GraphScope 数据导入失败问题分析与解决

问题背景

在使用 GraphScope 进行图数据导入时，遇到了导入失败的问题。错误日志显示在尝试将 CSV 文件中的字符串值转换为整数类型时发生了类型转换错误。

错误详情

从错误日志中可以清晰地看到关键错误信息：

Failed to create streaming reader for file: /home/graphscope/.graphscope/runtime/coordinator/dataset/software.csv error: In CSV column #1: CSV conversion error to int32: invalid value 'lop'

这表明系统尝试将字符串值 'lop' 转换为 int32 类型时失败，因为 'lop' 显然不是一个有效的整数值。

根本原因分析

通过检查提供的 schema 配置文件(graph.yaml)，可以发现问题的根源在于 schema 定义与数据实际类型不匹配：

1. 在 vertex_types 中，"software" 类型的 "name" 属性被定义为 DT_SIGNED_INT32 (有符号32位整数)
2. 然而实际数据文件(software.csv)中该列包含的是字符串值(如 'lop')

这种 schema 定义与实际数据类型的严重不匹配导致了导入过程的失败。

解决方案

正确的做法是将 schema 中 "name" 属性的类型修改为字符串类型(DT_STRING)。具体修改如下：

在 graph.yaml 文件中，将 software 顶点类型的 name 属性定义从：

{
  "property_id": 1,
  "property_name": "name",
  "property_type": {
    "primitive_type": "DT_SIGNED_INT32"
  }
}

修改为：

{
  "property_id": 1,
  "property_name": "name",
  "property_type": {
    "primitive_type": "DT_STRING"
  }
}

最佳实践建议

1. 预先验证数据：在导入前，应该检查数据文件中的实际数据类型是否与 schema 定义匹配
2. 使用合适的类型：对于明显是字符串的属性(如名称、标签等)，应该使用 DT_STRING 类型
3. 逐步测试：可以先导入少量测试数据验证 schema 定义是否正确
4. 错误处理：在开发过程中，应该关注导入日志中的警告和错误信息

总结

GraphScope 作为一款强大的图计算引擎，对数据类型的定义有着严格要求。开发者在定义 schema 时，必须确保其与真实数据的类型完全一致。本例中的问题虽然简单，但很典型，提醒我们在数据导入前需要仔细检查类型定义。正确的类型定义不仅能避免导入失败，还能提高后续图计算的效率和准确性。