首批通过分布式安全可靠测评，为关键业务系统打造
主流 AP 数据库数据迁移至 OceanBase 最佳实践
更新时间：2026-06-18 10:13:19
编辑
分享
概述
本文面向将主流分析型处理（AP, Analytical Processing）数据库——包括华为云 DWS、StarRocks 和阿里云 ADB（AnalyticDB for MySQL）——迁移至 OceanBase 的用户，提供端到端的数据迁移最佳实践。
OceanBase 支持通过外部表（External Table）机制实现高效、可扩展的旁路导入（Direct Load），适用于大规模数据迁移场景。
总体迁移方案
推荐采用 “导出-中转-导入”三阶段架构：
- 导出阶段：在源 AP 数据库中，通过可写外部表将数据导出为结构化文件（如 Parquet 或 ORC），存储至对象存储（如 S3、OSS）或 HDFS。
- 中转阶段：数据暂存于对象存储或分布式文件系统，作为中间媒介。
- 导入阶段：OceanBase 通过只读外部表直接读取上述文件，并利用旁路导入能力将数据高效写入目标表。
该方案具备以下优势：
- 解耦源与目标系统，降低对生产环境的影响；
- 利用列式存储格式提升 I/O 与压缩效率；
- 支持并行、旁路导入，显著提升吞吐。
源数据库数据导出
支持的数据库
以下 AP 数据库均原生支持通过外部表导出数据：
- 华为云 GaussDB(DWS)
- StarRocks
- 阿里云 AnalyticDB for MySQL（ADB）
推荐导出格式
优先选择列式存储格式：Parquet 或 ORC。
格式优势
- 高压缩率：显著减少中间数据体积，节省存储与网络带宽；
- 强类型与嵌套结构支持：避免 CSV 等文本格式中的分隔符冲突、转义等问题；
- 高性能读写：相比 CSV，导入/导出性能提升约 20%–30%，尤其适合宽表和复杂数据类型。
官方操作文档参考
| 数据库 | 文档链接 |
|---|---|
| DWS | DWS 数据导出指南 |
| StarRocks | 使用 INSERT INTO FILES 导出数据 |
| ADB | 创建外部表 导出数据至 OSS |
导出示例
StarRocks 导出示例
INSERT INTO FILES(
"path" = "s3://mybucket/unload/data1",
"format" = "parquet",
"compression" = "uncompressed",
"target_max_file_size" = "1024", -- 单位：字节（示例为 1KB）
"aws.s3.access_key" = "xxxxxxxxxx",
"aws.s3.secret_key" = "yyyyyyyyyy",
"aws.s3.region" = "us-west-2"
)
SELECT * FROM sales_records;
ADB 导出示例
CREATE EXTERNAL TABLE IF NOT EXISTS adb_external_demo.osstest3 (
A STRUCT<var1:STRING, var2:INT>
)
STORED AS PARQUET
LOCATION 'oss://testBucketName/osstest/Parquet';
INSERT INTO adb_external_demo.osstest3 SELECT * FROM t1;
说明
请确保目标存储桶（Bucket）已正确配置访问权限，并验证网络连通性。
全量数据导入 OceanBase
OceanBase 提供两种主流方式从对象存储导入数据：
使用 INSERT INTO URL 外部表导入
适用于直接指定文件路径的场景，语法灵活，支持正则匹配文件名。
INSERT /*+ direct(true, 0) enable_parallel_dml parallel(32) */ INTO t1
SELECT * FROM FILES(
location = 's3://data/?host=xxx&access_id=xxx&access_key=xxx',
format = (TYPE = 'PARQUET'),
pattern = 'datafiles$'
);
使用 LOAD DATA 语句导入
适合标准化批量导入任务。
LOAD DATA /*+ direct(true,0) parallel(2) */
FROM 's3://data/?host=xxx&access_id=xxx&access_key=xxx'
INTO TABLE t1
FORMAT (type = 'PARQUET');
说明
两种方式均支持 direct(true) 直写模式和并行度控制，可大幅提升导入性能。
详细语法与参数说明，请参见：全量旁路导入。
直接读取外部数据源（高级场景）
除对象存储外，OceanBase 还支持通过外部表直接访问 HDFS、ODPS 等异构数据源，适用于已有数据湖架构的用户。
HDFS 数据源
语法示例如下：
INSERT INTO t1
SELECT * FROM files(
LOCATION = 'hdfs://${namenode_host}:${namenode_port}/user?principal=hdfs/hadoop@EXAMPLE.COM&keytab=/path/to/hdfs.keytab&krb5conf=/path/to/krb5.conf&configs=dfs.data.transfer.protection=authentication,privacy',
FORMAT = (
TYPE = 'CSV',
FIELD_DELIMITER = ',',
FIELD_OPTIONALLY_ENCLOSED_BY = '\''
),
PATTERN = 'test_tbl1.csv'
);
ODPS（MaxCompute）数据源
语法示例如下：
INSERT INTO t1
SELECT * FROM SOURCE (
TYPE = 'ODPS',
ACCESSID = 'your_id',
ACCESSKEY = 'your_key',
ENDPOINT = 'http://service.cn-hangzhou.maxcompute.aliyun.com/api',
PROJECT_NAME = 'my_project',
TABLE_NAME = 'my_table'
);
参考文档：CREATE EXTERNAL TABLE（MySQL 模式）
增量数据同步策略
当前 OceanBase 4.4.x 版本的旁路导入功能仅支持全量导入。针对持续写入场景，推荐采用 “全量 + 增量”混合方案。
分区级全量导入（有限增量支持）
若源数据按时间分区（如，按月），可对新分区执行全量旁路导入：
-- 导入指定分区（追加）
INSERT /*+ direct(true, 0) enable_parallel_dml parallel(32) */ INTO t1 PARTITION(p0, p1)
SELECT * FROM external_table;
-- 覆盖指定分区
INSERT /*+ direct(true, 0) enable_parallel_dml parallel(32) */ OVERWRITE t1 PARTITION(p0, p1)
SELECT * FROM external_table;
局限性
- 表级锁限制：即使指定分区，导入过程仍会锁定整张表，无法并行执行多个分区的导入任务；
- 隐藏表开销：每次导入需为整表创建临时隐藏表，当分区数量庞大时，元数据操作耗时显著增加。
优化建议：对于高分区表，可结合 分区交换（Partition Exchange） 技术规避上述问题。
使用 OMS 实现增量同步
对于需要实时同步增量变更的场景，推荐使用 OceanBase Migration Service（OMS）：
适用条件：源端具备 CDC（Change Data Capture）能力；
AP 数据库限制：DWS、StarRocks、ADB 等通常不提供原生 CDC 输出；
推荐做法：从这些 AP 数据库的上游业务系统（如 MySQL、Oracle）捕获增量日志，并通过 OMS 同步至 OceanBase。
支持情况：OMS 支持 Oracle（含 OGG）、MySQL 等主流 OLTP 数据库的增量同步。
详细操作指南请参见：使用 OMS 进行数据迁移
