本文中含有需要您注意的重要提示信息,忽略该信息可能对您的业务造成影响,请务必仔细阅读。
数据传输服务DTS(Data Transmission Service)支持将PostgreSQL数据库的数据迁移至云数据库ClickHouse集群。本文以源端为RDS PostgreSQL实例为例,介绍相关操作步骤。
前提条件
注意事项
源库限制
带宽限制:源库所属的服务器需具备足够出口带宽(大于等于100 Mb/s),否则将影响数据迁移速率。
迁移对象限制:
待迁移的表需具备主键或唯一约束,且字段具有唯一性,否则可能会导致目标数据库中出现重复数据。
说明若接收数据的目标表不是通过DTS创建(迁移类型未选中库表结构迁移),则需确保该表与源库中待迁移的表具备相同的主键或非空唯一约束,否则可能会导致目标数据库中出现重复数据。
待迁移的数据库名称中间不能包含短划线(-),例如dts-testdata。
不支持迁移TimescaleDB插件表、包含跨Schema继承关系的表。
如迁移对象为表级别,且需进行编辑(如表列名映射),则单次迁移任务仅支持迁移至多1000张表。当超出数量限制,任务提交后会显示请求报错,此时建议您拆分待迁移的表,分批配置多个任务,或者配置整库的迁移任务。
如需进行增量迁移,WAL日志:
需开启,即设置wal_level参数的值为logical。
如为增量迁移任务,DTS要求源数据库的WAL日志保存24小时以上,如为全量迁移和增量迁移任务,DTS要求源数据库的WAL日志至少保留7天以上(您可在全量迁移完成后将WAL日志保存时间设置为24小时以上),否则DTS可能因无法获取WAL日志而导致任务失败,极端情况下甚至可能会导致数据不一致或丢失。由于您所设置的WAL日志保存时间低于DTS要求的时间进而导致的问题,不在DTS的SLA保障范围内。
操作限制:
若对迁移对象执行了非标准语法的DDL变更,则可能会导致迁移任务失败或数据丢失。
在迁移实例运行期间,若源库进行了大版本升级,将会导致迁移实例运行失败并且无法恢复,您需要重新配置迁移实例。
在全量迁移阶段,请勿执行库或表结构变更的DDL操作,否则数据迁移任务会失败。
由于源库的逻辑订阅本身存在使用限制,在包含增量任务的迁移实例运行期间,若源库待迁移的单条数据在增量变更后超过256 MB,则可能会导致迁移实例运行失败且无法恢复,您需要重新配置迁移实例。
如仅执行全量数据迁移,请勿向源库中写入新的数据,否则会导致源和目标数据不一致。为实时保持数据一致性,建议选择全量数据迁移和增量数据迁移。
为保障迁移任务的正常进行,避免主备切换导致的逻辑订阅中断,需要RDS PostgreSQL支持并开启Logical Replication Slot Failover,设置方式,请参见逻辑复制槽故障转移(Logical Replication Slot Failover)。
若源库有长事务,且实例包含增量迁移任务,则可能会导致源库长事务提交前的预写日志WAL(Write-Ahead Logging)无法清理而堆积,从而造成源库磁盘空间不足。
其他限制
单个数据迁移任务仅支持迁移一个数据库中的数据。如需迁移多个数据库的数据,您需要为每个数据库配置数据迁移任务。
云数据库ClickHouse的时间类型数据存在范围限制,若待迁移的时间不在该范围内,会导致迁移到云数据库ClickHouse的时间不正确。范围限制,请参见时间信息。
分区键不可以选择为可空的字段,否则迁移任务将会失败。
说明分区键仅支持BIGINT、INT、TIMESTAMP、DATETIME、DATE类型的字段。
待迁移数据库的数量符合云数据库ClickHouse的限制,即不超过256个。
待迁移数据库、表和列的名称符合云数据库ClickHouse的命名规范,相关规范请参见对象命名规范限制。
在库表结构迁移阶段,DTS会在目标表中添加字段_sign、_is_deleted和_version,若您配置迁移类型时未勾选库表结构迁移,则需要手动在目标端创建接收数据的表,并在表中添加额外的字段。创建表的要求和字段信息,请参见表和字段信息。
若迁移实例包含增量数据迁移任务,在如下两个场景中,您需要在源库待迁移的表写入数据前,对其执行
ALTER TABLE schema.table REPLICA IDENTITY FULL;
命令,以保障该表数据迁移的一致性。执行该命令期间,建议您不要有锁表操作,否则会导致表锁死。若在预检查中跳过了相关检查,DTS会在该实例初始化时自动化执行该命令。实例初次运行时。
迁移对象的选择粒度为Schema,且在待迁移的Schema中创建了新的表或使用RENAME命令重建了待迁移的表时。
说明命令中的
schema
和table
需要替换为待迁移数据所属的Schema名和表名。建议您在业务低峰期进行操作。
DTS会在源库中创建以下临时表,用于获取增量数据的DDL、增量表的结构、心跳信息等。在迁移期间,请勿删除源库中的临时表,否则会导致DTS任务异常。临时表会在DTS实例释放后自动删除。
public.dts_pg_class
、public.dts_pg_attribute
、public.dts_pg_type
、public.dts_pg_enum
、public.dts_postgres_heartbeat
、public.dts_ddl_command
、public.dts_args_session
、public.aliyun_dts_instance
。增量数据迁移期间,DTS会在源库创建前缀为
dts_sync_
的replication slot用于复制数据。通过该replication slot,DTS可以获取源库15分钟内的增量日志。当数据迁移失败或释放迁移实例时,DTS会尝试主动清理该replication slot。说明如果您在数据迁移期间修改了任务使用的源库账号密码,或者删除了源库中DTS的IP白名单等,则会导致该replication slot无法自动清理。此时,您需要在源库手动清理replication slot,以避免其持续累积占用磁盘空间导致源库不可用。
如果源库发生了主备切换,则您需要登录备库进行手动清理。
在进行全量数据迁移时,DTS将会占用源和目标库一定的读写资源,可能会导致数据库的负载上升。因此建议在执行数据迁移前评估源库和目标库的性能,并在业务低峰期执行数据迁移(例如源库和目标库的CPU负载在30%以下)。
由于全量迁移会并发执行INSERT操作,导致目标数据库的表产生碎片,因此全量迁移完成后目标数据库的表存储空间会大于源库的表存储空间。
在迁移实例运行期间,若存在除DTS外的其他数据源向目标库写入数据,则可能会导致源库与目标库的数据不一致,甚至会导致迁移实例运行失败。
DTS的校验对象为数据内容,暂不支持Sequence等元数据的校验,您需要自行校验。
若实例运行失败,DTS技术支持人员将在8小时内尝试恢复该实例。在恢复失败实例的过程中,可能会对该实例进行重启、调整参数等操作。
说明在调整参数时,仅会修改DTS实例的参数,不会对数据库中的参数进行修改。可能修改的参数,包括但不限于修改实例参数中的参数。
特殊情况
当源实例为RDS PostgreSQL时,迁移期间,请勿修改RDS PostgreSQL的连接地址和可用区,否则会导致迁移失败。
当源实例为自建PostgreSQL时,需要确保max_wal_senders和max_replication_slots的参数值,均大于当前数据库复制槽已使用数与需要以该自建PostgreSQL为源创建的DTS实例数的总和。
当源实例为Google Cloud Platform Cloud SQL for PostgreSQL时,源库的数据库账号需填入具有cloudsqlsuperuser权限的账号。在选择迁移对象时需选择此账号有权限管理的对象,或者给此账号添加待迁移对象的Owner权限(例如,通过
GRANT <待迁移对象的Owner> TO <任务使用的源库账号>
命令,使此账号能够以待迁移对象的Owner身份执行相关操作)。说明具有cloudsqlsuperuser权限的账号,无法管理Owner为其他cloudsqlsuperuser权限账号的数据。
费用说明
迁移类型 | 链路配置费用 | 公网流量费用 |
结构迁移和全量数据迁移 | 不收费。 | 本示例不收费。 |
增量数据迁移 | 收费,详情请参见计费概述。 |
支持增量迁移的SQL操作
操作类型 | SQL操作语句 |
DML | INSERT、UPDATE、DELETE |
DDL |
|
数据类型映射关系
由于RDS PostgreSQL实例和ClickHouse集群支持的数据类型不同,数据类型无法一一对应。所以DTS在进行结构初始化时,会根据目标库支持的数据类型进行类型映射。
数据库账号的权限要求
数据库 | 所需权限 | 创建及授权方式 |
源RDS PostgreSQL实例 | 高权限账号,且需为待迁移数据库的Owner(授权账号)。 | |
目标ClickHouse集群 |
|
操作步骤
进入目标地域的迁移任务列表页面(二选一)。
通过DTS控制台进入
登录数据传输服务DTS控制台。
在左侧导航栏,单击数据迁移。
在页面左上角,选择迁移实例所属地域。
通过DMS控制台进入
说明实际操作可能会因DMS的模式和布局不同,而有所差异。更多信息。请参见极简模式控制台和自定义DMS界面布局与样式。
登录DMS数据管理服务。
在顶部菜单栏中,选择
。在迁移任务右侧,选择迁移实例所属地域。
单击创建任务,进入任务配置页面。
配置源库及目标库信息。
类别
配置
说明
无
任务名称
DTS会自动生成一个任务名称,建议配置具有业务意义的名称(无唯一性要求),便于后续识别。
源库信息
选择已有连接信息
若您需要使用已录入系统(新建或保存)的数据库实例,请在下拉列表中选择所需的数据库实例,下方的数据库信息将自动进行配置。
说明DMS控制台的配置项为选择DMS数据库实例。
若您未将数据库实例录入到系统,或无需使用已录入系统的数据库实例,则需要手动配置下方的数据库信息。
数据库类型
选择PostgreSQL。
接入方式
选择云实例。
实例地区
选择源RDS PostgreSQL实例所属的地域。
是否跨阿里云账号
本示例使用当前阿里云账号下的数据库实例,需选择不跨账号。
实例ID
选择源RDS PostgreSQL实例的ID。
数据库名称
填入源RDS PostgreSQL实例中待迁移对象所属数据库的名称。
数据库账号
填入源RDS PostgreSQL实例的数据库账号。权限要求,请参见数据库账号的权限要求。
数据库密码
填入该数据库账号对应的密码。
目标库信息
选择已有连接信息
若您需要使用已录入系统(新建或保存)的数据库实例,请在下拉列表中选择所需的数据库实例,下方的数据库信息将自动进行配置。
说明DMS控制台的配置项为选择DMS数据库实例。
若您未将数据库实例录入到系统,或无需使用已录入系统的数据库实例,则需要手动配置下方的数据库信息。
数据库类型
选择ClickHouse。
接入方式
选择云实例。
实例地区
选择目标ClickHouse集群所属地域。
是否跨阿里云账号
本示例使用当前阿里云账号下的数据库实例,需选择不跨账号。
集群类型
请根据实际情况,选择ClickHouse集群的类型。
集群ID
选择目标ClickHouse集群的ID。
数据库账号
填入目标ClickHouse集群的数据库账号。权限要求,请参见数据库账号的权限要求。
数据库密码
填入该数据库账号对应的密码。
配置完成后,在页面下方单击测试连接以进行下一步。
说明请确保DTS服务的IP地址段能够被自动或手动添加至源库和目标库的安全设置中,以允许DTS服务器的访问。更多信息,请参见添加DTS服务器的IP地址段。
若源库或目标库为自建数据库(接入方式不是云实例),则还需要在弹出的DTS服务器访问授权对话框单击测试连接。
配置任务对象。
在对象配置页面,配置待迁移的对象。
配置
说明
迁移类型
如果只需要进行全量迁移,建议同时选中库表结构迁移和全量迁移。
如果需要进行不停机迁移,建议同时选中库表结构迁移、全量迁移和增量迁移。
说明若未选中库表结构迁移,请确保目标库中存在接收数据的数据库和表,并根据实际情况,在已选择对象框中使用库表列名映射功能。
若未选中增量迁移,为保障数据一致性,数据迁移期间请勿在源实例中写入新的数据。
目标已存在表的处理模式
预检查并报错拦截:检查目标数据库中是否有同名的表。如果目标数据库中没有同名的表,则通过该检查项目;如果目标数据库中有同名的表,则在预检查阶段提示错误,数据迁移任务不会被启动。
说明如果目标库中同名的表不方便删除或重命名,您可以更改该表在目标库中的名称,请参见库表列名映射。
忽略报错并继续执行:跳过目标数据库中是否有同名表的检查项。
警告选择为忽略报错并继续执行,可能导致数据不一致,给业务带来风险,例如:
表结构一致的情况下,在目标库遇到与源库主键的值相同的记录:
全量期间,DTS会保留目标集群中的该条记录,即源库中的该条记录不会迁移至目标数据库中。
增量期间,DTS不会保留目标集群中的该条记录,即源库中的该条记录会覆盖至目标数据库中。
表结构不一致的情况下,可能导致只能迁移部分列的数据或迁移失败,请谨慎操作。
目标库对象名称大小写策略
您可以配置目标实例中迁移对象的库名、表名和列名的英文大小写策略。默认情况下选择DTS默认策略,您也可以选择与源库、目标库默认策略保持一致。更多信息,请参见目标库对象名称大小写策略。
源库对象
在源库对象框中单击待迁移的对象,然后单击
将其移动到已选择对象框。
说明在源库对象框中,迁移对象选择的粒度为Schema或表。
已选择对象
如需设置待迁移对象在目标实例中的名称,或指定目标实例中接收数据的对象,请右击已选择对象中的迁移对象进行修改。设置方式,请参见库表列名映射。
如需移除已选择的迁移对象,请在已选择对象框中单击待迁移的对象,然后单击
将其移动到源库对象框。
说明如果使用了对象名映射功能,可能会导致依赖这个对象的其他对象迁移失败。
如需设置WHERE条件过滤数据,请在已选择对象中右击待迁移的表,在弹出的对话框中设置过滤条件。设置方法,请参见设置过滤条件。
如需选择增量迁移的SQL操作,请在已选择对象中右击待迁移的对象,并在弹出的对话框中选择所需迁移的SQL操作。
单击下一步高级配置,进行高级参数配置。
配置
说明
选择调度该任务的专属集群
DTS默认将任务调度到共享集群上,您无需选择。若您希望任务更加稳定,可以购买专属集群来运行DTS迁移任务。
源库、目标库无法连接后的重试时间
在迁移任务启动后,若源库或目标库连接失败则DTS会报错,并会立即进行持续的重试连接,默认重试720分钟,您也可以在取值范围(10~1440分钟)内自定义重试时间,建议设置30分钟以上。如果DTS在设置的时间内重新连接上源、目标库,迁移任务将自动恢复。否则,迁移任务将失败。
说明针对同源或者同目标的多个DTS实例,网络重试时间以后创建任务的设置为准。
由于连接重试期间,DTS将收取任务运行费用,建议您根据业务需要自定义重试时间,或者在源和目标库实例释放后尽快释放DTS实例。
源库、目标库出现其他问题后的重试时间
在迁移任务启动后,若源库或目标库出现非连接性的其他问题(如DDL或DML执行异常),则DTS会报错并会立即进行持续的重试操作,默认持续重试时间为10分钟,您也可以在取值范围(1~1440分钟)内自定义重试时间,建议设置10分钟以上。如果DTS在设置的重试时间内相关操作执行成功,迁移任务将自动恢复。否则,迁移任务将会失败。
重要源库、目标库出现其他问题后的重试时间的值需要小于源库、目标库无法连接后的重试时间的值。
是否限制全量迁移速率
在全量迁移阶段,DTS将占用源库和目标库一定的读写资源,可能会导致数据库的负载上升。您可以根据实际情况,选择是否对全量迁移任务进行限速设置(设置每秒查询源库的速率QPS、每秒全量迁移的行数RPS和每秒全量迁移的数据量(MB)BPS),以缓解目标库的压力。
说明仅当迁移类型选择了全量迁移,才有此配置项。
您也可以在迁移实例运行后,调整全量迁移的速率。
是否限制增量迁移速率
您也可以根据实际情况,选择是否对增量迁移任务进行限速设置(设置每秒增量迁移的行数RPS和每秒增量迁移的数据量(MB)BPS),以缓解目标库的压力。
说明仅当迁移类型选择了增量迁移,才有此配置项。
您也可以在迁移实例运行后,调整增量迁移的速率。
环境标签
您可以根据实际情况,选择用于标识实例的环境标签。本示例无需选择。
配置ETL功能
监控告警
根据业务需求选择是否设置告警并接收告警通知。
不设置:不设置告警。
设置:设置告警。您还需要设置告警阈值和告警联系人,当迁移失败或延迟超过阈值后,系统将进行告警通知。
单击下一步配置库表字段,配置待迁移表在ClickHouse中的类型、主键列、排序键、分布键和分区键信息。
DTS默认配置了一组数据,您可以将定义状态选择为全部后进行修改。
主键列和排序键可以是组合键,即您可以在对应的下拉框中选择多个字段作为主键列或排序键,且需要从主键列中选择1个或者多个列作分区键;分布键只能选择一个字段。更多关于主键列、排序键、分区键的信息,请参见CREATE TABLE。
说明分区键可以不设置,但不可以选择为可空的字段,否则迁移任务将会失败。
分区键仅支持BIGINT、INT、TIMESTAMP、DATETIME、DATE类型的字段,其计算逻辑请参见分区键的计算逻辑。
保存任务并进行预检查。
若您需要查看调用API接口配置该实例时的参数信息,请将鼠标光标移动至下一步保存任务并预检查按钮上,然后单击气泡中的预览OpenAPI参数。
若您无需查看或已完成查看API参数,请单击页面下方的下一步保存任务并预检查。
说明在迁移任务正式启动之前,会先进行预检查。只有预检查通过后,才能成功启动迁移任务。
如果预检查失败,请单击失败检查项后的查看详情,并根据提示修复后重新进行预检查。
如果预检查产生警告:
对于不可以忽略的检查项,请单击失败检查项后的查看详情,并根据提示修复后重新进行预检查。
对于可以忽略无需修复的检查项,您可以依次单击点击确认告警详情、确认屏蔽、确定、重新进行预检查,跳过告警检查项重新进行预检查。如果选择屏蔽告警检查项,可能会导致数据不一致等问题,给业务带来风险。
购买实例。
预检查通过率显示为100%时,单击下一步购买。
在购买页面,选择数据迁移实例的链路规格,详细说明请参见下表。
类别
参数
说明
信息配置
资源组配置
选择实例所属的资源组,默认为default resource group。更多信息,请参见什么是资源管理。
链路规格
DTS为您提供了不同性能的迁移规格,迁移链路规格的不同会影响迁移速率,您可以根据业务场景进行选择。更多信息,请参见数据迁移链路规格说明。
配置完成后,阅读并选中《数据传输(按量付费)服务条款》。
单击购买并启动,并在弹出的确认对话框,单击确定。
您可以在迁移任务列表页面,查看迁移实例的具体进度。
说明若迁移实例不包含增量迁移任务,则迁移实例会自动结束。迁移实例自动结束后,运行状态为已完成。
若迁移实例包含增量迁移任务,则迁移实例不会自动结束,增量迁移任务会持续进行。在增量迁移任务正常运行期间,迁移实例的运行状态为运行中。
附录
时间信息
数据类型 | 最小值 | 最大值 |
Date | 1970-01-01 00:00:00 | 2149-06-06 00:00:00 |
Date32 | 1925-01-01 00:00:00 | 2283-11-11 00:00:00 |
DateTime | 1970-01-01 08:00:00 | 2106-02-07 14:28:15 |
DateTime64 | 1925-01-01 08:00:00 | 2283-11-12 07:59:59 |
表和字段信息
表信息
在不使用库表列名映射功能的情况下,需要创建的表有如下要求。
若目标表包含ENGINE,则必须为ENGINE = ReplicatedReplacingMergeTree(_version, _is_deleted)
,否则可能会导致数据不一致。
ClickHouse社区版实例:需要创建一个本地表和一个分布式表。分布式表的名称需与源端表名一致,本地表的名称为
<分布式表名称>
+_local
。ClickHouse企业版实例:需创建一个与源端名称相同的表。
字段信息
ClickHouse实例可以使用select * from table_name final where _sign>0;
语句查询数据。其中,where条件可以过滤删除的数据,表名后的final字段可以过滤相同排序键的数据。
版本 | 名称 | 数据类型 | 默认值 | 说明 |
23.8以下的社区版 | _sign | Int8 | 1 | DML操作的类型。
|
_version | UInt64 | 1 | 数据写入ClickHouse的时间戳。 | |
企业版和23.8及以上的社区版 | _sign | Int8 | 1 | DML操作的类型。
|
_is_deleted | UInt8 | 0 | 记录是否被删除:
| |
_version | UInt64 | 1 | 数据写入ClickHouse的时间戳。 |
分区键的计算逻辑
源库字段类型 | 分区键计算逻辑 |
BIGINT |
|
INT |
|
TIMESTAMP |
|
DATETIME | |
DATE |