最近在做oracle到greenplum的迁移实践,步骤如下:1. 使用ora2pg实现Oracle的数据结构迁移到GP的实现过程2. Oracle的数据迁移到GP的实现过程 1. ora2pg的使用 地址: https://github.com/darold/ora2p 关系图如下: 需要安装DBD-oracle,DBD-pg,DBI模块,配置conf后可以把oracle的数据结构(table,view,package等)转化成PG的数据结构.也可以配置直接把oracle库的数据导入到PG里面.环境参数:OS RHEL6.5 64bitOracle client 10.2.0.5.0GP 4.2.6.0模块的参数在图上已经详细标注出来了.模块的安装标准的perl安装方法:perl Makefile.PLmakemake testmake install 介绍一下配置文件:
1 ORACLE_HOME /home/oracle/client_1
2 ORACLE_DSN dbi:Oracle:host=192.168.11.1;sid=orcl
3 ORACLE_USER manager
4 ORACLE_PWD tiger
5 SCHEMA test
6 TYPE TABLE VIEW PACKAGE COPY
7 PG_NUMERIC_TYPE 0
8 PG_INTEGER_TYPE 1
9 DEFAULT_NUMERIC float
10 SKIP fkeys pkeys ukeys indexes checks
11 NLS_LANG AMERICAN_AMERICA.UTF8
12 PG_DSN dbi:Pg:dbname=easyetl;host=127.0.0.1;port=5432
13 PG_USER easyetl
14 PG_PWD password
15 OUTPUT output.sql
1-4 配置源端Oracle的信息
5 oracle的schema取值
6 准备转化的数据类型,也包括导数据的copy命令
7-9 用来转化oracle的number(p,s)到PG的类型:
7表示是否使用PG内部的数据类型,0表示不使用,1表示使用
8表示在7设置为0时,如果8设置为1,则类型number(p)的定义变更为integer;如果8设置为0,则number(p)也转化为numeric(p)
9表示是8设置为1的时候,类型number转化为float,如果8设置为0,则9不起作用.
简单的设置,如果7,8均设置为0,那么number(p) --> numeric(p),number(p,s) --> numeric(p,s), number --> numeric
10 约束们是否需要创建
11 语言选择
12-14 配置目的端PG(GP亦可),如果这三行信息不配置,也没关系,可以生成oracle转化为PG的脚本
15 生成文件
迁移中出现的情况:
(1) 表可以完全迁移过去
(2) 视图里面如果没有起别名的话,也需要手动添加别名
(3) package需要手动修改.注:ver13版本的package生成需要把perform/decode屏蔽掉,因为这二点未做好,模块为PLSQL.pm.
当然package转化不仅仅只是这部分东西,主要的有:
a 别名需要显式写出
b 隐式转化要显式写出
c 函数的差异(GP官方有一套Oracle的函数实现,基本上够用)
d oracle里面非标准写法,如: a left join b写成 a,b where a.xx=b.xx(+)
2. Oracle的数据迁移到GP的实现过程
使用sqluldr2把数据从oracle unload出来到一个named pipe上,然后通过gpload把数据载入到GP里面.sqluldr网址: http://www.anysql.net/tools/sqluldr_comming.htmlgpload参照文章: http://www.itpub.net/thread-1423310-1-1.html dataload.sh关键点有二个:(1) sqluldr先生成数据,传到管道里面.gpload读取配置文件,从管道取数据,自己启动gpfdist,生成External table,载入GP库(2) 当数据量少的时候,即sqluldr进程结束后,gpload进程还没完全启动.这个时候,gpload就一直等待管道里面的数据到来,hang住了.为了解决这个问题,特意在sqluldr的presql里面添加dbms_lock.sleep(2),这样就可以保证sqluldr进程结束前,gpload进程已经启动了.或者可以直接写c来指定管道是否堵塞来判断.
#!/bin/bash
if [ $# -lt 3 ];then
echo 'Usage `basename $0` pipe tablename control'
exit 1
fi
pipename=$1
tablename=$2
control=$3
condition=$4
mknod $pipename p
/root/software/sqluldr2 user=manager/tigerd@orcl query="select * from $tablename where $condition" field=0x7c file=$pipename
text=CSV safe=yes persql="begin dbms_lock.sleep(2); end;" &
gpload -f $control -l gpload.log
rm -rf $pipename
ora2gp.sh --生成control文件,包括管道文件名称.然后调用上述进程实现载入过程.
#!/usr/bin/env python
#-*- coding:utf-8 -*-
import yaml
import subprocess
import sys
import os
# Script starts from here
paramnum=len(sys.argv)
datadt=20140820
condition="1=1"
tplpath="/root/template/"
pipepath="/tmp/pipe"
batname="/root/script/dataload.sh"
if (paramnum == 1):
print 'Usage:'+ sys.argv[0]+' tablename '
sys.exit()
elif(paramnum == 2):
tablename=sys.argv[1]
elif(paramnum == 3):
tablename=sys.argv[1]
datadt=sys.argv[2]
elif(paramnum == 4):
tablename=sys.argv[1]
datadt=sys.argv[2]
condition=sys.argv[3]
else:
print 'Usage:'+ sys.argv[0]+' tablename datadt condition. (datadt condition is optional)!'
sys.exit()
pid=os.getpid()
pipename=pipepath+str(pid)
f = open(tplpath+"gp_template_load.ctl")
dataMap = yaml.load(f)
f.close()
dataMap['GPLOAD']['INPUT'][0]['SOURCE']['FILE'][0]=pipename
dataMap['GPLOAD']['OUTPUT'][0]['TABLE']=tablename
dataMap['GPLOAD']['INPUT'][6]['ERROR_TABLE']=tablename+'_err'
filename=tplpath+tablename+'.ctl'
f = open(filename,'w')
yaml.dump(dataMap,f)
f.close()
handle=subprocess.Popen([batname,pipename,tablename,filename,condition])
handle.communicate()
control文件模板
VERSION: 1.0.0.1
DATABASE: dw
USER: manager
HOST: gp
PORT: 5432
GPLOAD:
INPUT:
- SOURCE:
LOCAL_HOSTNAME:
- gp
FILE:
- /tmp/mypipe
PORT_RANGE: [8001,9000]
- FORMAT: csv
- DELIMITER: ','
- QUOTE: '"'
- HEADER: true
- ERROR_LIMIT: 10000
- ERROR_TABLE: tablename_err
OUTPUT:
- TABLE: tablename
- MODE: INSERT
PRELOAD:
- TRUNCATE: true
后续操作:
上面的程序可以当作同步使用,但是真正的在生产使用就会有点不太让人放心.
原因有三:
(1)dataload.sh里面的sqluldr是放在后台处理的.当sqluldr出现异常,gpload可能会等待.当gpload出现异常的时候,sqluldr还是会载出文件.而且dataload.sh是fork出二个进程,当进程
出现异常,还需要手动寻找,kill掉.
(2)日常记录与处理.
(3)oracle与gp的表结构要严格一致才行.
基于此,写了可以统一处理fork的进程,增加了获取gp column list,加上日志处理这几部分.
oraconf文件格式:
#CONFNAME:USER^PASS^TNSNAME
gpconf文件格式:
#host:port:database:user:passwd
control文件看上面以及官方文档吧.
#!/bin/sh
. greenplum_loaders_path.sh
. setenv
if [ $# -lt 4 ];then
echo "Usage : `basename $0` confname etl_date mode src_tbname tgt_tbname "
echo " confname : configuration at ${PWD}/conf/oraconf "
echo " etl_date : YYYYMMDD "
echo " mode : 1 truncate; 2 append"
echo " src_tbname : oracle datasource tablename "
echo " tgt_tbname(optional) : greenplum datasource tablename"
exit 1
fi
#trap the exception quit
trap 'log_info "TERM/INTERRUPT(subprocess) close";close_subproc' INT TERM
declare -a sublist
function log_info()
{
DATETIME=`date +"%Y%m%d %H:%M:%S"`
echo -e "S $DATETIME P[$$]: $*"| tee -a "$LOGPATH"/"$ETLDATE"/"$GPTABLE".log
}
function collect_subproc()
{
local index
if [ ${#sublist} -eq 0 ];then
index=0
else
index=$[${#sublist}]+1
fi
sublist[$index]=$1
}
function close_subproc()
{
for subid in ${sublist[@]}
do
log_info "kill processid: $subid"
kill $subid
done
}
function parse_yaml()
{
local file=$1
local tablename=$2
local pipename=$3
local etldate=$4
sed -i -e "s/mypipe/"$pipename"/" -e "s/tablename_err/public."$tablename"_err/" -e "s//"$tablename"/" -e "s/etl_date/"$etldate"/" $file
}
if [ $(dirname $0) == '.' ];then
PRIPATH=${PWD}
else
PRIPATH=$(dirname $0)
fi
TPLPATH="$PRIPATH"/template
LOGPATH="$PRIPATH"/log
CONFNAME=$1
ETLDATE=$2
MODE=$3
ORATABLE=$4
GPTABLE=$5
[ -z "$GPTABLE" ] && GPTABLE="$ORATABLE"
[ ! -d "$LOGPATH"/"$ETLDATE" ] && mkdir -p "$LOGPATH"/"$ETLDATE"
PIPENAME="P"$$"$GPTABLE"
eval `grep "^$CONFNAME" "$PRIPATH"/conf/oraconf |awk -F':' '{print $2}'|awk -F'^' '{print "ORACLE_USER="$1";ORACLE_PASS="$2";ORACLE_SID="$3}'`
eval $(eval `grep ^[^#] "$PRIPATH"/conf/gpconf |awk -F':' -v table=$GPTABLE '{printf("psql -h %s -p %d -U %s %s -tAc 47\d %s 47",$1,$2,$4,$3,table)}'`|awk -F"|" '{cmd=cmd$1","}END{print "collist="cmd}')
collist=`echo $collist|sed "s/,$//g"`
echo >> "$LOGPATH"/"$ETLDATE"/"$GPTABLE".log
#create and modify template for gpload use
log_info "create template "$LOGPATH"/"$ETLDATE"/"$GPTABLE".ctl."
cp "$TPLPATH"/gp_template_load_"$MODE".ctl "$LOGPATH"/"$ETLDATE"/"$GPTABLE".ctl
if [ $? -ne 0 ]; then
log_info "create template "$LOGPATH"/"$ETLDATE"/"$GPTABLE".ctl failed."
exit 2
fi
parse_yaml "$LOGPATH"/"$ETLDATE"/"$GPTABLE".ctl $GPTABLE $PIPENAME $ETLDATE
if [ $? -ne 0 ]; then
log_info "modify template "$LOGPATH"/"$ETLDATE"/"$GPTABLE".ctl failed."
exit 2
fi
#create pipename
log_info "create pipe /tmp/"$PIPENAME"."
mknod /tmp/"$PIPENAME" p
if [ $? -ne 0 ];then
log_info "create pipe failed!"
exit 3
fi
gpload -f "$LOGPATH"/"$ETLDATE"/"$GPTABLE".ctl -l "$LOGPATH"/"$ETLDATE"/"$GPTABLE".log &
collect_subproc $!
log_info "unload sql:select $collist from $ORATABLE"
sqluldr2 user="$ORACLE_USER"/"$ORACLE_PASS"@"$ORACLE_SID" query="select $collist from $ORATABLE" head=Yes field=0x7c file=/tmp/"$PIPENAME" charset=gb18030 text=CSV safe=yes presql="begin dbms_lock.sleep(5); end;" log=+"$LOGPATH"/"$ETLDATE"/"$GPTABLE".log &
collect_subproc $!
wait
if [ $? -ne 0 ];then
log_info "$GPTABLE load failed!"
else
log_info "$GPTABLE load succ!"
fi
log_info "rm -rf /tmp/"$PIPENAME""
rm -rf /tmp/"$PIPENAME"
if [ $? -ne 0 ];then
log_info "rm /tmp/"$PIPENAME" failed."
exit 4
fi