数据库搬迁，是个陈词滥调的问题，之前也曾写过一篇文章。近期，针对这一课题，自己有了些新的思考，下面将详细展开谈谈。在这之前，我先谈谈数据库搬迁的现实需求。这也算是目前职业开展的一个小总结。
1. 背景：搬迁之源，多变之秋
人生基本上便是两件事，选题和解题。最好的人生是在每个要害点上，既选对题，又解好题。人生最大的苦楚在于解对了题，但选错了题，并且还不知道自己选错了题。正如人生最大的惋惜便是，不是你不可，而是你本可以。
? 数据规划大幅添加
近些年来，信息数据呈快速增长态势。如下图所示，全球数据量总和，估计将从 2018 年的 33ZB 增至 2025年的 175ZB。国内数据体量在未来 7年将完结复合增速 30%以上的快速增长，并在 2025年成为与欧洲、中东、非洲、亚太和美国等地区相比体量最大的区域。数据的爆发式增长，导致对数据存储容量、数据核算需求有个更好的要求，这也催生企业在根底设施层面不断改造，进而不断推动数据库向前进一步开展。
从数据库迁移来看，也验证了这一趋势。全体商场呈现稳定的开展趋势，最近的数据表明，国内的数据库商场已经达到200亿规划。
? 开源计划，大行其道
开源数据库，其源代码具备全球同享、免费等特色，开发者可在其源码中修正或运用。在近一、二十年来，越来越多的企业将开源计划作为构建底层支撑的可选答案。特别是随着互联网的鼓起，很多互联网企业挑选运用了开源数据库产品，也加快这些产品的成熟与开展。这其间MySQL、PostgreSQL、MongoDB 和 Redis 是当时开源数据库最为重要的参与者。
? 数据上云，大势所趋
从2017至 2018年，整个数据库商场增长了 18.4%，其间云数据库增长贡献 68%。以AWS、Microsoft、Alibaba为代表的云厂商，取得了快速开展，极大地重塑了全球供应商格局。国内互联网科技巨头，纷繁布局数据库产业，借力云核算完结数据库等根底软件领域的迭代与超越。如下图的数据库规划排名，云数据库厂商均取得不俗的增长，最新数据则更是如此。甚至有组织预测，今明两年从数据库布置形状上看，云布置数据库会超越传统布置方法。
? 国产化趋势显着
正如下图所示，国内数据库商场仍然为欧美垄断，但国产化趋势已非常显着。以国产自研或开源定制道路的厂商层出不求，从最新的调查成果来看，已经有130+的国产数据库厂商初选。
从一叶扁舟到百舸争流，传统国产数据库历经长时间艰难探究，已逐渐崭露头角。国外大厂长时间垄断国内数据库商场。Oracle、IBM 和 Microsoft 等老牌厂商凭借先发优势在商场份额中占有了有利位置。国产数据库起步较晚，但潜力巨大。正如下图可见，国产数据库占比正不断添加。
? 总结：多种改变，驱动搬迁
综上所述，从数据规划体量的增大，到开源商业的改变，再到云化趋势显着、国产化趋势加重；而这些改变都带来同一个诉求，那便是数据库搬迁。展开来说，是如何完结异构数据库搬迁？完结体系架构完全不同的数据库之间的搬迁（例如从单机到分布式）？完结从线下到云上的搬迁？完结在线的、不终端业务的搬迁？等等。许多上述问题，对搬迁提出了非常高的要求。本文下面测验从搬迁的多个阶段来论述，需求哪些才能才能完结这一进程。
2. 数据库搬迁之路
人生基本上便是两件事，选题和解题。最好的人生是在每个要害点上，既选对题，又解好题。人生最大的苦楚在于解对了题，但选错了题，并且还不知道自己选错了题。正如人生最大的惋惜便是，不是你不可，而是你本可以。
在实践的搬迁中，是一个比较杂乱的进程，可依据阶段做个拆解。
1).搬迁评价阶段
此阶段是完结搬迁前的评价，为后续搬迁改造、搬迁进程做好铺垫工作
? 数据库画像
数据库画像成果，可为后续选型评价、架构规划供给依据。
系统级
搜集系统级信息，包含但不限于硬件（CPU、MEM、NET、DISK）、操作系统（内核、参数、安全策略等）、功用（系统顶峰期24小时负载）等
实例级
搜集实例级信息，包含但不限于架构（单机/集群、版本等）、参数（数据库参数等）、数据规划（表、索引等空间运用）、运转态信息（如QPS、TPS、会话、业务等）
方针级
搜集方针级信息，包含但不限于结构信息（表、分区、分片、索引、视图、序列等）、统计信息、拜访特征（读写比、频率等）、预警类（如大表、杂乱结构、DBLink等）
句子级
搜集句子级信息，包含但不限于SQL文本（全量）、执行特征（次数、响应时间等）、执行计划。
运用级
搜集杂乱运用信息，包含但不限于核算文本（如存储进程、触发器、函数等）、 执行特征（次数、响应时间等）
? 运用画像
运用画像成果，为后边运用改造做好铺垫。
运用拓扑
搜集运用架构、运用与DB关系、运用拜访特征等。
? 危险评价
针对上面搜集的数据库、运用画像信息，针对重点危险点做出评价。
数据库架构
源库运用集群、分库分表等架构，做出提示。
数据库结构
源库运用杂乱结构（如分区表）、不支撑结构（LOB、可更新视图等），做出提示。
数据库句子
源库运用杂乱SQL（如多表相关）、特殊语法或方言等给出提示。
数据库运用逻辑
源库很多运用存储进程、触发器、函数等。
运用架构
运用运用何种拜访方法（如java、c、go等），对于某些旧有的方法予以提示。
功用维度
源库存在显着的功用拜访顶峰，显着的热点方针。
规划维度
源端数据库整体或单体方针规划较大的状况。
? 选型主张
依据上面搜集信息及危险评价内容，给出选型的主张。这儿存在几个难点，一个是多方针数据库的根底才能抽象，一个是两者的适配评价。功用上包含两部分：
方针端建模
方针端在架构、结构、运用、功用指标等方面的根底抽象。
评价适配主张
依据源端和方针端状况，结合危险及功用要求给出适配选型主张。
2).搬迁改造阶段
? 方针改造
这一阶段首要是通过结构映射及不兼容提示，来削减改造工作量。
映射标准
适配多方针端给出结构映射标准。
结构改造
根据给定输入，输出改造后结构。或许存在非一一对应的状况，可依据源与方针的差异，异构改造。
不兼容提示
对于不兼容的状况，给出文字提示，人工介入。
? 句子改造
这一阶段首要通过句子改写，削减改造工作量；同时供给增强功用，满意句子改造后的测验等需求。
SQL改造
根据给定输入，给出改造后的语法。
不兼容提示
对于不兼容的状况，给出文字提示，人工介入。
增强-执行计划比照
可比照两边执行计划，方便研发优化句子写法。
增强-功用比照
可比照两边执行功率，方便研发优化。此处需确保同等测验环境。
增强-SQL自主优化
供给优化改写才能，而非根据简单规矩。此处需注意，语义等价性问题。
? 运用改造
此处运用是指数据内置的核算才能（如存储进程等）。这一阶段首要是通过逻辑改写，削减人工工作量。在完结上，一般主张运用外部程序逻辑（如java）进行处理，而不是改造为方针端内部核算运用。原因是尽量削减数据库耦合。此处，存在较多难点，且需求人工查看改造后的语义是否正确。
运用改造
根据给定输入，给出改造后的完结（引荐java）。
不兼容提示
对于不兼容的状况，给出文字提示，人工介入。
运用校验
比照两侧的完结，验证处理逻辑是否共同。
3).搬迁数据阶段
? 全量/增量数据搬迁
完结异构数据库间的数据搬迁工作。首要难点是功率、准确性。
全量搬迁
增量数据搬迁
根据指定时间戳后的增量搬迁才能
增强-分拆、合并才能
支撑一拆多，多合一搬迁才能。
增强-搬迁核算才能
支撑在搬迁实时核算才能（如lookup）。
增强-通用异构适配才能
一致搬迁才能，不依赖某种库。
增强-供给可装备UI
供给可装备同步界面，简化操作。
增强-数据转化才能
供给字符集、时区等转化才能。
? 数据比照
见后边说明
4).在线运转阶段
? 数据同步
在线运转时，需供给数据库端的异构同步才能，满意业务随时回迁的需求。
实时同步
供给异构数据库间数据实时同步才能，难点在于大吞吐、实时性。
增强-细粒度同步
支撑库、用户、表同步才能。
增强-同步核算才能
支撑在同步的实时核算才能（如lookup） ，难点在于功率。
? 数据比照
数据比照，是用户比照双线运转的基本要求，需求满意实时比照并统筹功率。
异构比照
供给异构数据源之间全量、增量数据比照才能。
增强-细粒度比照
支撑库、用户、表、记录等级比照才能。
增强-数据补差
供给差异数据的双向补齐才能。
? 数据路由
数据路由，为业务供给一致数据库拜访进口，并根据此供给双路控制才能，可做到按流量、按读写、按拜访类别（生产、测验）等做数据拜访路由。
? 根底运维
此部分的才能比较多，本质便是同时供给异构数据库在线同步运维才能。例如包含一致变更、一致导入导出、一致授权、一致审计等。尽量从运维侧视点来看，后边是一套逻辑库。
