约束限制
受技术与成本多种因素制约,CDM迁移数据存在一些限制和约束。
CDM系统级限制和约束
- 集群创建好以后不支持修改规格,如果需要使用更高规格的,需要重新创建一个集群。
- CDM服务暂不支持控制迁移数据的速度,请避免在业务高峰期执行迁移数据的任务。
- CDM集群的迁移能力理论值是基准带宽/2,比如cdm.xlarge规格基准带宽是4Gbs,则其迁移数据速度是4/2=2Gbps。对传输速度有要求的情况下可以使用多个CDM实例实现。
上述数据量为理论极限值,实际传输数据量受数据源类型、源和目的数据源读写性能、带宽等多方面因素制约,实测最大可达到约8TB每天(大文件迁移到OBS场景)。推荐用户在正式迁移前先用小数据量实测进行速度摸底。
- 迁移文件或对象时支持文件级增量迁移(通过配置跳过重复文件实现),但不支持断点续传。
例如要迁移3个文件,第2个文件迁移到一半时由于网络原因失败,再次启动迁移任务时,会跳过第1个文件,从第2个文件开始重新传,但不能从第2个文件失败的位置重新传。
- 文件迁移时,单个任务支持千万数量的文件,如果待迁移目录下文件过多,建议拆分到不同目录并创建多个任务。
- CDM单个实例同一时刻执行的任务数按大、中、小三种规格,分别为30、20、10。等待执行(Pending状态)的作业队列数量分别为10000、5000、2000。
- 用户在CDM上配置的连接和作业支持导出到本地保存,考虑到密码的安全性,CDM不会将对应数据源的连接密码导出。因此在将作业配置重新导入到CDM前,需要手工编辑导出的JSON文件补充密码。
- 不支持集群自动升级到新版本,需要用户通过作业的导出和导入功能,实现升级到新版本。
- CDM系统不会自动备份用户的作业配置,需要用户通过作业的导出功能进行备份。
- 如果配置了VPC对等连接,可能会出现对端VPC子网与CDM管理网重叠,从而无法访问对端VPC中数据源的情况。推荐使用公网做跨VPC数据迁移,或联系管理员在CDM后台为VPC对等连接添加特定路由。
数据库迁移通用限制和约束
- CDM以批量迁移为主,仅支持有限的数据库增量迁移,不支持数据库实时增量迁移,推荐使用数据复制服务(DRS)来实现数据库增量迁移到RDS。
- CDM支持的数据库整库迁移,仅支持数据表迁移,不支持存储过程、触发器、函数、视图等数据库对象迁移。其中视图会被当作表进行迁移。
CDM仅适用于一次性将数据库迁移到云上的场景,包括同构数据库迁移和异构数据库迁移,不适合数据同步场景,比如容灾、实时同步。
- CDM迁移数据库整库或数据表失败时,已经导入到目标表中的数据不会自动回滚,对于需要事务模式迁移的用户,可以配置先导入到阶段表参数,实现迁移失败时数据回滚。
极端情况下,可能存在创建的阶段表或临时表无法自动删除,也需要用户手工清理(阶段表的表名以“_cdm_stage”结尾,例如:cdmtet_cdm_stage)。
- CDM访问用户本地数据中心数据源时(例如本地自建的MySQL数据库),需要用户的数据源可支持Internet公网访问,并为CDM集群实例绑定弹性IP。这种方式下安全实践是:本地数据源通过防火墙或安全策略仅允许CDM弹性IP访问。
- 仅支持常用的数据类型,字符串、数字、日期,对象类型有限支持,如果对象过大会出现无法迁移的问题。
- 仅支持数据库字符集为GBK和UTF-8。
- 字段名不可使用&和%。
MRS数据源约束
CDM的每个集群只能支持一个MRS数据源的数据导入导出,如需对不同的MRS数据源数据进行导入导出,需要创建多个CDM集群。
关系数据库迁移权限配置
常见关系数据库迁移需要的最小权限级:
- MySQL:INFORMATION_SCHEMA库的读权限,以及对数据表的读权限;
- Oracle:需要该用户有resource角色,并在tablespace下有数据表的select权限;
- 达梦:具有该schema下select any table的权限;
- DWS:需要表的schema usage权限和数据表的查询权限。
- SQL Server:用户需要有sysadmin权限
- PostgreSQL:角色拥有数据库下schema下表的select权限
FusionInsight HD和Apache Hadoop数据源约束
FusionInsight HD和Apache Hadoop数据源在用户本地数据中心部署时,由于读写Hadoop文件需要访问集群的所有节点,需要为每个节点都放通网络访问。
推荐使用云专线服务,解决网络访问的同时,还可以提升迁移速度。
数据仓库服务(DWS)和FusionInsight LibrA数据源约束
- DWS主键或表只有一个字段时,要求字段类型必须是如下常用的字符串、数值、日期类型。从其他数据库迁移到DWS时,如果选择自动建表,主键必须为以下类型,未设置主键的情况下至少要有一个字段是以下类型,否则会无法创建表导致CDM作业失败。
- INTEGER TYPES:TINYINT,SMALLINT,INT,BIGINT,NUMERIC/DECIMAL
- CHARACTER TYPES:CHAR,BPCHAR,VARCHAR,VARCHAR2,NVARCHAR2,TEXT
- DATA/TIME TYPES:DATE,TIME,TIMETZ,TIMESTAMP,TIMESTAMPTZ,INTERVAL,SMALLDATETIME
- DWS字符类型字段认为空字符串('')是空值,有非空约束的字段无法插入空字符串(''),这点与MySQL行为不一致,MySQL不认为空字符串('')是空值。从MySQL迁移到DWS时,可能会因为上述原因导致迁移失败。
- 使用GDS模式快速导入数据到DWS时,需要配置相关安全组或防火墙策略,允许DWS/LibrA的数据节点访问CDM IP地址的25000端口。
- 使用GDS模式导入数据到DWS时,CDM会自动创建外表(foreign table)用于数据导入,表名以UUID结尾(例如:cdmtest_aecf3f8n0z73dsl72d0d1dk4lcir8cd),作业失败正常会自动删除,极端情况下可能需要用户手工清理。
对象存储服务(OBS)数据源约束
Oracle数据源约束
不支持Oracle实时增量数据同步。
分布式缓存服务(DCS)和Redis数据源约束
- 由于分布式缓存服务(DCS)限制了获取所有Key的命令,CDM无法支持DCS作为源端,但可以作为迁移目的端,第三方云的Redis服务也无法支持作为源端。如果是用户在本地数据中心或ECS上自行搭建的Redis支持作为源端或目的端。
- 仅支持Hash和String两种数据格式。
文档数据库服务(DDS)和MongoDB数据源约束
从MongoDB、DDS迁移到关系型数据库时,CDM会读取集合的首行数据作为字段列表样例,如果首行数据未包含该集合的所有字段,用户需要自己手工添加字段。
云搜索服务和Elasticsearch数据源约束
- CDM支持自动创建索引和类型,索引和类型名称只能全部小写,不能有大写。
- 索引下的字段类型创建后不能修改,只能创建新字段。
如果一定要修改字段类型,需要创建新索引或到Kibana上用Elasticsearch命令删除当前索引重新创建(数据也会删除)。
- CDM自动创建的索引,字段类型为date时,要求数据格式为“yyyy-MM-dd HH:mm:ss.SSS Z”,即“2018-08-08 08:08:08.888 +08:00”。
迁移数据到云搜索服务时如果date字段的原始数据不满足格式要求,可以通过CDM的表达式转换功能转换为上述格式。
数据接入服务(DIS)和Kafka数据源约束
- 消息体中的数据是一条类似CSV格式的记录,可以支持多种分隔符。不支持二进制格式或其他格式的消息内容解析。
- 设置为长久运行的任务,如果DIS系统发生中断,任务也会失败结束。
表格存储服务(CloudTable)和HBase数据源约束
- CloudTable或HBase作为源端时,CDM会读取表的首行数据作为字段列表样例,如果首行数据未包含该表的所有字段,用户需要自己手工添加字段。
- 由于HBase的无Schema技术特点,CDM无法获知数据类型,如果数据内容是使用二进制格式存储的,CDM会无法解析。
Hive数据源约束
Hive作为迁移的目的时,如果存储格式为Textfile,在Hive创建表的语句中需要显式指定分隔符。例如:
CREATE TABLE csv_tbl( smallint_value smallint, tinyint_value tinyint, int_value int, bigint_value bigint, float_value float, double_value double, decimal_value decimal(9, 7), timestmamp_value timestamp, date_value date, varchar_value varchar(100), string_value string, char_value char(20), boolean_value boolean, binary_value binary, varchar_null varchar(100), string_null string, char_null char(20), int_null int ) ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde' WITH SERDEPROPERTIES ( "separatorChar" = "\t", "quoteChar" = "'", "escapeChar" = "\\" ) STORED AS TEXTFILE;
MySQL Binlog方式增量迁移数据的限制
- 目前该方式只支持迁移MySQL到数据仓库DWS这一个场景。
- MySQL到DWS的场景下,MySQL Binlog方式增量迁移数据功能的使用限制如下:
- 单个集群在当前版本中只支持一个MySQL Binlog方式的增量迁移任务。
- 当前版本不支持一次性删除、更新万条记录。
- 不支持整库迁移。
- 不支持DDL操作。
- 不支持事件(event)迁移。
- 当选择增量迁移时,源MySQL数据库的“binlog_format”需要设置为“ROW”。
- 当选择增量迁移时,增量迁移过程中如果源MySQL实例,出现因实例跨机迁移或跨机重建等导致的binlog文件ID乱序,可能导致增量迁移数据丢失。
- 当目的表存在主键时,如果重启CDM集群或全量迁移过程中产生增量数据,主键可能会出现重复数据,导致迁移失败。
- 如果目标数据库DWS存在重启行为,会导致迁移失败,需要重启CDM集群重新拉起迁移作业。
- MySQL推荐配置如下:
#打开bin-log功能 log-bin=mysql-bin #行模式 binlog-format=ROW #gtid模式,建议版本为5.6.10以上版本可用 gtid-mode=ON enforce_gtid_consistency = ON
