升级前准备 - 开发者中心 ODC V4.4.1

升级前准备

更新时间：2026-04-07 18:00:49

编辑

OceanBase 开发者中心（OceanBase Developer Center，ODC）的升级需要预先确认元数据库和机器环境。

元数据库

部署 Web 版 ODC 时创建了元数据库用于存储使用 ODC 过程中产生的用户数据。

升级 ODC 时使用与部署时相同的元数据库并运行对应版本的 ODC 镜像，在升级前，请先确认元数据库的租户名、租户所在的集群名、数据库名称、用户名和密码等信息。

说明

ODC V3.3.0 之后版本提供变更流程和操作审计等企业级管控能力。
ODC V3.3.1 之后版本解除对 MetaDB 版本的限制。
MetaDB 所在 OceanBase 租户规格推荐 2C8G 及以上配置，配置过低容易导致性能问题。

机器环境

Web 版 ODC 运行环境配置，按照 ODC 用户数量的经验值：

ODC 用户数量	服务器类型	服务器数量	功能最低配置	性能最低配置
20	ODC Docker 部署服务器	1 台，可复用 OCP 管控服务器	2C，4GB 内存	4C，16GB 内存
100	ODC Docker 部署服务器	3 台，可复用 OCP 管控服务器	4C，16GB 内存	8C，32GB 内存
500	ODC Docker 部署服务器	3 台，可复用 OCP 管控服务器	8C，32GB 内存	16C，64GB 内存

更多用户视使用情况调整资源。

说明

实际资源消耗取决于并发用户数量和用户使用的功能，表格中的配置是供参考的经验值。
Web 版 ODC 需要运行在以上规格的服务器上，因此在升级 ODC 应用时请确认机器环境。
升级 ODC 应用时需重新在机器上拉取和运行 ODC 镜像，因此在升级前请确认机器安装了 Docker 并可以正常运行。

（可选）升级预操作

ODC V4.4.1 升级的元数据库数据升级实现了可重入性设计，如果您期望可以快速的完成升级过程的历史数据迁移，那么可以预先执行一些数据迁移动作，这些数据迁移动作不会影响旧版本的运行。

检查确认是否需要预先进行历史数据迁移。

ODC 版本升级的元数据库数据升级是自动进行的，某些功能的改动可能会引入较多的数据迁移和修正。ODC V4.4.1 的主要元数据升级来自于工单/作业模块的重构，查询当前数据库中的数据量信息，判断是否需要预先进行数据迁移。
- SQL 计划被重新设计，作为作业模块的功能，历史数据会由工单模块迁移到作业模块。执行如下命令，如果查询的数据量大于 100000, 建议您预先进行数据迁移。详细操作步骤，请参见步骤 2。
```
use odc_metadb;
select count(1) from flow_instance where parent_instance_id in (select id from schedule_schedule where job_type in 'SQL_PLAN');
```
- 分区计划也进行了重新设计，执行如下命令，如果查询的数据量大于 100000, 建议您预先进行数据迁移。详细操作步骤，请参见步骤 3。
```
use odc_metadb;
select count(1) from flow_instance where parent_instance_id in (select distinct flow_instance_id from partitionplan);
```
- 作业模块也可能存在一些历史工单无用数据，执行如下 SQL 获取数据。如果查询的数据量大于 100000, 建议您可以执行如下 SQL 进行数据迁移。详细操作操作，请参见步骤 4。
```
use odc_metadb;
select count(1)  FROM schedule_task WHERE job_group IN ('SQL_PLAN', 'PARTITION_PLAN') AND job_id IS NULL
```

SQL 计划历史数据手动迁移，重复执行该 SQL 直到没有更多数据插入。

#1. 查询 sql 计划的子任务（数据库变更）。
#2. 获取 sqlplan 的子任务相关信息。
#3. 联表查询，循环批量查询批量插入。
INSERT INTO schedule_task (
    job_group,
    job_name,
    parameters_json,
    status,
    executor,
    fire_time,
    progress_percentage,
    result_json,
    create_time,
    update_time,
    job_id
)
SELECT
    'SQL_PLAN' AS job_group,
    CAST(plan_data.schedule_id AS CHAR) AS job_name,
    tt.parameters_json AS parameters_json,
    CASE 
        WHEN tt.status IN ('FAILED', 'EXEC_TIMEOUT', 'CANCELED', 'DONE') THEN tt.status
        ELSE 'CANCELED'
    END AS status,
    tt.executor,
    COALESCE(tt.last_heartbeat_time, tt.create_time) AS fire_time,
    COALESCE(tt.progress_percentage, 0) AS progress_percentage,
    tt.result_json,
    tt.create_time,
    tt.update_time AS update_time,
    -plan_data.flow_instance_id AS job_id
FROM (
    SELECT fi.id AS flow_instance_id,
            ss.id AS schedule_id
    FROM flow_instance fi
    JOIN schedule_schedule ss ON fi.parent_instance_id = ss.id
    WHERE ss.job_type = 'SQL_PLAN'
        AND fi.id > (SELECT COALESCE(-MIN(job_id), 0) FROM schedule_task WHERE job_group = 'SQL_PLAN')
    ORDER BY fi.id
    LIMIT ?
) plan_data
JOIN flow_instance_node_task fint ON fint.flow_instance_id = plan_data.flow_instance_id
JOIN task_task tt ON tt.id = fint.task_task_id
WHERE fint.task_type = 'ASYNC' AND fint.is_start_endpoint = 1;

如果您想回滚手动迁移的 SQL 计划历史数据，可以执行如下 SQL 直到没有更多的数据需要删除。

delete from schedule_task where job_group = 'SQL_PLAN' and job_id < 0 order by job_id asc limit 5000

分区计划历史数据手动迁移，重复执行该 SQL 直到没有更多数据插入。

#1. 查询历史分区计划的 schedule_id，以及分区计划下的数据库变更工单（parent_flow_id = 分区计划的 flow_instance_id）。
#2. 查询 task_task 关联信息，整合成 schedule_task 所对应的字段。
#3. 通过应用层绑定 schedule_id 作为 job_name 批量插入。
INSERT INTO schedule_task (
        job_group,
        job_name,
        parameters_json,
        status,
        executor,
        fire_time,
        progress_percentage,
        result_json,
        create_time,
        update_time,
        job_id
    )
    SELECT
        'PARTITION_PLAN' AS job_group,
        CAST(plan_data.schedule_id AS CHAR) AS job_name,
        tt.parameters_json AS parameters_json,
        tt.status AS status,
        tt.executor,
        COALESCE(tt.last_heartbeat_time, tt.create_time) AS fire_time,
        COALESCE(tt.progress_percentage, 0) AS progress_percentage,
        tt.result_json,
        tt.create_time,
        tt.update_time AS update_time,
        -plan_data.flow_instance_id AS job_id
    FROM (
        SELECT fi.id AS flow_instance_id,
                mapped.schedule_id
        FROM flow_instance fi
        JOIN (
            SELECT
                p.flow_instance_id,
                COALESCE(
                    MAX(CASE WHEN COALESCE(ptp.strategy, 'CREATE') = 'CREATE' THEN pt.schedule_id END),
                    MAX(pt.schedule_id)
                ) AS schedule_id
            FROM partitionplan p
            JOIN partitionplan_table pt ON p.id = pt.partitionplan_id
            LEFT JOIN partitionplan_table_partitionkey ptp ON pt.id = ptp.partitionplan_table_id
            GROUP BY p.flow_instance_id
        ) mapped ON fi.parent_instance_id = mapped.flow_instance_id
        WHERE mapped.schedule_id IS NOT NULL
            AND fi.id > (SELECT COALESCE(-MIN(job_id), 0) FROM schedule_task WHERE job_group = 'PARTITION_PLAN')
        ORDER BY fi.id
        LIMIT ?
    ) plan_data
    JOIN flow_instance_node_task fint ON fint.flow_instance_id = plan_data.flow_instance_id
    JOIN task_task tt ON tt.id = fint.task_task_id
    WHERE tt.task_type = 'ASYNC';

如果您想回滚手动迁移的分区计划历史数据，可以执行如下 SQL 直到没有更多的数据需要删除。

delete from schedule_task where job_group = 'PARTITION_PLAN' and job_id < 0 order by job_id asc limit 5000

作业模块无用数据清理。

创建无用数据备份表。

CREATE TABLE IF NOT EXISTS `schedule_task_backup` LIKE `schedule_task`;

备份数据，重复执行如下SQL直到没有更多数据插入。

REPLACE INTO schedule_task_backup (
        id, job_name, job_group, parameters_json, status, executor,
        fire_time, progress_percentage, result_json, create_time, update_time, job_id
    )
    SELECT id, job_name, job_group, parameters_json, status, executor,
        fire_time, progress_percentage, result_json, create_time, update_time, job_id
    FROM schedule_task
    WHERE job_group IN ('SQL_PLAN', 'PARTITION_PLAN')
    AND job_id IS NULL
    AND id > (SELECT COALESCE(MAX(id), 0) FROM `schedule_task_backup`)
    ORDER BY id LIMIT 10000

删除主表数据，重复执行如下 SQL 直到没有更多数据删除。

DELETE FROM schedule_task
    WHERE job_group IN ('SQL_PLAN', 'PARTITION_PLAN')
    AND job_id IS NULL and id <= (SELECT COALESCE(MAX(id), 0) FROM `schedule_task_backup`)
    ORDER BY id
    LIMIT 10000

如果您想回滚手动清理的数据，重复执行如下 SQL 直到没有更多数据插入。

INSERT INTO schedule_task (                 
    id, job_name, job_group, parameters_json, status, executor,                 
    fire_time, progress_percentage, result_json, create_time, update_time, job_id             
    )             
    SELECT id, job_name, job_group, parameters_json, status, executor, 
    fire_time, progress_percentage, result_json, create_time, update_time, job_id 
    FROM schedule_task_backup             
    WHERE id > (SELECT COALESCE(MAX(id), 0) FROM `schedule_task` where job_id is NULL and  id <= (select max(bak.id) from schedule_task_backup as bak))
    ORDER BY id LIMIT 10;