数据迁移概述

数据迁移指将数据从源系统搬迁至 OceanBase，用于库替换、版本升级、数仓集成等。

迁移阶段

数据迁移通常按“数据结构 → 全量数据 → 增量数据”的顺序规划（实际可部分重叠，以工具与窗口为准）：

说明：AP 侧若主要消费 文件/离线数仓，常见路径是 结构提前对齐 以及 全量文件入 OceanBase；是否单独跑增量取决于是否需要持续对齐，详见 数据订阅概述 与 数据同步概述。

异构数据库迁移

迁移场景

异构数据迁移主要适用于以下场景：

• 数据库升级或替换：将现有数据库系统迁移到 OceanBase，以获得更好的性能、扩展性或成本效益。
• 数据整合：将多个不同数据库系统的数据整合到统一的 OceanBase 平台。
• 架构升级：将传统数据库迁移到分布式数据库架构。

在这类数据迁移场景中，需要关注：

• Schema 与数据类型映射：需要精确定义源端和目标端（OceanBase）之间的数据结构和类型映射规则。
• 性能优化：针对海量数据的迁移，采用高效的迁移策略，如并行处理、分片迁移和批量加载，以缩短迁移窗口。
• 数据一致性校验：在迁移完成后，需通过哈希校验、抽样对比或全量对比等方法，确保数据的完整性和准确性。

MySQL 迁入 OceanBase

Oracle 迁入 OceanBase

其它数据源 迁入 OceanBase

同构数据库迁移

迁移场景

同构数据迁移主要适用于以下场景：

• 版本升级：将数据从旧版本的 OceanBase 集群迁移至新版本，以获取新功能或提升性能。
• TP 数据库与 AP 数据库间迁移：将数据从 OceanBase 事务型（TP）数据库迁移至分析型（AP）数据库，以支持实时分析或 BI 应用等。

由于源端和目标端均为 OceanBase，此类迁移通常无需进行数据格式转换，但仍需关注：

• 迁移期间的数据一致性：通过事务日志或快照机制保证迁移过程中数据的一致性。
• 停机时间控制：根据业务对 RTO/RPO 的要求，选择合适的迁移方案以最小化或避免业务中断。
• 版本兼容性：在跨版本迁移时，需注意不同版本间 SQL 语法、系统参数或内部实现的细微差异。

OceanBase 租户间迁移

大数据生态集成

迁移场景

• 离线数仓数据需要同步到实时分析系统：将 Hive、Spark 等离线数仓中的数据同步到实时数据处理平台（如 Flink、Kafka），以支持实时数据处理和流式分析。
• 离线数据需归档到长期存储：将离线数仓中的历史数据归档到长期存储（如云对象存储 S3、阿里云 OSS），以降低存储成本并满足数据保留策略。
• 离线数据需要导入 OceanBase 数据库：将 Hive 等离线数仓中的数据迁移或同步到 OceanBase，以支持统一分析、数据服务或与业务数据联动。

在这类数据迁移场景中，需要关注：

• 源数据格式与目标表适配：源文件格式（如 CSV、Parquet、ORC）与 OceanBase 目标表的列类型、精度、时间格式、分区字段等是否一致；必要时在建表或导入阶段完成字段映射与类型转换。
• 海量数据的高效传输：使用 DistCp 等分布式工具，通过并行处理和网络优化来提升传输效率。
• 元数据与表结构对齐：确保源端表定义、分区信息、Schema 等与 OceanBase AP 目标表（列名、类型、分区策略）一致，避免仅迁移数据而目标表结构不匹配。