最近有些小伙伴在使用 Nebula 导入数据的时候遇到了一些问题，这里官方整理了数据导入的相关事项，以供以后的大家导入数据参考。
本帖目录
-
导入数据报错：ErrMsg: SyntaxError: syntax error near xx，不支持这种类型的顶点 ID
-
没有 header 的情况下如何导入数据
-
string 通过 hash 转化为 int 的耗时问题
-
数据导入是并行的吗？
-
graph client 数据设置问题
-
查看导入数据的有多少个顶点或边
-
导入的时候，Latency AVG、Batches Req AVG、Rows AVG 这三个参数的意思
-
导入数据的时间及机器配置问题
-
storaged 配置文件更改生效问题
-
导入 shell 关闭数据，导入会停止吗？
-
如何查看导入进度
-
导入点边数据有先后顺序吗，还是随机的？
-
导入工具支持断点续传吗？
导入数据报错：ErrMsg: SyntaxError: syntax error near xx，不支持这种类型的顶点 ID
Question：导入的时候报错:ErrMsg: SyntaxError: syntax error near xx，是不支持这种类型的顶点 ID，只支持 int 型？
Answer：是的，顶点类型只支持 int64。如果 vid 的那列是 string，可以在 vid 的配置中指定 function: hash 或者 uuid，导入时会自动使用对应的函数来转换成 int64 的 vid
没有 header 的情况下如何导入数据
Question：如果要导入的数据没有 header，怎么忽略其中某列数据不导进去？只在官网看到有header情况下的说明
Answer：对每个 tag 的 props 指定数据文件中的列 index，没有用到的那些列自然就被忽略掉了
string 通过 hash 转化为 int 的耗时问题
Question：VID 列为 string，这个 string 通过 hash 转化为 int64 的耗时，是算在整个导入耗时里面吗？
Answer：嗯。 你可以这么理解，就是把 INSERT VERTEX v() VALUES 234: () 变成 INSERT VERTEX v() VALUES hash("234"):() 语句
数据导入是并行的吗？
Question：数据导入是并行导入的吗，是不是这个 graph client 决定并行度呀
Answer：数据导入是并行的，这个 concurrency 指定为你的 cpu cores 就可以。表示的是起多少个 graph client 去连接 nebula server。
graph client 数据设置问题
Question：graph client 按理说设大一些就导入更快一些，是吧
Answer：是，但是也不是越大越好，根据你本地机器的 cpu 核数一样就行。
查看导入数据的有多少个顶点或边
Question：有接口能获取图里有多少个顶点或边吗？
Answer：没有直接的命令，但是有工具：https://github.com/vesoft-inc/nebula/blob/master/docs/manual-CN/3.build-develop-and-administration/3.deploy-and-administrations/server-administration/storage-service-administration/data-export/dump-tool.md 。它也可以只是做统计，有不同的选项。
--mode=stat #只做统计
导入的时候，Latency AVG、Batches Req AVG、Rows AVG 这三个参数的意思
Question：导入的时候，Latency AVG、Batches Req AVG、Rows AVG 这三个参数的意思
Answer：这里的 latency 是每条 insert 返回的 latency 的平均，类似于你在 console 中执行时返回的 latency。Finished 表示总共完成的条数， Batches Req AVG 表示设置的 Batch 数据导入的时间，比如，你设定 batch 为 100 条，即，导入 importer 执行一条插入命令会有 100 条数，这 100 条数据插入花费的时间就是这个 Batches Req AVG，Rows AVG 表示每秒导入的条数。
导入数据的时间及机器配置问题
Question：总共 2.3 亿点，50 亿边，从昨天到现在 15 个小时，单机，这个速度是正常的吗？
Answer：不太正常。贴下你的机器的配置，nebula 的配置文件，go-impoter 配置，还有是否使用索引了。这里帮你更改下默认的 storage.conf 配置，参考下面
########## storage ##########
# Root data path, multiple paths should be splitted by comma.
# One path per instance, if --engine_type is `rocksdb'
--data_path=/mnt/ssd1/storage,/mnt/ssd2/storage,/mnt/ssd3/storage
# The default block cache size used in BlockBasedTable.
# The unit is MB.
--rocksdb_block_cache=65536 # 这里改成大约总内存的1/3
# rocksdb ColumnFamilyOptions in json, each name and value of option is string, given as "option_name":"option_value" separated by comma
--rocksdb_column_family_options={"write_buffer_size":"67108864","max_write_buffer_number":"6","max_bytes_for_level_base":"268435456"}
更改了 nebula-storage.conf 三个地方，数据导入的 yaml 文件可以不作更改。
--data_path=/mnt/ssd1/storage,/mnt/ssd2/storage,/mnt/ssd3/storage #这里为 3 个硬盘
上面你要使用几个硬盘，可自行更改参数配置
storaged 配置文件更改生效问题
Question：storage 配置文件改完之后我是把全部重启还是只重启那个 store 服务
Answer：storaged 关闭，等一下（30s），然后重启，因为数据要刷到硬盘去。
导入 shell 关闭数据，导入会停止吗？
Question：正在导入数据的 shell 窗口关闭，数据导入是否停止？
Answer：是的，数据导入就终止了
如何查看导入进度
Question：怎么能知道导入到哪一步了，导入文件完成多少？
Answer：数据导入的时候有 Finished 字段，可查看到已经写入了多少了。
导入点边数据有先后顺序吗，还是随机的？
Question：导入点边数据有先后顺序吗，还是随机的？
Answer：点边导入顺序是按照文件顺序读，然后分给不同的 graph client 并行的插入，所以不一定按照文件的存储顺序插入。实现上是每个文件起一个线程读，然后同时分发给多个线程去插入 nebula，所以在多文件的情况下每个插入线程可能同时插入不同文件的数据。
导入工具支持断点续传吗？
Question：这个导入工具支持断点续传吗？比如说我中途导入停止了，后面又导入
Answer：不支持，作为本地 csv 导入，意义不大。当然其实自己想实现下并不难的。
最后，感谢小辉及其他小伙伴对这些 Tips 做出的贡献 
