Greenplum迁移指南

Greenplum迁移指南
目录
节 Greenplum数据迁移方法论
1.1 为什么要进行数据迁移
1.2 迁移整体的流程
第二节Greenplum数据迁移工具
2.1 迁移工具
2.2 迁移工具--pra2pg
2.3 迁移工具--sqluldr2
2.4 迁移工具--sqldata
第三节 如何实现自己的数据迁移程序
3.1 数据迁移全周期功能
第四节 Oracle到Greenplum的数据迁移
4.1 为什么要从Oracle迁移到GPDB
4.2 迁移场景
4.3 元数据迁移
4.4 元数据迁移
4.5 数据迁移
4.6 数据校验
第五节 PostgreSQL到Greenplum的数据迁移
5.1 一种平滑的解决方案
5.2 元数据迁移
5.3 数据迁移
5.4 数据校验


节 Greenplum数据迁移方法论
1.1 为什么要进行数据迁移
数据迁移的目的是为了给数据找一个更合适的归宿，让其满足当前及未来某段时间内业务场景的使用需求，使数据更安全，更可靠，更有效的为客户服务。


对于数据库而言，通常为了解决当前数据库遇到的瓶颈，考虑到成本，性能，可靠性，未来发展等多个方面因素，进行合理的数据迁移，以求通过新技术的引进，满足未来3-5年时间内业务持续性的需求。

1.2 迁移整体的流程

第二节Greenplum数据迁移工具
2.1 迁移工具
根据部分的讲解，大家也可以理解数据迁移是一个复杂的工作，要求各方面配合，多种技术结合使用。

目前市面上还没有任何一款工具可以灵活高性能的完成到Greenplum的异构数据迁移，并且在迁移过程中需要大量的人工干预，所以通常情况下我们都需要采用多种技术诶和来完成这一项工作。

通常我们使用的工具有AWS Schema ConversionTool / ora2pg / sqluldr2 / sqldata / dbsync 等工具

2.2 迁移工具--pra2pg
Ora2pg 是一款功能丰富的工具，用于将oracle/mysql数据迁移到PostgreSQL,由于Greenplum与postgreSQL的语法几乎一致性，所以同样也是用于Greenplum，通常情况下，我使用它来做简单的元数据转换及迁移分析。

相关详细信息，源码及安装教程，参考开源中国: https://www.oschina.net/p/ora2pg?hmsr=aladdin1e1

2.3 迁移工具--sqluldr2
Sqluldr2 是一款Oracle数据快速导出工具，包含32位/64位程序，sqluldr2在大数据量导出方面速度特别快，能导出亿级数据为excel文件，另外他的导入速度也是非常快的，功能是将数据以TXT/CSV等格式导出。

它支持windows和linux平台，通常用来配合gpfdist做大批量存量数据迁移，也可以用来构建自己的数据迁移工具。


具体的使用方法可以参考博客：
https://blog.csdn.net/cheng_feng_xiao_zhan/article/details/83620593

2.4 迁移工具--sqldata
SQLLines Data是一款开源(Apache License 2.0),可伸缩，并行高性能的data传输，schema转换工具，可以用作数据库和ETL处理。

该工具特别适合数据量在TB以下级别的小型数据库迁移，速度快，省时省力。
程序获取方式详细见:
https://github.com/luzhihua407/SQLines-Data



注意事项
1、目标端td的数据库名字必须和用户名一致，如果不一致，会以用户为准，而不是数据库名称为准。
2、单表迁移数据量超过21亿，结果报告展示会显示负数。



第三节 如何实现自己的数据迁移程序
3.1 数据迁移全周期功能
Step1：Getthein for mation about source schema.
Step2：Generate DDL for Greenplum schema from Oracle schema
Step3：Generate CSV data dump for oracle tables.
Step4：Load the data baseusing GPFDist
step5：Validate the data


1-Test Oracle Database Connectivity
2-Oracle Database Information Report
3-Oracle Table Rows Count Report
4-Oracle Table Checksum Report
5-Generate Green plum Schema Table DDL corresponding to Oracle Schema
6-Generate Green plum External Table DDL corresponding to Oracle Schema
7-Generate Load data insert table scripts to insert data into Green plum table
8-Generate Select count DML scripts to count no of rows in green plum internal and external tables
9-Export Oracle Table Data in CSV Format consumed by Green plum External Table
10-**Export very large partitioned tables data in parallel and store in different location
11-**Generate External table DDL of large partitioned tables
21-Test Green plum Database Connectivity 22-Create table in Green plum using DDL generated from option 5
23-Create external table in Green plum using DDL generated from option 6or option 10
24-Load Data in Green plum 25-Generate table counts DML script
26-Create Checksum Report of Migrated data in Green plum
27-Compare Oracle and Green plum Checksum Report


第四节 Oracle到Greenplum的数据迁移
4.1 为什么要从Oracle迁移到GPDB
客户通常从别的平台迁移到Greenplum的原因有：
1、成本：Greenplum相对于Teradata,Oracle Exadata等一体机设备，不需要购买专有的硬件设备，有明显的成本优势。
2、性能：Greenplum相对传统关系型数据库有明显的性能提升，多个用户从Oracle迁移到Greenplum后，性能有几十倍的提升。
3、易用性：Greenplum相对于Hadoop平台，SQL表达能力更为突出，应用改造成本要小很多。


针对Oracle而言，Oracle并不是专门为分析性场景设计，其体系架构主要是对应数据变更的OLTP高并发，低延时场景。
针对分析性，一般在Oracle上运行数小时候的分析应用，在Greenplum上只有数分钟或者秒级返回结果。

4.2 迁移场景
大部分场景都可以直接迁移到Greenplum，但也有部分场景(如高并发事务性场景)不太适合迁移到目前的Greenplum版本，具体的迁移建议如下：


Oracle中的应用场景 Oracle中的相应时间 迁移到Greenplum建议
分析性场景 1秒以上 此类应用完全可以迁移至Greenplum，迁移后性能会有较明显的提升
并发小查询场景 1秒以内 并发小查询场景包括小表全表扫描和大表索引扫描场景，迁移至Greenplum性能在同一量级，但因为数据节点交互延迟会略有增加
并发数据加载场景 1秒以内 可以迁移至Greenplum，需要将逐笔插入操作改为微批量插入，由于Greenplum MPP架构的优势，加载性能会有较明显的提升
低并发事务型场景 1秒以内 可以迁移至Greenplum，需要适当业务改造，将逐笔操作改为微批量操作高并发事务型场景 1秒以内 不建议迁移到Greenplum，由于数据夸节点的网络交换和锁的问题，会导致性能有较大的损失，甚至无法满足业务的需求，请关注Greenplum的研发进展和新版本性能，Greenplum社区正在不断增强高并发事务性特性。
4.3 元数据迁移
1、Oracle到Greenplum没有现成的工具，可以借助部分自动化转换工具先将Oracle语法转换为Postgresql语法，再通过脚本替换，终转换为Greenplum语法。
2、Oracle到PostgreSQL常用的迁移工具有Ora2pg以及AWS Schema ConversionTool。Ora2pg为命令行工具，只能从Oracle转换到PostgreSQL，而AWA Schema Conversion Tool(减仓AWSSCT)是为了发辫用户数据上云，由AWS提供的图形化自动转换工具，可以在本地部署安装，安装过程简单，能生成详细的分析报告，并且支持多种数据平台的语法转换。
3、根据我们再用户环境的验证，大概可以完成将近70%的语法自动转化工作。
4、储存过程的属于难点。

4.4 元数据迁移
SCT会自动进行类型转换，如果你想了解更多Oracle转Greenpm中不同数据类型的映射关系如下表

Oracle Greenplum 说明
VARCHAR2(n) VARCHAR(n) 在Oracle中n代表字节数，在Greenplum中n代表字符数
CHAR(n) CHAR(n) 同上
NUMBER(n,m) NUMERIC(n,m) number可以转换为numeric，但真实业务中数值类型可以用smallint,int或bigint等替代，性能会有较大的提升
NUMBER(4) SMALLINT
NUMBER(9) INT
NUMBER(18) BIGINT
NUMBER(n) NUMERIC(n) 如果n>19,则可以转换为numeric类型
DATE TIMESTAMP(0) Oracle和Greenplum都有日期类型，但Oracle的日期类型会同时保存日期和时间，而Greenplum只保存日期
TIMESTAMP WITH LOCAL TIME ZONE TIMESTAMPTZ
CLOB TEXT PostgreSQL中TEXT类型不能超过1GB
BLOBRAW(n) BYTEA 在Oracle中BLOB用于存放非结构化的二进制数据类型，BLOB大可以储存128TB，而PostgreSQL中BYTEA类型大可以储存1GB,如果有更大的储存需求，可以使用Large Object类型
4.5 数据迁移
数据迁移包括全量和增量数据迁移，进行全量迁移时，可以用sqluldr2工具先把数据以CSV格式导出，然后再通过gpfdist加载到Greenplum。


增量迁移一般借助golden gate等cdc软件，尽量做到数据实时捕获，再通过gpfdist加载到Greenplum中，正经有用户以250ms的间隔通过gpfdist实时加载数据到Greenplum中，在8个计算节点的集群上速度可以达到200万/s

4.6 数据校验
数据校验通常有以下几种方式：
1、count值校验
2、部分字段汇总校验
3、MD5校验


通常情况下，对校验方式的选择还是根据客户的要求来做，前两种的效率较高，MD5校验的成本可能更高，但是准确率也高。


第五节 PostgreSQL到Greenplum的数据迁移
5.1 一种平滑的解决方案
Greenplum与PostgreSQL无论在语法还是使用方式上，都基本上相似，所以从PostgreSQL迁移到Greenplum，通常是TP,AP拆分的一种平滑解决方案，由于均属于开源软件，既节省成本，又能很好的相互结合。

5.2 元数据迁移
元数据迁移直接从过pg_dump导出后修改导入即可，通常只需要以下三步。
- pg_dump -s schema.sql sourcedb
- 手工接入，修改脚本对应的分布键，分区等语法，优化储存过程
- psq -f schema.sql -d targetdb

5.3 数据迁移
数据迁移可以选用前面提到的sqldata工具，也可以自己编写全量增量迁移工具，通常情况下，自己编写工具会采用copy + gpfdist 的组合，以大限度的发挥两个数据库的优点。

5.4 数据校验

数据校验通常有以下几种方式：
1、count值校验
2、部分字段汇总校验
3、MD5校验


通常情况下，对校验方式的选择还是根据客户的要求来做，前两种的效率较高，MD5校验的成本可能更高，但是准确率也高。


本文来源：https://blog.csdn.net/xfg0218/article/details/113524754