9.5.2　数据旁路导入

虽然OceanBase内部实现了大量优化技术，但是UpdateServer单点写入对于某些OLAP应用仍然可能成为问题。这些应用往往需要定期（例如每天，每个月）导入大批数据，对导入性能要求很高。为此，OceanBase专门开发了旁路导入功能，本节介绍直接将数据导入到ChunkServer中的方法（即ChunkServer旁路导入）。

OceanBase的数据按照全局有序排列，因此，旁路导入的第一步就是使用Hadoop MapReduce这样的工具将所有的数据排好序，并且划分为一个个有序的范围，每个范围对应一个SSTable文件。接着，再将SSTable文件并行拷贝到集群中所有的ChunkServer中。最后，通知RootServer要求每个ChunkServer并行加载这些SSTable文件。每个SSTable文件对应ChunkServer的一个子表，ChunkServer加载完本地的SSTable文件后会向RootServer汇报，RootServer接着将汇报的子表信息更新到RootTable中。

例9-7　有4台ChunkServer：A、B、C和D。所有的数据排好序后划分为6个范围：r1（0～100]、r2（100～200]、r3（200～300]、r4（300～400]、r5（400～500]、r6（500～600]，对应的SSTable文件分别记为sst1，sst2，……，sst6。假设每个子表存储两个副本，那么，拷贝完SSTable文件后，可能的分布情况为：

A:sst1，sst3，sst4

B:sst2，sst3，sst5

C:sst1，sst4，sst6

D:sst2，sst5，sst6

接着，每个ChunkServer分别加载本地的SSTable文件，完成后向RootServer汇报。RootServer最终会将这些信息记录到RootTable中，如下：

r1(0～100]:A、C

r2(100～200]:B、D

r3(200～300]:A、B

r4(300～400]:A、C

r5(400～500]:B、D

r6(500～600]:C、D

如果导入的过程中ChunkServer发生故障，例如拷贝sst1到机器C失败，那么，旁路导入模块会自动选择另外一台机器拷贝数据。

当然，实现旁路导入功能时还需要考虑很多问题。例如，如何支持将数据导入到多个数据中心的主备OceanBase集群，这里不会涉及这些细节。