DolphinDB提供了两种导入MySQL数据的方法：ODBC插件和MySQL插件。我们推荐使用MySQL插件导入MySQL数据，因为它的速度比ODBC导入更快，导入6.5G数据，MySQL插件的速度是ODBC插件的4倍，并且使用MySQL插件无需任何配置，而ODBC插件需要配置数据源。

在使用MySQL插件之前，请先参考DolphinDB安装使用指南安装DolphinDB。

1.下载插件

2.加载插件

在GUI中，使用loadPlugin函数加载MySQL插件：

loadPlugin(server_dir+"/plugins/mysql/PluginMySQL.txt")

3.接口函数

DolphinDB的MySQL插件提供了以下接口函数：

connect

showTables

extractSchema

load

loadEx

我们可以通过以下两种方式调用插件的接口函数：

(1)moduleName::apiFunction。例如，调用MySQL插件的connect方法。

mysql::connect(host, port, user, password, db)

(2)use moduleName，然后直接调用接口函数。只要执行一次use语句后，后续调用接口函数都不需要重新执行use函数。因此，我们一般推荐这种调用方法。

use mysql

connect(host, port, user, password, db)

3.1 connect

语法

connect(host, port, user, password, db)

参数

host是MySQL服务器的主机名。

port是MySQL服务器的端口号，默认为3306。

user是MySQL服务器中的用户名。

password是与user对应的密码。

db是MySQL中的数据库名称。

详情

创建MySQL连接，返回MySQL的连接句柄。我们建议MySQL用户的Authentication Type为mysql_native_password。

例子

连接本地MySQL服务器中的employees数据库。

conn=connect("127.0.0.1",3306,"root","123456","employees")

3.2 showTables

语法

showTables(connection)

参数

connection是connect函数返回的连接句柄。

详情

返回一个DolphinDB类型的数据表，包含MySQL数据库中所有表的名称。

例子

查看employees数据库中的表。

showTables(conn);

Tables_in_employees

current_dept_emp

departments

dept_emp

dept_emp_latest_date

dept_manager

employees

salaries

test_datatypes

titles

3.2 extractSchema

语法

extractSchema(connection, tableName)

参数

connection是connect函数返回的连接句柄。

tableName是MySQL数据库中的数据表名称。

详情

返回结果是DolphinDB类型的表。第一列是MySQL数据表中的字段名，第二列是数据导入到DolphinDB后的数据类型，第三列是MySQL中的数据类型。

例子

查看employees表中各列的数据类型。

extractSchema(conn,`employees);

name type MySQL describe type emp_no LONG int(11) birth_date DATE date first_name STRING varchar(14) last_name STRING varchar(16) gender SYMBOL enum('M','F') hire_date DATE date

3.3 load

语法

load(connection, table|query, [schema], [startRow], [rowNum])

参数

connection是connect函数返回的连接句柄。

table是MySQL服务器中的表名。

query是MySQL中的查询语句。

schema是DolphinDB类型的表，它包含两列，第一列是字段名称，第二列是数据类型。它是可选参数。用户可以通过指定该参数来修改数据加载到DolphinDB时的数据类型。

startRow是正整数，表示读取数据的起始行数。它是可选参数，默认值为0，表示从第一条记录开始读取数据。

rowNum是正整数，表示读取的记录行数。它是可选参数，如果没有指定，表示读取所有的数据。如果第二个参数为query，那么startRow和rowNum参数无效。

详情

把MySQL数据加载到DolphinDB的内存表中。

例子

把employees表中的所有数据加载到DolphinDB的内存表中。

t=load(conn,"employees");

emp_no birth_date first_name last_name gender hire_date

10,001 1953.09.02 Georgi Facello M 1986.06.26

10,002 1964.06.02 Bezalel Simmel F 1985.11.21

10,003 1959.12.03 Parto Bamford M 1986.08.28

10,004 1954.05.01 Chirstian Koblick M 1986.12.01

10,005 1955.01.21 Kyoichi Maliniak M 1989.09.12

10,006 1953.04.20 Anneke Preusig F 1989.06.02

10,007 1957.05.23 Tzvetan Zielinski F 1989.02.10

10,008 1958.02.19 Saniya Kalloufi M 1994.09.15

10,009 1952.04.19 Sumant Peac F 1985.02.18

10,010 1963.06.01 Duangkaew Piveteau F 1989.08.24

...

把employees表中的前10行数据加载到DolphinDB的内存表中。

t=load(conn,"select * from employees limit 10");

emp_no birth_date first_name last_name gender hire_date

10,001 1953.09.02 Georgi Facello M 1986.06.26

10,002 1964.06.02 Bezalel Simmel F 1985.11.21

10,003 1959.12.03 Parto Bamford M 1986.08.28

10,004 1954.05.01 Chirstian Koblick M 1986.12.01

10,005 1955.01.21 Kyoichi Maliniak M 1989.09.12

10,006 1953.04.20 Anneke Preusig F 1989.06.02

10,007 1957.05.23 Tzvetan Zielinski F 1989.02.10

10,008 1958.02.19 Saniya Kalloufi M 1994.09.15

10,009 1952.04.19 Sumant Peac F 1985.02.18

10,010 1963.06.01 Duangkaew Piveteau F 1989.08.24

加载时把last_name的数据类型修改为SYMBOL。

schema=select name,type from extractSchema(conn,`employees)

update schema set type="SYMBOL" where name="last_name"

t=load(conn,"employees",schema)

//查看表t的结构

schema(t);

chunkPath->

partitionColumnIndex->-1

colDefs->

name typeString typeInt

---------- ---------- -------

emp_no LONG 5

birth_date DATE 6

first_name STRING 18

last_name SYMBOL 18

gender SYMBOL 17

hire_date DATE 6

3.4 loadEx

语法

loadEx(connection, dbHandle, tableName, partitionColumns, table|query, [schema], [startRow], [rowNum])

参数

connection是connect函数返回的连接句柄。

dbHandle是DolphinDB的数据库句柄，通常是database函数返回的对象。

tableName是DolphinDB数据库中的表名。

partitionColumns是字符串标量或向量，表示分区列。

table是字符串，表示MySQL服务器中表的名称。

query是MySQL中的查询语句。

schema是DolphinDB类型的表，它包含两列，第一列是字段名称，第二列是数据类型。它是可选参数。用户可以通过指定该参数来修改数据加载到DolphinDB时的数据类型。

startRow是正整数，表示读取数据的起始行数。它是可选参数，默认值为0，表示从第一条记录开始读取数据。

rowNum是正整数，表示读取的记录行数。它是可选参数，如果没有指定，表示读取所有的数据。如果第二个参数为query，那么startRow和rowNum参数无效。

详情

把MySQL中的数据加载到DolphinDB的分区表中。loadEx不支持把数据加载到DolphinDB的顺序分区表中。

例子

把employees表加载到DolphinDB的磁盘VALUE分区表中。

db=database("H:/DolphinDB/Data/mysql",VALUE,`F`M)

pt=loadEx(conn,db,"pt","gender","employees")

select count(*) from loadTable(db,"pt");

count

300,024

如果需要把数据加载到内存分区表，只需要把database的路径改为空字符串；如果需要把数据加载到分布式表，只需要把database路径修改为以“dfs://”开头的路径，比如“dfs://mysql”。分布式表需要在集群中才能使用。集群部署请参考单服务器集群部署和多服务器集群部署。

4. 数据类型转换

使用MySQL插件把数据导入到DolphinDB时，会做相应的类型转换。具体转换规则如下表所示：

说明：

(1)DolphinDB中的整型(SHORT, INT, LONG)都是有符号的，为了防止溢出，MySQL中的无符号类型在DolphinDB中都会被转换为高一阶的有符号类型。例如，无符号的tinyint转换为short，无符号的smallint转换为short等。目前，MySQL插件不支持64位无符号类型转换。

(2)在DolphinDB中，整型的最小值表示NULL：CHAR类型的-128，SHORT类型的-32,768，INT类型的-2,147,483,648，LONG类型的-9,223,372,036,854,775,808都表示NULL。

(3)对于MySQL中的bigint unsigned类型，默认会转换成DolphinDB的LONG类型。如果出现溢出的情况，需要用户使用schema参数，指定类型为DOUBLE或FLOAT。

(4)MySQL中的char和varchar类型，如果长度小于等于10，会被转换成DolphinDB的SYMBOL类型，如果长度大于10，会被转换成DolphinDB的STRING类型。SYMBOL类型在DolphinDB内部存储为整数，因此数据排序和比较的效率会更高，同时也可以节省存储空间。但是将字符串映射到整数需要时间，映射表也会占用内存。用户可以根据下面的规则来决定某列是否采用SYMBOL类型：如果该字段的值会大量重复出现，使用SYMBOL类型。如金融数据中的股票代码、交易所、合约代码等，物联网数据中的设备编号等都是使用SYMBOL类型的典型场景。

5. 性能测试

我们在普通PC上(16G内存，4核8线程，使用SSD)进行了性能测试。使用的数据集为美国股票市场1990年到2016年的每日报价数据，数据量为6.5G，包含22个字段，50,591,907行记录，在MySQL数据库中磁盘占用为7.2G。使用loadEx函数把数据从MySQL导入到DolphinDB的分区数据库耗时仅160.5秒，读取速度达到了41.4M/s，在 DolphinDB database 中磁盘占用为1.3G。在同样的PC上，由于使用ODBC一次性导入数据会造成MySQL内存不足，因此每次导入100万条数据，总耗时660秒。将同样的数据导入clickhouse耗时171.9秒，读取速度为37.8M/s。DolphinDB在时间序列数据的处理和分区管理上比clickhouse更加方便。

如果既要保证性能，同时友好支持时序数据的各种处理和分布式数据库，那么DolphinDB database将是不二选择。

文章来源: segmentfault.com，作者：DolphinDB，版权归原作者所有，如需转载，请联系作者。

原文链接：segmentfault.com/a/1190000038793370