数据搬迁最佳实践之使用CDM搬迁线下MySQL到DWS

操作场景

   当前CDM支持将本地MySQL数据库，整库迁移到RDS上的MySQL、PostgreSQL或者Microsoft SQL Server任意一种数据库中。在客户线下数据搬迁到华为云中，常用场景之一即是客户线下MySQL的数据搬迁到线上华为云的DWS实例中。本文针对CDM的单表迁移场景，介绍如何进行线下MySQL到线上DWS单表的数据搬迁。整体使用流程如下：

1. 创建CDM集群并绑定EIP
2. 创建MySQL连接
3. 创建DWS连接
4. 创建迁移作业

前提条件

• 已获取DWS数据库的IP地址、端口、数据库名称、用户名、密码，且该用户拥有DWS数据库的读、写和删除权限。
• 已获取连接MySQL数据库的IP地址、端口、数据库名称、用户名、密码，且该用户拥有MySQL数据库的读写权限。
• 用户已参考管理驱动，上传了MySQL数据库驱动。

创建CDM集群并绑定EIP

1. 如果是独立CDM服务，参考创建集群创建CDM集群；如果是作为DGC服务CDM组件使用，参考创建集群创建CDM集群。

      关键配置如下：

•  CDM集群的规格，按待迁移的数据量选择，一般选择medium即可，满足大部分迁移场景。
• CDM集群所在VPC、子网、安全组，选择与DWS集群所在的网络一致。

     2. CDM集群创建完成后，选择集群操作列的“绑定弹性IP”，CDM通过EIP访问MySQL。

     图1 集群列表

   

     说明：如果用户对本地数据源的访问通道做了SSL加密，则CDM无法通过弹性IP连接数据源。

创建MySQL连接

1. 在CDM集群管理界面，单击集群后的“作业管理”，选择“连接管理> 新建连接”，进入连接器类型的选择界面，如图2所示。

     图2 选择连接器类型

     

     2. 选择“MySQL”后单击“下一步”，配置MySQL连接的参数。

     图3 创建MySQL连接

         

   单击“显示高级属性”可查看更多可选参数，具体请参见配置常见关系数据库连接。这里保持默认，必填参数如表1所示。

表1 MySQL连接参数
参数名	说明	取值样例
名称	输入便于记忆和区分的连接名称。	mysqllink
数据库服务器	MySQL数据库的IP地址或域名。	192.168.1.110
端口	MySQL数据库的端口。	3306
数据库名称	MySQL数据库的名称。	sqoop
用户名	拥有MySQL数据库的读、写和删除权限的用户。	admin
密码	用户的密码。	-
使用Agent	是否选择通过Agent从源端提取数据。	是
Agent	单击“选择”，选择连接Agent中已创建的Agent。	-

     3. 单击“保存”回到连接管理界面。

说明：如果保存时出错，一般是由于MySQL数据库的安全设置问题，需要设置允许CDM集群的EIP访问MySQL数据库。

创建DWS连接

1. 在CDM集群管理界面，单击集群后的“作业管理”，选择“连接管理> 新建连接”，进入连接器类型的选择界面，如图4所示。

     图4 选择连接器类型

     

    2.连接器类型选择“数据仓库服务（DWS）”后单击“下一步”配置DWS连接参数，必填参数如表2所示，可选参数保持默认即可。

表2 DWS连接参数
参数名	说明	取值样例
名称	输入便于记忆和区分的连接名称。	dwslink
数据库服务器	DWS数据库的IP地址或域名。	192.168.0.3
端口	DWS数据库的端口。	8000
数据库名称	DWS数据库的名称。	db_demo
用户名	拥有DWS数据库的读、写和删除权限的用户。	dbadmin
密码	用户的密码。	-
使用Agent	是否选择通过Agent从源端提取数据。	是
Agent	单击“选择”，选择连接Agent中已创建的Agent。	-
导入模式	COPY模式：将源数据经过DWS管理节点后拷贝到数据节点。如果需要通过Internet访问DWS，只能使用COPY模式。	COPY

     3. 单击“保存”完成创建连接。

创建迁移作业

1. 选择“表/文件迁移> 新建作业”，开始创建从MySQL导出数据到DWS的任务。

     图5 创建MySQL到DWS的迁移任务

   

• 作业名称：用户自定义便于记忆、区分的任务名称。
• 源端作业配置
  • 源连接名称：选择创建MySQL连接中的“mysqllink”。
  • 使用SQL语句：否。
  • 模式或表空间：待抽取数据的模式或表空间名称。
  • 表名：要抽取的表名。
  • 其他可选参数一般情况下保持默认即可，详细说明请参见配置常见关系数据库源端参数。
• 目的端作业配置
  • 目的连接名称：选择创建DWS连接中的连接“dwslink”。
  • 模式或表空间：选择待写入数据的DWS数据库。
  • 自动创表：只有当源端和目的端都为关系数据库时，才有该参数。
  • 表名：待写入数据的表名，可以手动输入一个不存在表名，CDM会在DWS中自动创建该表。
  • 是否压缩：DWS提供的压缩数据能力，如果选择“是”，将进行高级别压缩，CDM提供了适用I/O读写量大，CPU富足（计算相对小）的压缩场景。更多压缩级别详细说明请参见压缩级别。
  • 存储模式：可以根据具体应用场景，建表的时候选择行存储还是列存储表。一般情况下，如果表的字段比较多（大宽表），查询中涉及到的列不多的情况下，适合列存储。如果表的字段个数比较少，查询大部分字段，那么选择行存储比较好。
  • 扩大字符字段长度：当目的端和源端数据编码格式不一样时，自动建表的字符字段长度可能不够用，配置此选项后CDM自动建表时会将字符字段扩大3倍。
  • 导入前清空数据：任务启动前，是否清除目的表中数据，用户可根据实际需要选择。

1. 单击“下一步”进入字段映射界面，CDM会自动匹配源和目的字段，如图6所示。
   • 如果字段映射顺序不匹配，可通过拖拽字段调整。
   • 单击，可批量映射字段。
   • CDM的表达式已经预置常用字符串、日期、数值等类型的字段内容转换，详细请参见字段转换。

     图6 表到表的字段映射

       

      2. 单击“下一步”配置任务参数，一般情况下全部保持默认即可。

该步骤用户可以配置如下可选功能：

• 作业失败重试：如果作业执行失败，可选择是否自动重试，这里保持默认值“不重试”。
• 作业分组：选择作业所属的分组，默认分组为“DEFAULT”。在CDM“作业管理”界面，支持作业分组显示、按组批量启动作业、按分组导出作业等操作。
• 是否定时执行：如果需要配置作业定时自动执行，请参见配置定时任务。这里保持默认值“否”。
• 抽取并发数：设置同时执行的抽取任务数。可适当调大参数，提升迁移效率。
• 是否写入脏数据：表到表的迁移容易出现脏数据，建议配置脏数据归档。
• 作业运行完是否删除：这里保持默认值“不删除”。

1. 单击“保存并运行”，回到作业管理界面，在作业管理界面可查看作业执行进度和结果。
2. 作业执行成功后，单击作业操作列的“历史记录”，可查看该作业的历史执行记录、读取和写入的统计数据。

      在历史记录界面单击“日志”，可查看作业的日志信息。