作者介绍

韩锋，建信金科数据库专家，dbaplus社群联合发起人，CCIA（中国计算机协会）常务理事、Oracle ACE，曾担任多家公司首席DBA、数据库架构师等职务。具有丰富的一线数据库架构、设计、开发经验，精通多种关系型数据库，包括Oracle、MySQL、GreenPlum、Informix等，对NoSQL及大数据相关技术也有实践经验。著有《SQL优化最佳实践》《数据库高效优化》等书籍。

 

数据库迁移，是个老生常谈的问题，之前也曾写过一篇文章。近期，针对这一课题，自己有了些新的思考，下面将具体展开谈谈。在这之前，我先谈谈数据库迁移的现实需求。这也算是目前行业发展的一个小总结。

 

背景：迁移之源，多变之秋

 

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

 

1、数据规模大幅增加

 

 

近些年来，信息数据呈快速增长态势。如下图所示，全球数据量总和，预计将从 2018 年的 33ZB 增至2025年的 175ZB。国内数据体量在未来 7年将实现复合增速 30%以上的快速增长，并在 2025年成为与欧洲、中东、非洲、亚太和美国等地区相比体量最大的区域。数据的爆发式增长，导致对数据存储容量、数据计算需求有个更好的要求，这也催生企业在基础设施层面不断革新，进而不断推动数据库向前进一步发展。

 

 

从数据库市场来看，也验证了这一趋势。整体市场呈现稳定的发展趋势，最近的数据表明，国内的数据库市场已经达到200亿规模。

 

 

2、开源方案，大行其道

 

 

开源数据库，其源代码具备全球共享、免费等特点，开发者可在其源码中修改或使用。在近一、二十年来，越来越多的企业将开源方案作为构建底层支持的可选答案。特别是随着互联网的兴起，大量互联网企业选择使用了开源数据库产品，也加速这些产品的成熟与发展。这其中MySQL、PostgreSQL、MongoDB 和 Redis 是当前开源数据库最为重要的参与者。

 

 

3、数据上云，大势所趋

 

 

从2017至 2018年，整个数据库市场增长了 18.4%，其中云数据库增长贡献 68%。以AWS、Microsoft、Alibaba为代表的云厂商，取得了快速发展，极大地重塑了全球供应商格局。国内互联网科技巨头，纷纷布局数据库产业，借力云计算实现数据库等基础软件领域的迭代与超越。如下图的数据库规模排名，云数据库厂商均取得不俗的增长，最新数据则更是如此。甚至有机构预测，今明两年从数据库部署形态上看，云部署数据库会超过传统部署方式。

 

 

4、国产化趋势明显

 

 

正如下图所示，国内数据库市场仍然为欧美垄断，但国产化趋势已非常明显。以国产自研或开源定制路线的厂商层出不求，从最新的调查结果来看，已经有130+的国产数据库厂商初选。

 

 

从一叶扁舟到百舸争流，传统国产数据库历经长时间艰难探索，已逐步崭露头角。国外大厂长期垄断国内数据库市场。Oracle、IBM 和 Microsoft 等老牌厂商凭借先发优势在市场份额中占据了有利地位。国产数据库起步较晚，但潜力巨大。正如下图可见，国产数据库占比正不断增加。

 

 

5、总结：多种变化，驱动迁移

 

 

综上所述，从数据规模体量的增大，到开源商业的变化，再到云化趋势明显、国产化趋势加剧；而这些变化都带来同一个诉求，那就是数据库迁移。展开来说，是如何完成异构数据库迁移？完成体系架构完全不同的数据库之间的迁移（例如从单机到分布式）？完成从线下到云上的迁移？完成在线的、不终端业务的迁移？等等。诸多上述问题，对迁移提出了非常高的要求。本文下面尝试从迁移的多个阶段来阐述，需要哪些能力才能完成这一过程。

 

 

数据库迁移之路

 

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

 

在实际的迁移中，是一个比较复杂的过程，可根据阶段做个拆解。

 

 

1、迁移评估阶段

 

 

此阶段是完成迁移前的评估，为后续迁移改造、迁移过程做好铺垫工作

 

1）数据库画像

数据库画像结果，可为后续选型评估、架构规划提供依据。

 

• 系统级

  收集系统级信息，包括但不限于硬件（CPU、MEM、NET、DISK）、操作系统（内核、参数、安全策略等）、性能（系统高峰期24小时负载）等。

• 实例级

  收集实例级信息，包括但不限于架构（单机/集群、版本等）、参数（数据库参数等）、数据规模（表、索引等空间使用）、运行态信息（如QPS、TPS、会话、事务等）。

• 对象级

  收集对象级信息，包括但不限于结构信息（表、分区、分片、索引、视图、序列等）、统计信息、访问特征（读写比、频率等）、预警类（如大表、复杂结构、DBLink等）。

• 语句级

  收集语句级信息，包括但不限于SQL文本（全量）、执行特征（次数、响应时间等）、执行计划。

• 应用级

  收集复杂应用信息，包括但不限于计算文本（如存储过程、触发器、函数等）、 执行特征（次数、响应时间等）。

 

2）应用画像

应用画像结果，为后面应用改造做好铺垫。

 

• 应用拓扑

  收集应用架构、应用与DB关系、应用访问特征等。

 

3） 风险评估

针对上面收集的数据库、应用画像信息，针对重点风险点做出评估。

 

• 数据库架构

  源库使用集群、分库分表等架构，做出提示。

• 数据库结构

  源库使用复杂结构（如分区表）、不支持结构（LOB、可更新视图等），做出提示。

• 数据库语句

  源库使用复杂SQL（如多表关联）、特殊语法或方言等给出提示。

• 数据库应用逻辑

  源库大量使用存储过程、触发器、函数等。

• 应用架构

  应用使用何种访问方式（如java、c、go等），对于某些旧有的方式予以提示。

• 性能维度

  源库存在明显的性能访问高峰，明显的热点对象。

• 规模维度

  源端数据库总体或单体对象规模较大的情况。

 

4） 选型建议

根据上面收集信息及风险评估内容，给出选型的建议。这里存在几个难点，一个是多目标数据库的基础能力抽象，一个是两者的适配评估。功能上包括两部分：

 

• 目标端建模

  目标端在架构、结构、应用、性能指标等方面的基础抽象。

• 评估适配建议

  根据源端和目标端情况，结合风险及性能要求给出适配选型建议。

 

2、迁移改造阶段

 

 

1） 对象改造

这一阶段主要是通过结构映射及不兼容提示，来减少改造工作量。

 

• 映射规范

  适配多目标端给出结构映射规范。

• 结构改造

  基于给定输入，输出改造后结构。可能存在非一一对应的情况，可根据源与目标的差异，异构改造。

• 不兼容提示

  对于不兼容的情况，给出文字提示，人工介入。

 

2） 语句改造

这一阶段主要通过语句改写，减少改造工作量；同时提供增强功能，满足语句改造后的测试等需求。

 

• SQL改造

  基于给定输入，给出改造后的语法。

• 不兼容提示

  对于不兼容的情况，给出文字提示，人工介入。

• 增强-执行计划对比    

  可对比两边执行计划，方便研发优化语句写法。

• 增强-性能对比

  可对比两边执行效率，方便研发优化。此处需保证同等测试环境。

• 增强-SQL自主优化

  提供优化改写能力，而非基于简单规则。此处需注意，语义等价性问题。

 

3）应用改造

此处应用是指数据内置的计算能力（如存储过程等）。这一阶段主要是通过逻辑改写，减少人工工作量。在实现上，一般建议使用外部程序逻辑（如java）进行处理，而不是改造为目标端内部计算应用。原因是尽量减少数据库耦合。此处，存在较多难点，且需要人工检查改造后的语义是否正确。

 

• 应用改造

  基于给定输入，给出改造后的实现（推荐java）。

• 不兼容提示   

  对于不兼容的情况，给出文字提示，人工介入。

• 应用校验      

  对比两侧的实现，验证处理逻辑是否一致。

   

   

3、迁移数据阶段

 

1）全量/增量数据迁移

完成异构数据库间的数据迁移工作。主要难点是效率、准确性。

 

• 全量迁移

• 增量数据迁移

  基于指定时间戳后的增量迁移能力

• 增强-分拆、合并能力

  支持一拆多，多合一迁移能力。

• 增强-迁移计算能力    

  支持在迁移实时计算能力（如lookup）。

• 增强-通用异构适配能力    

  统一迁移能力，不依赖某种库。

• 增强-提供可配置UI    

  提供可配置同步界面，简化操作。

• 增强-数据转换能力    

  提供字符集、时区等转换能力。

 

2）数据对比

见后面说明

 

4、在线运行阶段

 

 

1）数据同步

在线运行时，需提供数据库端的异构同步能力，满足业务随时回迁的需求。

 

• 实时同步

  提供异构数据库间数据实时同步能力，难点在于大吞吐、实时性。

• 增强-细粒度同步

  支持库、用户、表同步能力。

• 增强-同步计算能力

  支持在同步的实时计算能力（如lookup） ，难点在于效率。

   

 

2） 数据对比

数据对比，是用户对比双线运行的基本要求，需要满足实时对比并兼顾效率。

 

• 异构对比

  提供异构数据源之间全量、增量数据对比能力。

• 增强-细粒度对比

  支持库、用户、表、记录级别对比能力。

• 增强-数据补差

  提供差异数据的双向补齐能力。

 

3）数据路由

数据路由，为业务提供统一数据库访问入口，并基于此提供双路控制能力，可做到按流量、按读写、按访问类别（生产、测试）等做数据访问路由。

 

4） 基础运维

此部分的能力比较多，本质就是同时提供异构数据库在线同步运维能力。例如包括统一变更、统一导入导出、统一授权、统一审计等。尽量从运维侧角度来看，后面是一套逻辑库。