云数据迁移最佳实践之Oracle数据迁移到DWS

操作场景

       CDM支持通过CDM将数据从Oracle迁移到数据仓库服务（Data Warehouse Service，简称DWS）中。客户将数据迁移至华为云进行数据清洗、加工、标准化等动作，首先需要将数据搬迁至数据湖底座，数据湖底座数据存储介质之一就是DWS。相对于Oralce，DWS作为分析引擎，可以提供更强的OLAP和关联分析等能力，详细介绍可见DWS官网https://support.huaweicloud.com/intl/zh-cn/productdesc-dws/dws_01_0007.html 。Oracle数据搬迁至DWS整个流程如下：

1. 创建CDM集群并绑定EIP
2. 创建Oracle连接
3. 创建DWS连接
4. 创建迁移作业
5. 常见问题

前提条件

1. 购买DWS集群，并且已获取DWS数据库的IP地址、端口、数据库名称、用户名、密码，且该用户拥有DWS数据库的读、写和删除权限。
2. 已获取Oracle数据库的IP、数据库名、用户名和密码。
3. 如果Oracle数据库是在本地数据中心或第三方云上，需要确保Oracle可通过公网IP访问，或者已经建立好了企业内部数据中心到华为云的VPN通道或专线。
4. 用户已参考管理驱动，上传了Oracle数据库驱动。

创建CDM集群并绑定EIP

    如果是独立CDM服务，参考创建集群创建CDM集群；如果是作为DataArts Studio服务CDM组件使用，参考创建集群创建CDM集群。关键配置如下：

1. CDM集群的规格，按待迁移的数据量选择，一般选择medium即可，满足大部分迁移场景。
2. CDM集群所在VPC、子网、安全组，选择与DWS集群所在的网络一致。
3. 如果安全控制原因不能使用相同子网和安全组，那么需要确保安全组规则能允许CDM访问云搜索服务集群。
4. CDM集群创建完成后，在集群管理界面选择“绑定弹性IP”，CDM通过EIP访问Oracle数据源。

    说明：如果用户对本地数据源的访问通道做了SSL加密，则CDM无法通过弹性IP连接数据源。

创建Oracle连接

1. 单击CDM集群后的“作业管理”，进入作业管理界面，再选择“连接管理> 新建连接”，进入选择连接器类型的界面，如图1所示。

         图1 选择连接器类型

     2. 连接器类型选择“Oracle”后单击“下一步”，配置Oracle连接参数，参数说明如表1所示。

        图2 创建Oracle连接

     3. 单击“保存”回到连接管理界面。

创建DWS连接

1. 单击CDM集群后的“作业管理”，进入作业管理界面，再选择“连接管理> 新建连接”，进入选择连接器类型的界面，如图3所示。

        图3 选择连接器类型

     2. 连接器类型选择“数据仓库服务（DWS）”后单击“下一步”配置DWS连接参数，必填参数如表2所示，可选参数保持默认即可。

      3. 单击“保存”完成创建连接。

创建迁移作业

1. 选择“表/文件迁移> 新建作业”，开始创建从Oracle导出数据到DWS的任务。

         图4 创建Oracle到DWS的迁移任务

源端作业配置

      高级属性里的可选参数一般情况下保持默认既可，详细说明请参见配置常见关系数据库源端参数。

目的端作业配置

• 自动创表：只有当源端和目的端都为关系数据库时，才有该参数；
• 表名：待写入数据的表名，可以手动输入一个不存在表名，CDM会在DWS中自动创建该表。
• 存储模式：可以根据具体应用场景，建表的时候选择行存储还是列存储表。一般情况下，如果表的字段比较多（大宽表），查询中涉及到的列不多的情况下，适合列存储。如果表的字段个数比较少，查询大部分字段，那么选择行存储比较好。
• 扩大字符字段长度：当目的端和源端数据编码格式不一样时，自动建表的字符字段长度可能不够用，配置此选项后CDM自动建表时会将字符字段扩大3倍。
• 导入前清空数据：任务启动前，是否清除目的表中数据，用户可根据实际需要选择。

    2. 单击“下一步”进入字段映射界面，CDM会自动匹配源和目的字段，如图5所示。如果字段映射顺序不匹配，可通过拖拽字段调整。

       CDM的表达式已经预置常用字符串、日期、数值等类型的字段内容转换，详细请参见字段转换。

       图5 表到表的字段映射

     3.  单击“下一步”配置任务参数，一般情况下全部保持默认即可。该步骤用户可以配置如下可选功能：  

• 作业失败重试：如果作业执行失败，可选择是否自动重试，这里保持默认值“不重试”。
• 作业分组：选择作业所属的分组，默认分组为“DEFAULT”。在CDM“作业管理”界面，支持作业分组显示、按组批量启动作业、按分组导出作业等操作。
• 是否定时执行：如果需要配置作业定时自动执行，请参见配置定时任务。这里保持默认值“否”。
• 抽取并发数：设置同时执行的抽取任务数。可适当调大参数，提升迁移效率。
• 是否写入脏数据：表到表的迁移容易出现脏数据，建议配置脏数据归档。
• 单击“保存并运行”，回到作业管理界面，在作业管理界面可查看作业执行进度和结果。

     4.  作业执行成功后，单击作业操作列的“历史记录”，可查看该作业的历史执行记录、读取和写入的统计数据。在历史记录界面单击“日志”，可查看作业的日志信                息。

常见问题

1. 效率性能问题      迁移效率主要取决于CDM和数据源之间的网络状况，数据源性能等，具体可以参考https://support.huaweicloud.com/pwp-cdm/cdm_03_0001.html 进行作业的基础性能调优；
2. 功能问题
   

         1)  作业状态一直处于Booting状态，长时间未运行。针对Oracle2DWS作业链路，导致该问题的常见情况有如下两种：

             a. 作业抽取并发数设置大于1，源端表数据量较大，在根据源端抽取分区字段发送查询sql进行求最大值和最小值（select max/min（抽取分区字段） from 完

                  整表名）时卡住，导致CDM作业卡在booting状态；

             解决措施1：将作业抽取并发数设置为1，使用单并发对源端表数据进行抽取，该方式会降低作业运行时的抽取效率；

            解决措施2：将作业抽取并发数设置为1，同时对作业进行拆分，利用源端作业配置的where子句来将作业拆分成多个子作业。如源表存在id字段，则id值范围

                                为1-10000000，则可以拆分成10个子作业，如子作业1的源端作业配置where子句配置 id >= 1 and id <= 1000000，同时将目的端作业配置的导

                                入前准备语句配置成delete from 完整表名 where id >= 1 and id <= 1000000 (该配置可以保证作业失败后直接重跑作业不产生垃圾数据)。该方式

                                 可以同时运行多个子作业，解决单并发带来的效率影响。

          b. 目的端作业配置导入开始前设置为清除全部数据，作业在执行抽取数据之前，会先提交sql（truncate table 完整表名）到DWS端，如果DWS目的端表数据过

              大或者存在锁表等原因导致sql执行阻塞，也会造成CDM作业处于booting状态，该种情况需要联系DWS侧研发人员一同确认。CDM侧可在对应CDM作业日 

              志中查找“Cut-off table”关键字，看其是否卡住的时间过长。

       2)  作业运行失败，报错timed out，cdm在和数据源进行sql交互时，建立连接和执行查询sql等回话都有默认的客户端超时参数，当相关操作在超时范围内没有执

            行完成时，就会产生超时异常导致作业运行失败，具体解决方案请参考https://support.huaweicloud.com/intl/zh-cn/cdm_faq/cdm_01_1107.html ；

       3）作业运行失败，报错ORA-01555，原因是在cdm查询Oracle源端数据时，源端表数据块发生了变化导致，具体解决方案可以

             https://support.huaweicloud.com/intl/zh-cn/cdm_faq/cdm_01_1102.html ；

       4）作业运行失败，报错value too long for type xxx，原因是源端数据迁移到对应目的端列的时候，数据长度超过了列的存储长度，具体解决方案可以参考https://support.huaweicloud.com/intl/zh-cn/cdm_faq/cdm_01_0119.html ；