pg_hba.conf 设置openEuler22.03 openGauss5.0.3 单节点目前本机连接没问题 服务啥的也没问题 防火墙关了 我不知道还有没有需要改的地方 有经验的请说一下 谢谢

官方的容灾场景的架构配置为:A集群生产3节点 , B集群容灾3节点.如果B集群容灾为单节点JDBC在配置连接串时应如何进行配置  , 假设 node4 为容灾单节点为只读官方的介绍为 : jdbc:gaussdb://node1,node2,node3,node4/database?autoBalance=shuffle如果写成 : jdbc:gaussdb://node1,node2,node3,node4/database?autoBalance=true&priorityServers=3  需求为 : 在JDBC有连接池的情况下 ,优先连接主集群3节点 , 在发生主备切换后自动连接容灾单节点 , 等主集群修复后进行二次切换 , 通过 JDBC 连接串自动连接主集群3节点.

开发是用windows开发的，发版是Linux环境，Windows环境发版没有问题【主库】Next recovery time: 2024/1/15 17:50:50 (ERROR [01000] [unixODBC][Driver Manager]Can't open lib '/usr/lib64/psqlodbcw.so' : file not found)【主库】Next recovery time: 2024/1/15 17:41:38 (ERROR [01000] [unixODBC][Driver Manager]Can't open lib 'PostgreSQL Unicode' : file not found)

水平分表 把一个表的数据分到一个数据库的多张表中，每个表只有这个表的部分数据 核心是把一个大表，分割N个小表，每个表的结构是一样的，数据不一样，全部表的数据合起来就是全部数据 针对数据量巨大的单张表（比如订单表），按照某种规则（RANGE,HASH取模等），切分到多张表里面去 但是这些表还是在同一个库中，所以单数据库操作还是有IO瓶颈，主要是解决单表数据量过大的问题 减少锁表时间，没分表前，如果是DDL(create/alter/add等)语句，当需要添加一列的时候mysql会锁表，期间所有的读写操作只能等待 水平分表的适用场景 当一张表的数据达到几千万时，查询一次所花的时间长，需要进行优化，缩短查询时间 微博发送记录、微信消息记录、日志记录。以id增长或时间划分 网站签到等活动流水数据。以时间划分 依赖引入  <dependency> <groupId>org.apache.shardingsphere</groupId> <artifactId>sharding-jdbc-spring-boot-starter</artifactId> <version>4.1.1</version> </dependency>application# 数据源 ds0 第一个数据库 --- 版本：mysql8 shardingsphere: datasource: ds0: connectionTimeoutMilliseconds: 30000 driver-class-name: com.mysql.cj.jdbc.Driver idleTimeoutMilliseconds: 60000 jdbc-url: jdbc:mysql://[ip]:3306/[数据库]?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true maintenanceIntervalMilliseconds: 30000 maxLifetimeMilliseconds: 1800000 maxPoolSize: 50 minPoolSize: 50 password: [密码] type: com.zaxxer.hikari.HikariDataSource username: [用户名] names: ds0 props: # 打印执行的数据库以及语句 sql: show: true sharding: tables: [表名]: # 指定表的数据分布情况，配置数据节点,行表达式标识符使用 ${...} 或 $->{...}，但前者与 Spring 本身的文件占位符冲突，所以在 Spring 环境中建议使用 $->{...} actual-data-nodes: ds0.[表名_]$->{0..1} # 水平分表策略+行表达式分片 table-strategy: inline: algorithm-expression: [表名_]$->{[取模字段] % 2} sharding-column: [取模字段] #id生成策略 key-generator: column: id props: worker: id: 0 #id生成策略 type: SNOWFLAKE 测试 @Test public void testSaveTraffic(){ Random random = new Random(); for(int i=0;i<10;i++){ TrafficDO trafficDO = new TrafficDO(); // 设置取模字段的值 Int trafficDO.setAccountNo(Long.valueOf(random.nextInt(1000))); trafficMapper.insert(trafficDO); } } 结果分析 取模字段accountNo为偶数的对象，存储到traffic_0表 取模字段accountNo为奇数的对象，存储到traffic_1表 实现水平分表 转载自https://www.cnblogs.com/xietingwei/p/17571979.html

常见的分库分表中间件包括ShardingSphere、MyCAT、Vitess和TDDL。以下是它们的优缺点： ShardingSphere： 优点： 功能全面：提供了完整的分库分表解决方案，支持多种数据库和丰富的功能，如读写分离、分布式事务等。 社区活跃：由Apache孵化，具有庞大的开源社区支持，更新迭代速度快。 易于集成：提供了丰富的文档和示例，易于使用和集成到现有项目中。 缺点： 配置复杂：相对其他中间件而言，配置和部署可能较为繁琐，需要一定的学习成本。 MyCAT： 优点： 简单易用：相对较简单的配置和部署，容易上手和使用。 支持MySQL协议：兼容MySQL协议，应用程序无需修改即可访问分片和分表数据。 缺点： 社区活跃度较低：相比其他几个中间件，MyCAT的社区活跃度较低，更新和维护可能相对滞后。 功能相对较少：相对于一些更全面的中间件，MyCAT的功能相对有限，可能不适用于更复杂的场景。 Vitess： 优点： 高度可扩展：通过分片实现数据的水平扩展，能够轻松应对大规模数据和高并发访问。 负载均衡和故障恢复：提供了自动负载均衡和故障恢复功能，提高了系统的可靠性和可用性。 缺点： 学习曲线较陡峭：配置和使用Vitess需要一定的学习成本，上手和部署可能相对复杂。 对MySQL兼容性有限：由于Vitess是为MySQL设计的，与其他数据库的兼容性相对较差。 TDDL： 优点： 阿里巴巴支持：由阿里巴巴集团开发和维护，具有较强的技术实力和稳定性。 动态数据切换：支持动态数据切换，方便在运行时进行数据分片和迁移。 缺点： 社区支持相对较少：与一些更受欢迎的开源中间件相比，TDDL的社区支持相对较少。 选择适合的分库分表中间件需要根据具体的需求和场景来评估。您需要考虑到中间件的功能覆盖、易用性、社区支持、稳定性和对应数据库的兼容性等因素，并结合自身团队的技术实力和偏好进行选择。 

请教个问题，通过jdbc提交mrs作业到yarn上，mrs是否接口可以返回yarn上执行的作业占用的资源(cpu/memory)的情况

SpringBoot使用Sharding-JDBC实现读写分离在大数据时代，数据库的性能问题越来越受到关注。为了提高系统的性能，我们可以通过读写分离的方式来优化数据库的访问。本文将介绍如何在SpringBoot和MyBatis项目中使用Sharding-JDBC实现读写分离。一、环境准备安装Java开发环境(JDK 1.8或更高版本)。安装Maven构建工具。安装MySQL数据库。下载并安装Sharding-JDBC。二、配置SpringBoot在pom.xml文件中添加Sharding-JDBC依赖：<dependency> <groupId>org.apache.shardingsphere</groupId> <artifactId>sharding-jdbc-spring-boot-starter</artifactId> <version>4.1.1</version> </dependency>在application.yml文件中配置数据源和分片规则：spring: shardingsphere: datasource: names: ds0,ds1 ds0: type: com.zaxxer.hikari.HikariDataSource driver-class-name: com.mysql.cj.jdbc.Driver jdbc-url: jdbc:mysql://localhost:3306/ds0?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: 123456 ds1: type: com.zaxxer.hikari.HikariDataSource driver-class-name: com.mysql.cj.jdbc.Driver jdbc-url: jdbc:mysql://localhost:3306/ds1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: 123456 sharding: default-database-strategy: inline: sharding-column: id algorithm-expression: ds${id % 2} tables: t_order: actual-data-nodes: ds${0..1}.t_order${0..1} table-strategy: standard: sharding-column: order_id sharding-algorithm-name: inline在src/main/resources目录下创建sql文件夹，并在其中创建两个t_order_${0..1}.sql文件，分别用于模拟ds0和ds1的数据表结构。例如，ds0的数据表结构如下：CREATE TABLE `t_order` ( `id` int(11) NOT NULL, `order_id` int(11) NOT NULL, `create_time` datetime NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;在Service类中注入DataSource,并使用@Autowired注解。例如，在一个Service类中：import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; import javax.annotation.Resource; import java.util.List; import java.util.Map; import java.util.stream.Collectors; import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper; import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl; import com.zaxxer.hikari.HikariDataSource; import org.springframework.transaction.annotation.Transactional; import org.springframework.jdbc.core.JdbcTemplate; import org.springframework.jdbc.core.namedparam JdbcTemplate; // import语句错误，请自行解决 @Service public class OrderService extends ServiceImpl<OrderMapper, Order> { @Autowired private HikariDataSource ds0; @Autowired private HikariDataSource ds1; @Transactional(rollbackFor = Exception.class) public void createOrder(Order order) { // 根据order的id判断应该使用哪个数据源进行插入操作 if (order.getId() % 2 == 0) { jdbcTemplate(ds0).insert(order); } else { jdbcTemplate(ds1).insert(order); } } }四、总结通过本文的介绍，我们了解了如何在SpringBoot和MyBatis项目中使用Sharding-JDBC实现读写分离。具体来说，我们需要完成以下几个步骤：在pom.xml文件中添加Sharding-JDBC依赖。在application.yml文件中配置数据源和分片规则。在Service类中注入DataSource,并使用@Autowired注解。根据order的id判断应该使用哪个数据源进行插入操作。通过以上步骤，我们就可以实现在SpringBoot和MyBatis项目中使用Sharding-JDBC进行读写分离。需要注意的是，在使用Sharding-JDBC时，我们需要根据具体的业务需求来选择合适的分片策略和数据源。同时，我们也需要对数据库进行合理的优化，以提高系统的性能。

jar包获取以下提供的都是各个数据库较为官方的jar包获取方式1、Mysqlcid:link_5 tar.gz为Linux系统的压缩包，zip为Windows系统的压缩包 在下载好的zip压缩包中包含有jar包文件，解压出来使用即可2、MariaDBcid:link_4 点击 Download MariaDB Connector/J 按钮跳转 选择Connectors，Connector version选择MariaDB Connector/J 3.1.0，镜像地址可以切换，选择一个能下载的即可3、Oraclecid:link_1 根据Oracle服务器的版本选择对应的驱动版本下载即可4、PostgreSQLcid:link_7 选择合适的版本点击下载即可5、MongoDBcid:link_3选择合适的jar包驱动版本 选择jar格式的下载包6、SQL Servercid:link_0 tar.gz格式的压缩包适合在Linux系统解压，zip格式的压缩包适合在Windows系统解压，下载此驱动程序时，有多个 JAR 文件。 JAR 文件名表示它支持的 Java 版本，选择合适的版本使用详细操作可以参考本论坛的这个帖子 cid:link_27、SQLitecid:link_6 选择合适的版本点击Downloads按钮 在Assets项下选择jar格式的文件点击下载管理中心白名单处理如果项目中包含jar包文件，在管理中心上传脚本时会触发文件类型的白名单检查，如果未配置jar包中的相关文件类型，那么就无法通过白名单检查，从而管理中心上传脚本失败。jar包文件本质上是一个压缩包，白名单检查会校验压缩包中所有文件的类型，所以我们需要将压缩包中所有的文件类型填写到白名单中。使用解压缩软件就可以解压查看jar包中的文件类型信息了，这里以7-Zip软件示例。 jar包中包含的文件可能比较多，要查找所有的文件类型信息比较耗时，我这里总结了前面数据库的jar包中包含文件的类型，各个类型通过分号(;)分割，这也是管理中心白名单配置的格式。jar;class;MF;LIST;Driver;properties;xml;AuthenticationPlugin;Codec;CredentialPlugin;TlsSocketPlugin;RSA;SF;txt;json;glb;so;zentus;dll;jnilib;以上整理的jar包中的文件类型可能随版本变动而变动，或者你拥有的jar包没在这个整理范围，所以建议你自己解压jar包统计一下相关的文件类型。如果觉得文件类型过多，难以统计，可以选择在文件类型的白名单中添加星号(*)来达到允许所有文件类型的设置，但是这样就放开了文件类型的风险管控，需要自己评估相关操作的风险系数，建议谨慎操作。

如图，想问下要怎么解决。选择的jar包是：gsjdbc4.jar而且很奇怪的是，没有设置enable_ce=1时，就能成功连接，设置后才会出现报错。

【问题现象】jdbc copy报错connection failed when canceling copy operation【问题原因】copy过程中出现错误导致copy失败【排查过程】1. 首先测试jdbc客户端到DWS网络是否正常，jdbc是否能建立稳定连接2. 排查DWS CN日志，是否有copy相关报错3. 本例中，是由于copy的目标表上有not null约束，但导入的数据包含null值，导致copy报错，由于使用的开源驱动，错误未直接在客户端显示【解决方法】根据CN日志报错内容，去除目标表的not null约束

测试环境 客户端系统： Windows 10 客户端软件： eclipse 2020-09 Server操作系统：openEuler 20.03 64bit with ARM Database版本： openGauss 2.0.0 作者：酷哥1.客户端安装配置JDK11 DOS窗口输入“java -version”，查看JDK版本，确认为JDK11版本。如果未安装JDK，请 从官方网站下载安装包并安装。 根据如下步骤配置系统环境变量： a. 右键单击“我的电脑“，选择“属性“。 b. 在“系统“页面左侧导航栏单击“高级系统设置“。 c. 在“系统属性“页面，“高级“页签上单击“环境变量“。 d. 在“环境变量“页面上，“系统变量“区域单击“新建“或“编辑“配置系统变量。变量说明请参 见表。2.下载JDBC驱动并解压 下载地址：https://opengauss.obs.cn-south-1.myhuaweicloud.com/2.0.0/x86/openGauss-2.0.0-JDBC.tar.gz 3.启动eclipse，新建工程并添加JDBC驱动 Create a java projectProject name: openGauss-JDBC; JRE: JavaSE-11不需要创建“Don’t Create”创建一个lib目录在openGauss-JDBC项目下把jdbc驱动拷贝到lib下边加载jdbc驱动“Add JARs”在“Libraries”下，选中需要的postgresql.jar文件，然后“Apply and Close”Jdbc jar已经被正确加载，在“Referenced Libraries”下创建“Java Class”拷贝准备的代码到java类中运行java类“Run as --》java application”Tips: 此次使用eclipse 2020-09 创建JAVA Class/*测试代码*/ package gaussjdbc; //ogtest.java //演示基于JDBC开发的主要步骤，会涉及创建数据库、创建表、插入数据等。 import java.sql.Connection; import java.sql.DriverManager; import java.sql.PreparedStatement; import java.sql.SQLException; import java.sql.Statement; import java.sql.CallableStatement; public class Gaussjdbc { //创建数据库连接。 public static Connection GetConnection(String username, String passwd) { String driver = "org.postgresql.Driver"; String sourceURL = "jdbc:postgresql://122.9.34.186:26000/db_tpcc"; Connection conn = null; try { //加载数据库驱动。 Class.forName(driver).newInstance(); } catch (Exception e) { e.printStackTrace(); return null; } try { //创建数据库连接。 conn = DriverManager.getConnection(sourceURL, username, passwd); System.out.println("Connection succeed!"); } catch (Exception e) { e.printStackTrace(); return null; } return conn; }; //执行普通SQL语句，创建customer_t1表。 public static void CreateTable(Connection conn) { Statement stmt = null; try { stmt = conn.createStatement(); //执行普通SQL语句。 int rc = stmt .executeUpdate("CREATE TABLE customer_t1(c_customer_sk INTEGER, c_customer_name VARCHAR(32));"); stmt.close(); } catch (SQLException e) { if (stmt != null) { try { stmt.close(); } catch (SQLException e1) { e1.printStackTrace(); } } e.printStackTrace(); } } //执行预处理语句，批量插入数据。 public static void BatchInsertData(Connection conn) { PreparedStatement pst = null; try { //生成预处理语句。 pst = conn.prepareStatement("INSERT INTO customer_t1 VALUES (?,?)"); for (int i = 0; i < 3; i++) { //添加参数。 pst.setInt(1, i); pst.setString(2, "data " + i); pst.addBatch(); } //执行批处理。 pst.executeBatch(); pst.close(); } catch (SQLException e) { if (pst != null) { try { pst.close(); } catch (SQLException e1) { e1.printStackTrace(); } } e.printStackTrace(); } } //执行预编译语句，更新数据。 public static void ExecPreparedSQL(Connection conn) { PreparedStatement pstmt = null; try { pstmt = conn .prepareStatement("UPDATE customer_t1 SET c_customer_name = ? WHERE c_customer_sk = 1"); pstmt.setString(1, "new Data"); int rowcount = pstmt.executeUpdate(); pstmt.close(); } catch (SQLException e) { if (pstmt != null) { try { pstmt.close(); } catch (SQLException e1) { e1.printStackTrace(); } } e.printStackTrace(); } } /** * 主程序，逐步调用各静态方法。 * @param args */ public static void main(String[] args) { //创建数据库连接。 Connection conn = GetConnection("joe", "Bigdata@123"); //创建表。 CreateTable(conn); //批插数据。 BatchInsertData(conn); //执行预编译语句，更新数据。 ExecPreparedSQL(conn); //关闭数据库连接。 try { conn.close(); } catch (SQLException e) { e.printStackTrace(); } } }4.测试示例代码5.检查运行结果 -- 检查客户端运行结果 --检查数据库数据变化 代码成功运行，且数据库数据变更正常，即连接环境配置完毕。

操作步骤1. 准备连接环境步骤1  修改数据库的pg_hba.conf文件。在GS_HOME中查找pg_hba.conf文件，本实验中数据库GS_HOME设置的为/gaussdb/data/db1，实际操作中GS_HOME地址可以查看安装时的配置文件：<PARAM name="dataNode1" value="/gaussdb/data/db1"/>。cd /gaussdb/data/db1 vi pg_hba.conf输入“:90”找到对应位置，然后输入“i”切换到INSERT模式，将以下内容添加进pg_hba.conf文件，添加后按下“ESC”键，退出INSERT模式，输入“:wq”后回车保存。# IPv4 local connections: host all all 127.0.0.1/32 trust host all all 192.168.0.19/32 trust host all all 0.0.0.0/0 sha256 # IPv6 local connections: host all all ::1/128 trust使用omm用户登陆，使用gs_ctl将策略生效。su - omm gs_ctl reload -D /gaussdb/data/db1/返回结果为：[2020-07-23 15:39:55.398][71828][][gs_ctl]: gs_ctl reload ,datadir is -D "/gaussdb/data/db1" server signaled注：如果之前没有启动过数据库，返回结果如下，继续操作即可：[2021-04-27 17:02:59.640][15354][][gs_ctl]: gs_ctl reload ,datadir is /gaussdb/data/db1 [2021-04-27 17:02:59.640][15354][][gs_ctl]: PID file "/gaussdb/data/db1/postmaster.pid" does not exist [2021-04-27 17:02:59.640][15354][][gs_ctl]: Is server running?步骤2 使用omm用户登陆数据库给dbuser用户授权，并退出数据库。gsql -d postgres -p 26000 -r postgres=# alter role dbuser createrole createdb; ALTER ROLE postgres=# \q步骤3 修改数据库侦听地址。在GS_HOME中，本实验中数据库GS_HOME设置的为/gaussdb/data/db1。cd /gaussdb/data/db1 vi postgresql.conf输入“:60”找到对应位置，然后输入“i”切换到INSERT模式，将listen_addresses的值修改成为*，修改后按下“ESC”键，退出INSERT模式，输入“:wq”后回车保存。#listen_addresses = '192.168.0.19' # what IP address(es) to listen on; listen_addresses = '*'修改完成后重启数据库生效（-D后面的数据库默认路径，需要根据实际情况进行修改）。gs_ctl restart -D /gaussdb/data/db1/步骤4 下载Java连接openGauss的驱动包，并将其导入对应的使用工具。通过以下链接，下载驱动包https://opengauss.obs.cn-south-1.myhuaweicloud.com/1.1.0/arm/openGauss-1.1.0-JDBC.tar.gz假设文件存放在d:\Download目录下，并进行解压，解压后文件为“postgresql.jar”。步骤5 创建测试数据库demo。使用gsql工具登陆数据库，并输入dbuser密码(如：Gauss#3demo)。gsql -d postgres -p 26000 -U dbuser -r创建数据库demo。create database demo ENCODING 'UTF8' template = template0;切换到demo数据库，并输入dbuser密码(如：Gauss#3demo)。\connect demo;步骤6 创建名为demo的schema，并设置demo为当前的schema。CREATE SCHEMA demo;将默认搜索路径设为demo。SET search_path TO demo;步骤7 创建测试表websites。CREATE TABLE websites ( id int NOT NULL, name char(20) NOT NULL DEFAULT '', url varchar(255) NOT NULL DEFAULT '', PRIMARY KEY (id) ); COMMENT ON COLUMN websites.name IS '站点名称';步骤8 插入数据。INSERT INTO websites VALUES ('1', 'openGauss', 'https://opengauss.org/zh/'), ('2', '华为云', 'https://www.huaweicloud.com/'), ('3', 'openEuler', 'https://openeuler.org/zh/'), ('4', '华为support中心', 'https://support.huaweicloud.com/');步骤9 退出数据库。\q2. 确定26000端口是否放开步骤1 打开华为云首页，登录后进入“控制台”，点击“弹性云服务器ECS”进入ECS列表。步骤2 在云服务器控制台找到安装数据库主机的ECS，点击查看基本信息，找到安全组。步骤3 点击进入安全组，选择“入方向规则”并“添加规则”，进行26000端口设置。确定后，可以看到入网规则多了“TCP:26000”，如下图：3. 下载并安装JDK 步骤1 下载JDK。https://www.oracle.com/java/technologies/javase/javase-jdk8-downloads.html 步骤2 点击jdk-8u261-windows-x64.exe进行安装。默认设置即可，出现安装进度。如下显示表示安装成功：步骤3 查看安装目录。4. 配置JDK环境变量步骤1 右击“此电脑”选择“属性”，点击“高级系统设置”。步骤2 点击“环境变量”，新建系统变量“JAVA_HOME”，输入JDK安装目录。“C:\Program Files\Java\jdk1.8.0_261”为JDK安装目录。步骤3 编辑系统变量“path”。在变量值最后输入 %JAVA_HOME%\bin;%JAVA_HOME%\jre\bin;（注意原来Path的变量值末尾有没有;号，如果没有，先输入；号再输入上面的代码）。步骤4 新建系统变量“CLASSPATH”变量，输入“.” 即可。步骤5 系统变量配置完毕，查询检验是否配置成功，运行cmd 输入java -version（java和 -version之间有空格）。C:\Users\xxxxx>java -version如下所示，显示版本信息，则说明安装和配置成功。java version "1.8.0_261" Java(TM) SE Runtime Environment (build 1.8.0_261-b12) Java HotSpot(TM) 64-Bit Server VM (build 25.261-b12, mixed mode)5. 连接openGauss并执行java代码步骤1 使用Java程序连接数据库并进行查询（注：请用户根据实际情况替换红字内容，修改jdbc:postgresql://弹性公网IP:26000/demo中弹性公网IP信息，USER = "dbuser"连接数据库的用户及密码PASS = "Gauss#3demo"）。在d:\Download\中创建openGaussDemo.java文件，文件内容如下，注意红字部分要按照实际情况进行替换：import java.sql.*; public class openGaussDemo { static final String JDBC_DRIVER = "org.postgresql.Driver"; static final String DB_URL = "jdbc:postgresql://弹性公网IP:26000/demo?ApplicationName=app1"; // 数据库的用户名与密码，需要根据自己的设置 static final String USER = "dbuser"; static final String PASS = "Gauss#3demo"; public static void main(String[] args) { Connection conn = null; Statement stmt = null; try{ // 注册 JDBC 驱动 Class.forName(JDBC_DRIVER); // 打开链接 System.out.println("连接数据库..."); conn = DriverManager.getConnection(DB_URL,USER,PASS); // 执行查询 System.out.println(" 实例化Statement对象..."); stmt = conn.createStatement(); String sql; sql = "SELECT id, name, url FROM demo.websites"; ResultSet rs = stmt.executeQuery(sql); // 展开结果集数据库 while(rs.next()){ // 通过字段检索 int id = rs.getInt("id"); String name = rs.getString("name"); String url = rs.getString("url"); // 输出数据 System.out.print("ID: " + id); System.out.print(", 站点名称: " + name); System.out.print(", 站点 URL: " + url); System.out.print("\n"); } // 完成后关闭 rs.close(); stmt.close(); conn.close(); }catch(SQLException se){ // 处理 JDBC 错误 se.printStackTrace(); }catch(Exception e){ // 处理 Class.forName 错误 e.printStackTrace(); }finally{ // 关闭资源 try{ if(stmt!=null) stmt.close(); }catch(SQLException se2){ }// 什么都不做 try{ if(conn!=null) conn.close(); }catch(SQLException se){ se.printStackTrace(); } } System.out.println("Goodbye!"); } }步骤2 在安装Java的本机，打开cmd对Java程序编译后执行。在cmd中，进入d:\Download\目录，先对Java程序进行编译（进入Java程序的目录）。D:\Download> javac -encoding utf-8 -cp d:\Download\postgresql.jar openGaussDemo.java再执行以下命令。D:\Download> java -cp .;D:/Download/postgresql.jar openGaussDemo步骤3 执行结果。执行结果如下：连接数据库... 实例化Statement对象... ID: 1, 站点名称: openGauss, 站点 URL: https://opengauss.org/zh/ ID: 2, 站点名称: 华为云, 站点 URL: https://www.huaweicloud.com/ ID: 3, 站点名称: openEuler, 站点 URL: https://openeuler.org/zh/ ID: 4, 站点名称: 华为support中心, 站点 URL: https://support.huaweicloud.com/ Goodbye!

有修改数据库的pg_hba.conf文件和.修改数据库监听地址步骤的。

包含修改数据库的pg_hba.conf和修改数据库监听地址步骤的。刚刚学习，找不到什么资料。

【DWS产品】【JDBC驱动数据写入功能】SparkApp写入数据异常【功能模块】GaussDB（DWS）驱动在SparkApp中使用问题【操作步骤&问题现象】1、在同一个DWS库及模式下，现有两张结构相同的表，分别称为表A、表B。其中表A有大约160万行数据2、编写简单的SparkApp，依赖 gsjdbc200.jar（driverClass=com.huawei.gauss200.jdbc.Driver）和 gsjdbc4.jar（driverClass=org.postgresql.Driver）首先使用gsjdbc200.jar作为驱动读取A表数据，得到Dataset实例Dataset ds = sparkSession.read().format("jdbc") .option("url", "jdbc:gaussdb://xx.xxx.xx.xx:8000/dwhm") .option("driver", "com.huawei.gauss200.jdbc.Driver") .option("user", "******") .option("password", "**********") .option("dbtable", "表A") .option("numPartitions", 6) .option("lowerBound", 0) .option("upperBound", 1728454) .option("partitionColumn", "id_column") .option("fetchsize", 1024) .load();然后立即再使用gsjdbc200.jar（driverClass=com.huawei.gauss200.jdbc.Driver）作为驱动，尝试将A表数据写入B表ds.write().format("jdbc") .option("dbtable", "表B") .mode(SaveMode.Overwrite) .option("url", "jdbc:gaussdb://10.2.121.11:8000/dwhm") .option("driver", "com.huawei.gauss200.jdbc.Driver") .option("user", "xxxxxx") .option("password", "**************") .option("truncate", true) .option("batchsize", 500) .save();读取到数据后，在开始执行数据写入task时很快就报出如下异常而失败。java.sql.BatchUpdateException: Batch entry 0 INSERT INTO 表B名称 ("po_process_action_id","tenant_id","po_header_id","po_line_id","po_line_location_id","display_line_num","display_line_location_num","version_num","process_type_code","process_remark","processed_date","process_user_id","process_user_name","object_version_number","creation_date","created_by","last_updated_by","last_update_date","storage_time") VALUES ('1155064','20453','194759',NULL,NULL,NULL,NULL,'1','UPDATE',NULL,'2021-07-11 01:14:21+08','859953','华为接口账号','1','2021-07-11 01:14:21+08','859953','859953','2021-07-11 01:14:21+08','2021-09-27 13:47:06+08') was aborted: ERROR: invalid input syntax for type oid: "" Call getNextException to see other errors in the batch. at com.huawei.gauss200.jdbc.jdbc.BatchResultHandler.handleError(BatchResultHandler.java:152) at com.huawei.gauss200.jdbc.core.v3.QueryExecutorImpl.processResults(QueryExecutorImpl.java:2584) at com.huawei.gauss200.jdbc.core.v3.QueryExecutorImpl.executeBatch(QueryExecutorImpl.java:575) at com.huawei.gauss200.jdbc.jdbc.PgStatement.executeBatch(PgStatement.java:879) at com.huawei.gauss200.jdbc.jdbc.PgPreparedStatement.executeBatch(PgPreparedStatement.java:1580) at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$.savePartition(JdbcUtils.scala:654) at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$saveTable$1.apply(JdbcUtils.scala:821) at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$saveTable$1.apply(JdbcUtils.scala:821) at org.apache.spark.rdd.RDD$$anonfun$foreachPartition$1$$anonfun$apply$29.apply(RDD.scala:935) at org.apache.spark.rdd.RDD$$anonfun$foreachPartition$1$$anonfun$apply$29.apply(RDD.scala:935) at org.apache.spark.SparkContext$$anonfun$runJob$5.apply(SparkContext.scala:2074) at org.apache.spark.SparkContext$$anonfun$runJob$5.apply(SparkContext.scala:2074) at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:87) at org.apache.spark.scheduler.Task.run(Task.scala:109) at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:345) at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149) at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624) at java.lang.Thread.run(Thread.java:748) Caused by: com.huawei.gauss200.jdbc.util.PSQLException: ERROR: invalid input syntax for type oid: "" at com.huawei.gauss200.jdbc.core.v3.QueryExecutorImpl.receiveErrorResponse(QueryExecutorImpl.java:2852) at com.huawei.gauss200.jdbc.core.v3.QueryExecutorImpl.processResults(QueryExecutorImpl.java:2583) ... 16 more表B只是普通的行存表，其中 po_process_action_id 为主键。表内没有名为“oid”的用户定义列。如果换用 gsjdbc4.jar（driverClass=org.postgresql.Driver）作为 write 时的驱动，只相应改动 url、driver 两项option，其它代码不做任何改变，则数据写入可以成功，没有任何问题。使用Spark版本为 2.3.2，程序运行于本地笔记本，原意为简单试一下Spark读写DWS再例如下面这个异常也是同样的问题：