支持的导入方式
LOAD LABEL example_db.label1(DATA INFILE("bos://bucket/input/file")INTO TABLE `my_table`(k1, k2, tmpk3)PRECEDING FILTER k1 = 1SET (k3 = tmpk3 + 1)WHERE k1 > k2)WITH BROKER bos(...);
curl--location-trusted-u user:passwd-H "columns: k1, k2, tmpk3, k3 = tmpk3 + 1"-H "where: k1 > k2"-T file.txthttp://host:port/api/testDb/testTbl/_stream_load
CREATE ROUTINE LOAD example_db.label1 ON my_tableCOLUMNS(k1, k2, tmpk3, k3 = tmpk3 + 1),PRECEDING FILTER k1 = 1,WHERE k1 > k2...
以上导入方式都支持对源数据进行列映射、转换和过滤操作：
前置过滤：对读取到的原始数据进行一次过滤。
PRECEDING FILTER k1 = 1
映射：定义源数据中的列。如果定义的列名和表中的列相同，则直接映射为表中的列。如果不同，则这个被定义的列可以用于之后的转换操作。如上面示例中的：
(k1, k2, tmpk3)
转换：将第一步中经过映射的列进行转换，可以使用内置表达式、函数、自定义函数进行转化，并重新映射到表中对应的列上。如上面示例中的：
k3 = tmpk3 + 1
后置过滤：对经过映射和转换后的列，通过表达式进行过滤。被过滤的数据行不会导入到系统中。如上面示例中的：
WHERE k1 > k2
列映射
列映射的目的主要是描述导入文件中各个列的信息，相当于为源数据中的列定义名称。通过描述列映射关系，我们可以将表中列顺序不同、列数量不同的源文件导入到 Doris 中。下面我们通过示例说明：
假设源文件有4列，内容如下（表头列名仅为方便表述，实际并无表头）：
列1 | 列2 | 列3 | 列4 |
1 | 100 | beijing | 1.1 |
2 | 200 | shanghai | 1.2 |
3 | 300 | guangzhou | 1.3 |
4 | \\N | chongqing | 1.4 |
说明
\\N 在源文件中表示 null。1. 调整映射顺序
假设表中有
k1,k2,k3,k4 4列。我们希望的导入映射关系如下：列1 -> k1列2 -> k3列3 -> k2列4 -> k4
则列映射的书写顺序应如下：
(k1, k3, k2, k4)
2. 源文件中的列数量多于表中的列
假设表中有
k1,k2,k3 3列。我们希望的导入映射关系如下：列1 -> k1列2 -> k3列3 -> k2
则列映射的书写顺序应如下：
(k1, k3, k2, tmpk4)
其中
tmpk4 为一个自定义的、表中不存在的列名。Doris 会忽略这个不存在的列名。3. 源文件中的列数量少于表中的列，使用默认值填充
假设表中有
k1,k2,k3,k4,k5 5列。我们希望的导入映射关系如下：列1 -> k1列2 -> k3列3 -> k2
这里我们仅使用源文件中的前3列。
k4,k5 两列希望使用默认值填充。
则列映射的书写顺序应如下：(k1, k3, k2)
如果
k4,k5 列有默认值，则会填充默认值。否则如果是 nullable 的列，则会填充 null 值。否则，导入作业会报错。列前置过滤
前置过滤是对读取到的原始数据进行一次过滤。目前仅支持 BROKER LOAD 和 ROUTINE LOAD。
前置过滤有以下应用场景：
1. 转换前做过滤。
希望在列映射和转换前做过滤的场景。能够先行过滤掉部分不需要的数据。
2. 过滤列不存在于表中，仅作为过滤标识。
例如源数据中存储了多张表的数据（或者多张表的数据写入了同一个 Kafka 消息队列）。数据中每行有一列表名来标识该行数据属于哪个表。用户可以通过前置过滤条件来筛选对应的表数据进行导入。
列转换
列转换功能允许用户对源文件中列值进行变换。目前 Doris 支持使用绝大部分内置函数、用户自定义函数进行转换。
说明
自定义函数隶属于某一数据库下，在使用自定义函数进行转换时，需要用户对这个数据库有读权限。
转换操作通常是和列映射一起定义的。即先对列进行映射，再进行转换。下面我们通过示例说明：
假设源文件有4列，内容如下（表头列名仅为方便表述，实际并无表头）：
列1 | 列2 | 列3 | 列4 |
1 | 100 | beijing | 1.1 |
2 | 200 | shanghai | 1.2 |
3 | 300 | guangzhou | 1.3 |
4 | 400 | chongqing | 1.4 |
1. 将源文件中的列值经转换后导入表中。
假设表中有
k1,k2,k3,k4 4列。我们希望的导入映射和转换关系如下：列1 -> k1列2 * 100 -> k3列3 -> k2列4 -> k4
则列映射的书写顺序应如下：
(k1, tmpk3, k2, k4, k3 = tmpk3 * 100)
这里相当于我们将源文件中的第2列命名为
tmpk3，同时指定表中 k3 列的值为 tmpk3 * 100。最终表中的数据如下：k1 | k2 | k3 | k4 |
1 | beijing | 10000 | 1.1 |
2 | shanghai | 20000 | 1.2 |
3 | guangzhou | 30000 | 1.3 |
null | chongqing | 40000 | 1.4 |
2. 通过 case when 函数，有条件的进行列转换。
假设表中有
k1,k2,k3,k4 4列。我们希望对于源数据中的 beijing, shanghai, guangzhou, chongqing 分别转换为对应的地区id后导入：列1 -> k1列2 -> k2列3 进行地区id转换后 -> k3列4 -> k4
则列映射的书写顺序应如下：
(k1, k2, tmpk3, k4, k3 = case tmpk3 when "beijing" then 1 when "shanghai" then 2 when "guangzhou" then 3 when "chongqing" then 4 else null end)
最终表中的数据如下：
k1 | k2 | k3 | k4 |
1 | 100 | 1 | 1.1 |
2 | 200 | 2 | 1.2 |
3 | 300 | 3 | 1.3 |
null | 400 | 4 | 1.4 |
3. 将源文件中的 null 值转换成 0 导入。同时也进行示例2中的地区 ID 转换。
假设表中有
k1,k2,k3,k4 4列。在对地区id转换的同时，我们也希望对于源数据中 k1 列的 null 值转换成 0 导入：列1 如果为null 则转换成0 -> k1列2 -> k2列3 -> k3列4 -> k4
则列映射的书写顺序应如下：
(tmpk1, k2, tmpk3, k4, k1 = ifnull(tmpk1, 0), k3 = case tmpk3 when "beijing" then 1 when "shanghai" then 2 when "guangzhou" then 3 when "chongqing" then 4 else null end)
最终表中的数据如下：
k1 | k2 | k3 | k4 |
1 | 100 | 1 | 1.1 |
2 | 200 | 2 | 1.2 |
3 | 300 | 3 | 1.3 |
0 | 400 | 4 | 1.4 |
列过滤
经过列映射和转换后，我们可以通过过滤条件将不希望导入到Doris中的数据进行过滤。下面我们通过示例说明：
假设源文件有4列，内容如下（表头列名仅为方便表述，实际并无表头）：
列1 | 列2 | 列3 | 列4 |
1 | 100 | beijing | 1.1 |
2 | 200 | shanghai | 1.2 |
3 | 300 | guangzhou | 1.3 |
4 | 400 | chongqing | 1.4 |
1. 在列映射和转换缺省的情况下，直接过滤。
假设表中有
k1,k2,k3,k4 4列。我们可以在缺省列映射和转换的情况下，直接定义过滤条件。如我们希望只导入源文件中第4列为大于 1.2 的数据行，则过滤条件如下：where k4 > 1.2
最终表中的数据如下：
k1 | k2 | k3 | k4 |
3 | 300 | guangzhou | 1.3 |
null | 400 | chongqing | 1.4 |
缺省情况下，Doris 会按照顺序进行列映射，因此源文件中的第4列自动被映射到表中的
k4 列。2. 对经过列转换的数据进行过滤。
假设表中有
k1,k2,k3,k4 4列。在 列转换 示例中，我们将省份名称转换成了id。这里我们想过滤掉 id 为 3 的数据。则转换、过滤条件如下：(k1, k2, tmpk3, k4, k3 = case tmpk3 when "beijing" then 1 when "shanghai" then 2 when "guangzhou" then 3 when "chongqing" then 4 else null end)where k3 != 3
最终表中的数据如下：
k1 | k2 | k3 | k4 |
1 | 100 | 1 | 1.1 |
2 | 200 | 2 | 1.2 |
null | 400 | 4 | 1.4 |
这里我们看到，执行过滤时的列值，为经过映射和转换后的最终列值，而不是原始数据。
3. 多条件过滤
假设表中有
k1,k2,k3,k4 4列。我们想过滤掉 k1 列为 null 的数据，同时过滤掉 k4 列小于 1.2 的数据，则过滤条件如下：where k1 is null and k4 < 1.2
最终表中的数据如下：
k1 | k2 | k3 | k4 |
2 | 200 | 2 | 1.2 |
3 | 300 | 3 | 1.3 |
数据质量问题和过滤阈值
导入作业中被处理的数据行可以分为如下三种：
1. Filtered Rows
因数据质量不合格而被过滤掉的数据。数据质量不合格包括类型错误、精度错误、字符串长度超长、文件列数不匹配等数据格式问题，以及因没有对应的分区而被过滤掉的数据行。
2. Unselected Rows
这部分为因
preceding filter 或 where 列过滤条件而被过滤掉的数据行。3. Loaded Rows
被正确导入的数据行。
Doris 的导入任务允许用户设置最大错误率（
max_filter_ratio）。如果导入的数据的错误率低于阈值，则这些错误行将被忽略，其他正确的数据将被导入。
错误率的计算方式为：#Filtered Rows / (#Filtered Rows + #Loaded Rows)
也就是说
Unselected Rows 不会参与错误率的计算。
是
否
本页内容是否解决了您的问题？