# 增量数据迁移 将上一次迁移后，在源端数据库中发生变化（新增、修改或删除）的数据同步至目的端华为云数据湖探索（DLI）。 #### 使用须知 - 在进行**指定分区数据迁移**的场景下，由于MaxCompute在创建表时会自动将表名转换为小写，因此在迁移过程中，请确保Excel文件中的库表名称与MaxCompute中的实际表名一致（全部小写）。如果Excel文件中填写的库表名称为大写，迁移任务会因为无法正确识别表名导致无法迁移。 - 使用SQL查询MaxCompute中的informationschema数据时，因informationschema数据并非实时更新，通常存在约 3 小时的延迟。当源端新增表后，informationschema中可能尚未反映这些新表的信息，从而会出现迁移后数据表不一致的情况。 #### 前提条件 - 已完成所有[准备工作](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html)。 - 已[创建源端连接](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0149.html)。 - 已[创建目的端连接](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0150.html)。 - 已最少完成一次[全量数据迁移](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0154.html)。 - 开始迁移前，需要联系技术支持人员，将您添加到允许jar程序访问DLI元数据功能的白名单中。 #### 操作步骤 1. 登录[迁移中心管理控制台](https://console.huaweicloud.com/mgc/?#/guide)。在左侧导航栏的项目下拉列表中选择在完成准备工作时创建的[大数据迁移项目](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0006.html)。 2. 在左侧导航栏选择"**数据迁移** "，进入**数据迁移**页面。 3. 单击页面右上角的"**创建迁移任务** "按钮，右侧弹出**创建迁移任务**窗口。 4. 源端组件选择"**MaxCompute** "，目的端组件选择"**数据湖探索 DLI** "，任务类型选择"**增量数据迁移** "，单击"**下一步** "，进入**详细配置** 页面。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000001952431269.png "点击放大") 5. 根据[表1]，配置增量数据迁移任务参数。 表1增量数据迁移参数配置说明 | 区域 | 参数 | 配置说明 | |:---|:---|:---| | 基本信息 | 任务名称 | 默认创建名称为"MaxCompute到DLI增量数据迁移-4位随机数（字母和数字）"，也可以自定义名称。 | | 基本信息 | 迁移中心Agent | 选择在完成[准备工作](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section17673416367)时与迁移中心连接成功的MgC Agent。 | | 源端配置 | 源端连接 | 选择[创建的源端连接](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0149.html)。 | | 源端配置 | MaxCompute参数（可选） | 非必填参数，一般为空。如有需要，可参考[MaxCompute参数文档](https://help.aliyun.com/zh/maxcompute/user-guide/flag-parameters?spm=a2c4g.11186623.0.i4)进行配置。 | | 数据范围 | 数据迁移策略 | - **时间过滤**：通过数据变化发生的时间，过滤出需要迁移的增量数据。选择该方式还需要配置"增量区间"、"分区筛选方式"、"按库筛选或按表筛选"等参数。 - **自定义过滤** ：迁移指定分区内发生变化的数据。选择该方式，请按照以下步骤，在模板文件中添加分区表信息，然后上传至MgC。 1. 单击"指定分区迁移文件"下的"下载模板"，下载CSV格式的模板。 2. 下载后用**记事本** 打开该CSV模板文件。 注意： - 请不要使用Excel对CSV模板文件进行编辑，通过Excel编辑并保存的模板文件无法被MgC识别。 - 上传的CSV模板文件大小不得超过240KB。 3. 保留CSV文件中的第一行不变，从第二行开始，每行填写一个表的迁移信息，格式为"{MC项目名},{表名},{分区字段},{分区值}"，其中MC项目名代表MaxCompute项目名称，表名代表具体的表名称。 须知： 每行的参数值之间使用**英文逗号**隔开，不要使用空格或其他分隔符。 每添加完一个表的信息后，使用回车键换行。 4. 完成所有表信息的添加后，保存CSV文件的更改。 5. 单击"指定分区迁移文件"下的"添加文件"，将编辑并保存好的CSV文件上传至MgC。 | | 数据范围 | 增量区间 | 选择T-N区间作为增量数据的迁移范围，即任务开始执行时间的前 24 x N 小时内的增量数据。例如：选择T-1，2024/06/06 14:50执行任务，则表示迁移从 2024/06/05 14:50 到 2024/06/06 14:50（现在）的增量数据。 如果勾选"指定日期"，将只迁移指定日期内的增量数据。 | | 数据范围 | 分区筛选方式 | 根据数据的分区属性来选择和检索数据。默认为**更新时间**。 - 更新时间：筛选出最近或在特定时间段内有更新的数据。 - 创建时间：筛选出在特定时间窗口内创建的数据。 | | 数据范围 | 按库筛选 | 即按数据库进行筛选，在数据库参数框中输入需要增量迁移的数据库名称。单击"添加数据库"，可以新增数据库，最多支持同时添加10个数据库。不输入数据库名称，将默认迁移所有数据库。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000002151439449.png "点击放大") 如果数据库中有不需要迁移的表，可以下载CSV格式的"排除表"模板，参考[2.]\~[5.]在模板中添加不需要迁移的表信息，然后上传至MgC。 | | 数据范围 | 按表筛选 | 1. 下载CSV格式的模板。 2. 下载后用**记事本** 打开该CSV模板文件。 注意： 请不要使用Excel对CSV模板文件进行编辑，通过Excel编辑并保存的模板文件无法被MgC识别。 3. 保留CSV文件中的第一行不变，从第二行开始，每行填写一个表的迁移信息，格式为"{MC项目名},{表名}"，其中MC项目名代表MaxCompute项目名称，表名代表具体的表名称。 须知： - 每行的"MC项目名"和"表名"之间使用**英文逗号**隔开，不要使用空格或其他分隔符。 - 每添加完一个表的信息后，使用回车键换行。 4. 完成所有表信息的添加后，保存CSV文件的更改。 5. 将编辑并保存好的CSV文件上传至MgC。 | | 目的端配置 | 目的端连接 | 选择创建的[目的端DLI 通用队列连接](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0150.html)。 注意： 切勿选择DLI SQL队列。 | | 目的端配置 | 自定义参数 | 根据实际需求进行配置，支持的自定义参数详情请参考[conf参数说明](https://support.huaweicloud.com/api-dli/dli_02_0102.html#dli_02_0102__table334825142314)和[自定义参数说明](https://support.huaweicloud.com/usermanual-mgc/mgc_03_1061.html)。 - 如果是**公网迁移** ，需要填写以下4个参数： ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000001980506238.png "点击放大") - spark.dli.metaAccess.enable：填写true。 - spark.dli.job.agency.name：填写在完成准备工作时配置的[DLI委托权限名称](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section1291694416394)。 - mgc.mc2dli.data.migration.dli.file.path：填写在完成准备工作时[存放migration-dli-spark-1.0.0.jar包的OBS路径](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section20664736131414)。例如：obs://mgc-test/data/migration-dli-spark-1.0.0.jar - mgc.mc2dli.data.migration.dli.spark.jars：填写在完成准备工作时[存放fastjson-1.2.54.jar和datasource.jar包的OBS路径](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section20664736131414)，以数组形式传入，路径带双引号，以英文逗号隔开。例如：\["obs://mgc-test/data/datasource.jar","obs://mgc-test/data/fastjson-1.2.54.jar"\] - 如果是**专线迁移** ，需要填写以下8个参数： ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000001980346506.png "点击放大") - spark.dli.metaAccess.enable：填写true。 - spark.dli.job.agency.name：填写在完成准备工作时配置的[DLI委托权限名称](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section1291694416394)。 - mgc.mc2dli.data.migration.dli.file.path：填写在完成准备工作时[存放migration-dli-spark-1.0.0.jar包的OBS路径](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section20664736131414)。例如：obs://mgc-test/data/migration-dli-spark-1.0.0.jar - mgc.mc2dli.data.migration.dli.spark.jars：填写在完成准备工作时[存放fastjson-1.2.54.jar和datasource.jar包的OBS路径](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0148.html#mgc_03_0148__section20664736131414)，以数组形式传入，路径带双引号，以英文逗号隔开。例如：\["obs://mgc-test/data/datasource.jar","obs://mgc-test/data/fastjson-1.2.54.jar"\] - spark.sql.catalog.mc_catalog.tableWriteProvider：填写tunnel。 - spark.sql.catalog.mc_catalog.tableReadProvider：填写tunnel。 - spark.hadoop.odps.end.point：填写源端MaxCompute服务所在地域的**VPC网络Endpoint** 信息。各地域**VPC网络** **Endpoint** 信息请参考[Endpoint对照表](https://help.aliyun.com/zh/maxcompute/user-guide/endpoints#section-oit-45y-23z)。例如：源端所在地域为"香港"，则填写"http://service.cn-hongkong.maxcompute.aliyun-inc.com/api" - spark.hadoop.odps.tunnel.end.point：填写源端MaxCompute服务所在地域的**VPC网络Tunnel Endpoint** 信息。各地域**VPC网络** **Tunnel Endpoin** **t** 信息请参考[Endpoint对照表](https://help.aliyun.com/zh/maxcompute/user-guide/endpoints#section-oit-45y-23z)。例如：源端所在地域为"香港"，则填写"http://dt.cn-hongkong.maxcompute.aliyun-inc.com" | | 迁移选项 | 大表规则 说明： 仅数据迁移策略选择"时间过滤"时，需要配置。 | 设置大表条件，当符合大表的条件时，将自动按分区拆分迁移子任务。建议保持默认，也可根据实际需求修改。 按照最小变化分区拆分子任务：勾选后，将按照最小分区变化，拆分子任务后进行数据迁移。 | | 迁移选项 | 子任务合并规则 | 用于控制子任务的生成逻辑。当一个子任务中分区或表的大小总计达到设定的阈值时，会触发生成一个新的子任务。随后继续累加，直到再次达到阈值，重复上述过程。 例如，阈值设置为1 GB，当子任务中的分区或表的总大小累计达到1 GB时，系统会将这些分区或表分配到当前子任务中。剩余的分区或表将被拆分到一个新的子任务中，继续累加，直到再次达到1 GB，重复上述过程。 | | 迁移选项 | 并发连接数 | 设置迁移并发数。默认为3，1≤取值范围≤10。 | | 迁移选项 | 自定义参数（可选） | - mgc.mc2dli.data.migration.table.filter.sdk.enable：设置MaxCompute获取表的方式是否为SDK/SQL，默认为：false。迁移分区表时，参数值必须设置为：true。 - mgc.mc2dli.data.migration.mc.table.size.skip：查询表tableSize开关，默认为：true。 - mgc.mc2dli.data.migration.sub.merge.number：子任务中可以包含的表或分区数量之和，默认为：10。 更多自定义参数详情请参考[conf参数说明](https://support.huaweicloud.com/api-dli/dli_02_0102.html#dli_02_0102__table334825142314)和[自定义参数说明](https://support.huaweicloud.com/usermanual-mgc/mgc_03_1061.html)。 | 6. 配置完成后，选择任务的运行方式。 ![](https://support.huaweicloud.com/usermanual-mgc/public_sys-resources/notice_3.0-zh-cn.png) - 创建的迁移任务可重复运行，每运行一次，即会生成一条任务实例。 - 单击任务名称，可以修改任务配置。 - **立即运行** ：如果需要立即运行迁移任务，可以勾选"**保存后立即运行** "，然后单击"**保存** "按钮，会在**任务管理** 列表中生成一条全量数据迁移任务并自动开始执行迁移。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000002191144746.png "点击放大") - **手动运行** ：如果需要后续手动启动迁移任务，则只需单击"**保存** "按钮，在**任务管理** 列表中生成一条全量数量迁移任务。在需要启动迁移时，单击操作列的"**运行** "，手动启动迁移。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000002226595245.png "点击放大") 7. 迁移任务运行后，在**任务管理** 页签，单击操作列的"**查看实例** "，进入**任务进度** 页签，可以查看该任务产生的运行实例以及迁移进度。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000002191378978.png "点击放大") 单击状态列的"**重新运行**"，可以多次运行迁移实例。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000001925150194.png "点击放大") 单击进度统计列的"**查看** "，进入**进度详情** 页面。可以查看迁移的数据表清单、状态并[导出任务结果](https://support.huaweicloud.com/usermanual-mgc/mgc_03_0172.html)。 ![](https://support.huaweicloud.com/usermanual-mgc/zh-cn_image_0000001925218122.png "点击放大") 8. （可选）数据迁移完成后，可以使用MgC提供的大数据校验功能，对源端和目的端数据进行一致性校验。详细的操作步骤请参考[MaxCompute迁移至DLI数据校验](https://support.huaweicloud.com/bestpractice-mgc/mgc_05_0022.html)。