV 文件中的数据直接复制到表中，请使用以下 SQL 命令：

COPY INTO books
FROM @my_tsv_stage
PATTERN = '.*[.]tsv'
FILE_FORMAT = (
    TYPE = TSV,
    SKIP_HEADER = 0, -- Skip the first line if it is a header, here we don't have a header
    COMPRESSION = AUTO
);

结果：

┌───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                             File                            │ Rows_loaded │ Errors_seen │    First_error   │ First_error_line │
├─────────────────────────────────────────────────────────────┼─────────────┼─────────────┼──────────────────┼──────────────────┤
│ data_7413d5d0-f992-4d92-b28e-0e501d66bdc1_0000_00000000.tsv │      100000 │           0 │ NULL             │             NULL │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

第 4 步（可选）：使用 SELECT 复制数据

如果你需要更多控制，例如在复制时转换数据，可以使用 SELECT 语句。更多信息请参阅 SELECT from TSV。

COPY INTO books (title, author)
FROM (
    SELECT $1, $2
    FROM @my_tsv_stage
)
PATTERN = '.*[.]tsv'
FILE_FORMAT = (
    TYPE = 'TSV',
    SKIP_HEADER = 0, -- Skip the first line if it is a header, here we don't have a header
    COMPRESSION = 'AUTO'
);