迁移数据到GaussDB(DWS)
GaussDB(DWS)提供了灵活的数据入库方式，可以将多种数据源的数据导入到GaussDB(DWS)中，如图1所示。各导入方式具有不同的特点，如表1所示，用户可以根据其特点自行选择。建议用户配合云数据迁移（Cloud Data Migration，简称CDM）和数据治理中心（DataArts Studio）一起使用，CDM用于批量数据迁移，DataArts Studio可以对整个ETL过程进行编排调度，同时提供可视化的开发环境。
- CDM、OBS、MRS、DLI为云服务。
- GDS、DSC、gs_restore、gs_dump为内部工具。
|
数据导入方式 |
数据源 |
说明 |
优势 |
|---|---|---|---|
|
OBS |
支持将存储在OBS上的TXT、CSV、ORC及CARBONDATA格式的数据并行导入到GaussDB(DWS)，支持导入后查询数据，也支持远程读OBS上的数据。 GaussDB(DWS)优先推荐的导入方式。 |
并行拉取方式，性能好，横向扩展。 |
|
|
Servers（即远端服务器） |
使用GaussDB(DWS)提供的GDS工具，利用多DN并行的方式，将数据从远端服务器导入到GaussDB(DWS)。这种方式导入效率高，适用于大批量数据入库。 |
||
|
MRS（HDFS） |
配置一个GaussDB(DWS)集群连接到一个MRS集群，然后将数据从MRS的HDFS中读取到GaussDB(DWS)。 |
并行拉取方式，性能好，横向扩展。 |
|
|
- |
支持两个GaussDB(DWS)集群之间的数据互访互通。通过Foreign Table方式实现跨DWS集群的数据访问和导入。 |
适用于多套GaussDB(DWS)集群之间的数据同步。 |
|
|
- |
通过GDS进行数据中转，实现多个集群之间的数据同步。 |
适用于多套GaussDB(DWS)集群之间的数据同步。 |
|
|
MySQL、Oracle、BigQuery、Redshift等 |
支持使用开源Kettle工具配合dws-client插件完成数据入库。 |
适用于使用开源Kettle工具入库场景，数据入库速度在22000条/秒左右。 |
|
|
本地文件 |
与直接使用SQL语句COPY不同，该命令读取/写入的文件只能是gsql客户端所在机器上的本地文件。 |
操作简单，适用于小批量数据入库。 |
|
|
其他文件或数据库 |
使用Java语言开发应用程序时，通过调用JDBC驱动的CopyManager接口，从文件或其他数据库向GaussDB(DWS)写入数据。 |
从其他数据库直接写入GaussDB(DWS)的方式，具有业务数据无需落地成文件的优势。 |
|
|
Kafka |
使用DLI Flink作业实现Kafka实时入库GaussDB(DWS)。 |
适用Kafka实时入库。 |
|
|
数据库、NoSQL、文件系统、大数据平台 |
CDM提供同构/异构数据源之间批量数据迁移的功能，帮助用户实现从多种类型的数据源迁移数据到GaussDB(DWS)。CDM在迁移数据到GaussDB(DWS)时，采用的是COPY方式和GDS并行导入方式。 |
数据源丰富，操作简单。 |
|
|
数据库、NoSQL、文件系统、大数据平台 |
请参考第三方ETL工具的相关文档。 GaussDB(DWS)提供了DSC工具，可以将Teradata/Oracle脚本迁移到GaussDB(DWS)。 |
通过OBS中转，数据源丰富，数据转换能力强。 |
|
|
gs_dump支持导出单个数据库或其内的对象，而gs_dumpall支持导出集群中所有数据库或各库的公共全局对象。 通过导入工具将导出的元数据信息导入至需要的数据库，可以完成数据库信息的迁移。 |
适用于元数据迁移。 |
|
|
sql/tmp/tar文件格式 |
在数据库迁移场景下，支持使用gs_restore工具将事先使用gs_dump工具导出的文件格式，重新导入GaussDB(DWS)集群，实现表定义、数据库对象定义等元数据的导入。导入数据主要包括以下内容：
|
