本文共 2597 字，大约阅读时间需要 8 分钟。

 DataStax Bulk Loader系列教程共分为六篇，这是此系列的第三篇。前两篇（和）概括了一些基本的加载(load)范例。这一篇会介绍一些加载、卸载(unload)、计数(counting)的常规设置。

另外，我们也建议您在使用dsbulk时参考，从而了解所有的相关参数和选项。

范例 14：指定连接(Connection)

到目前为止的范例都是在本地计算机完成加载（默认主机）。我们可以使用 -h 参数指定主机的IP或名称。

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -h 127.0.0.1

范例 14.1：指定端口(Port)

如果您很不幸遇到了DSE或Cassandra 监听端口不同于9042的情况，您可以用-port 参数连接指定端口。

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -h 127.0.0.1 -port 9042

范例 14.2：指定用户名/密码

如果您的集群受到了用户名/密码的认证保护，您可以使用-u 和 -p 参数传入这些信息。

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -u cassandra -p cassandra

注：当通过命令行上传密码时，您应该注意这会在系统日志、环境等地方显示。

范例 14.3：连接到启用Kerberos的集群

您也可以在Kerberos启用的集群上使用dsbulk。

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id --driver.auth.provider DseGSSAPIAuthProvider --driver.auth.saslService --driver.auth.principal -

以下为设置细节：

• 服务(service) - 服务的名称，与~/.cassandra/cqlshrc中的服务名相同。

• 主机(host) - 必须要是在Kerberos注册的主机名和~/.cassandra/cqlshrc里的主机名一样。

• 主体(principal) - 使用的Kerberos主体，可以通过klist获得。

范例 15： 指定一致性等级(Consistency Level)

dsbulk默认的一致性等级是LOCAL_ONE。您可以通过-cl 参数指定想要的一致性等级，这是--driver.query.consistency 的简写。

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -cl LOCAL_QUORUM

范例 16：错误和日志记录(Errors and Logging)

面对现实，数据永远不会像你想象的这么干净。事情会发生，错误也会产生，没关系。就像我们讨论过的，dsbulk可以记录错误，并将错误的记录放到一个“错误的文件“中以便日后查看。但是，dsbulk有其他的参数来控制错误的行为。

范例 16.1：错误上限(Max Errors)

有时候，加载的数据很糟糕以至于你要告诉dsbulk停下。您可以使用 -maxErrors 参数指定最大的错误数，是--log.maxErrors 的缩写，默认为10：

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id --log.maxErrors 3

范例 16.2：指定日志目录(Logging Directory)

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -logDir /tmp/logs

范例 16.3：设置日志记录的详细度(Logging Verbosity)

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id --log.verbosity 0

范例 17： 监控(Monitoring)

dsbulk有一些方法监控dsbulk的进程。两种主要的方法是向当前屏幕（screen）报告或者向JMX报告。

范例 17.1：设置报告频率

当前屏幕报告进程频率默认为每5秒一次。频率可以通过 -reportRate 参数设置，这是--monitoring.reportRate 的缩写。

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -reportRate 2s

或者：

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id -reportRate "2 seconds"

范例 17.2：启用/禁用JMX

$ dsbulk load -url /tmp/dsbulkblog/iris.csv -k dsbulkblog -t iris_with_id --monit

点击下载 DataStax Bulk Loader。

本系列所有文章：

转载地址：http://vfkuz.baihongyu.com/