迁移 HBase 数据库的数据至 OBKV

本文为您介绍如何使用 OceanBase 迁移服务（OceanBase Migration Service，OMS）社区版迁移 HBase 数据库的数据至 OBKV。

背景信息

在 OMS 社区版控制台创建从 HBase 数据库迁移数据至 OBKV 的数据迁移任务，您可以通过结构迁移、全量迁移和增量同步，无缝迁移源端数据库中的存量业务数据和增量数据至 OBKV。

前提条件

已在目标端 OBKV 中创建对应的 Schema。OMS 社区版支持迁移表和列，您需要提前在目标端创建对应的 Schema。
如果您计划使用 Flink 模式进行迁移，请创建 Flink V1.14.0 集群。
增量同步需要 HBase 表开启同步复制，即设置 REPLICATION_SCOPE='1'。

使用限制

源端数据库的操作限制

请勿在结构迁移和全量迁移阶段执行库或表结构变更的 DDL 操作，否则可能造成数据迁移任务中断。
目前支持 HBase 数据库 V1.2.0-cdh5.15.2 和 V2.4.13。
HBase 数据库至 OBKV 的数据迁移任务不支持迁移 Tag 数据，不支持全量校验。
增量同步不支持以 Bulkload 方式导入源端 HBase 数据库的增量数据。

注意事项

建议您一次性迁移的表数量不超过 1000 张，避免影响数据迁移任务的运行。
由于无法获取 HBase 数据库的表统计信息，OMS 社区版所有页面显示的进度和预估时间均不准确。您可以根据页面实时 RPS 和表的实际记录数来计算完成时间。
HBase 数据库的增量数据通过 peer 进行复制，会在源端 HBase 数据库中创建 peer。如果长时间停止 OMS 社区版的增量进程，可能导致源端 HBase 数据库的增量数据无法发送至 OMS 社区版增量同步任务进行处理，从而出现磁盘爆满的情况。
peer 无法指定 HBase 数据库的增量开始位点，仅和 peer 创建时间相关。因此如果 peer 被删除，您需要重新创建数据迁移任务，全量迁移任务也需要进行初始化。
使用 Flink 模式迁移时，如果需要中断迁移进程，您不仅需要在 OMS 社区版中停止全量迁移和增量同步任务，还需要停止 Flink 中的作业。

您可以通过 OMS 社区版中的数据迁移任务 ID 查找对应 Flink 作业。
- 全量作业：OMS_BATCH_{OMS 社区版任务 ID}
- 增量作业：OMS_STREAM_{OMS 社区版任务 ID}
  
  您也可以在 OMS 社区版容器中查看文件 /home/ds/run/{组件 ID}/conf/flink_jobid 获取对应的 Flink 作业。
HBase 数据库至 OBKV 的增量同步任务无统计信息。
如果创建数据迁移任务时，您仅配置了 增量同步，数据迁移要求源端数据库的本地增量日志保存 48 小时以上。

如果创建数据迁移任务时，您配置了 全量迁移 + 增量同步，数据迁移要求源端数据库的本地增量日志至少保留 7 天以上。否则数据迁移可能因为无法获取增量日志导致数据迁移任务失败，甚至导致源端和目标端数据不一致。
增量同步 HBase 数据库的数据时，HBase 服务器需要能够通过 OMS 社区版所在机器名 ping 通。您可以在 HBase 服务器的 /etc/hosts 文件中进行配置。
如果 HBase 表指定了 Snappy 压缩，您需要将 Hadoop lib/native 下的文件复制至 OMS 社区版容器的 /home/ds/plugins/jdbc_connector 中。

注意

复制过来的文件需要将命令 chown -R ds:ds <文件名> 中的文件名改为 ds 用户的文件名。

数据类型映射

HBase 列族映射 OBKV 默认表结构：

create table if not exists {TABLE_NAME} --映射 HBase {namespace}.{table_name}${column_family}
(
    `K` varbinary(1024) not null, -- 映射 HBase rowkey
    `Q` varbinary(256) not null,  -- 映射 HBase 列族下列名
    `T` bigint not null,          -- 映射 HBase version/timestamp
    `V` varbinary(1048576),       -- 映射 HBase value
    primary key(`K`, `Q`, `T`)) 
partition by key(`K`) partitions 64

您可以通过 struct.obkv.createtable 设置修改结构迁移默认在 OBKV 中的建表语句。

参数	描述	建表语句
struct.obkv.createtable	您可以在系统参数页面，通过修改该参数的取值，来设置全局任务的结构迁移默认在 OBKV 中的建表语句。	`create table if not exists {TABLE_NAME} (`K`varbinary(1024) not null,`Q`varbinary(256) not null,`T`bigint not null,`V`varbinary(1048576),primary key(`K`,`Q`,`T`)) partition by key(`K`) partitions 64`
structObkvCreatetable	您可以在迁移选项 > 增量同步区域，单击配置详情，通过修改 `sink.json` 配置来设置当前任务的结构迁移默认在 OBKV 中的建表语句。	`create table if not exists {TABLE_NAME} (`K`varbinary(1024) not null,`Q`varbinary(256) not null,`T`bigint not null,`V`varbinary(1048576),primary key(`K`,`Q`,`T`)) partition by key(`K`) partitions 64`

操作步骤

新建数据迁移任务。
1. 登录 OMS 社区版控制台。
2. 在左侧导航栏，单击 数据迁移。
3. 在 数据迁移 页面，单击右上角的 新建迁移任务。

在 选择源和目标 页面，配置各项参数。

参数	描述
迁移任务名称	建议使用中文、数字和字母的组合。名称中不能包含空格，长度不能超过 64 个字符。
标签	单击文本框，在下拉列表中选择目标标签。您也可以单击管理标签，进行新建、修改和删除。详情请参见通过标签管理数据迁移任务。
源端	如果您已创建 HBase 数据源，请从下拉列表中进行选择。如果未创建，请单击下拉列表中的新建数据源，在右侧对话框进行新建。参数详情请参见新建 HBase 数据源。
目标端	如果您已创建 OceanBase 社区版数据源，请从下拉列表中进行选择。如果未创建，请单击下拉列表中的新建数据源，在右侧对话框进行新建。参数详情请参见新建 OceanBase-CE 数据源。

单击 下一步。在 选择迁移类型 页面，配置各项参数。

迁移类型 包括 结构迁移、全量迁移、增量同步 和 反向增量。

迁移类型	描述
结构迁移	结构迁移任务开始后，OMS 社区版会迁移源库中的数据对象定义（表、索引、约束、注释和视图等）至目标端数据库中，并自动过滤临时表。
全量迁移	全量迁移任务开始后，OMS 社区版会迁移源库表的存量数据至目标端数据库对应的表中。
增量同步	增量同步任务开始后，OMS 社区版会同步源库发生变化的数据（新增、修改或删除）至目标端数据库对应的表中。
反向增量	反向增量任务开始后，可以实时回流业务切换后在目标端数据库产生的变更数据至源端数据库。

单击 下一步。在 选择迁移对象 页面，选择迁移对象和迁移范围。

您可以通过 指定对象 和 匹配规则 两个入口选择迁移对象。本文为您介绍通过 指定对象 方式选择迁移对象的具体操作，配置匹配规则的详情请参见配置迁移对象的匹配规则。

注意

待迁移的表名和其中的列名不能包含中文字符。
当数据库的库名或表名存在 "$$" 字符时，会影响数据迁移任务的创建。

在 选择迁移对象 区域，选中 指定对象。
在 选择迁移范围 区域的 源端对象 列表选中需要迁移的对象。OBKV 仅支持单列族表，因此 HBase 数据库的多列族场景对应 OBKV 多张表。
单击 >，将其添加至 目标端对象 列表中。

OMS 社区版支持通过文本导入对象、重命名对象名称、设置行过滤、查看列信息，以及移除单个或全部迁移对象。

说明

通过 匹配规则 方式选择迁移对象时，重命名能力由匹配规则语法覆盖，操作处仅支持设置过滤条件。详情请参见配置迁移对象的匹配规则。

操作	步骤
导入对象	在选择迁移范围区域的右侧列表中，单击右上角的导入对象。在对话框中，单击确定。注意：导入会覆盖之前的操作选择，请谨慎操作。在导入迁移对象对话框中，导入需要迁移的对象。您可以通过导入 CSV 文件的方式进行库表重命名、设置行过滤条件等操作。详情请参见下载和导入迁移对象配置。单击检验合法性。通过合法性的检验后，单击确定。
重命名	OMS 社区版支持重命名迁移对象的名称，详情请参见数据库库表重命名。
设置	OMS 社区版支持 `WHERE` 条件实现行过滤，详情请参见 SQL 条件过滤数据。您还可以在查看列区域，查看迁移对象的列信息。
移除/全部移除	OMS 社区版支持在数据映射时，对暂时选中到目标端的单个或多个对象进行移除操作。移除单个迁移对象在选择迁移范围区域的右侧列表中，鼠标悬停至目标对象，单击显示的移除，即可移除该迁移对象。移除全部迁移对象在选择迁移范围区域的右侧列表中，单击右上角的全部移除。在对话框中，单击确定，即可移除全部迁移对象。

单击 下一步。在 迁移选项 页面，配置各项参数。

全量迁移

在 选择迁移类型 页面，选中 全量迁移，才会显示下述参数。

参数	描述
并发速度	包括平稳、正常、快速和自定义。全量迁移的性能不同，全量迁移任务所需要的资源也不同。当您选择自定义时，可以根据实际情况设置读取并发、写入并发和 JVM 内存。
目标端对象存在记录时处理策略	处理策略包括忽略和停止迁移：选择忽略，当目标端表对象存在数据时，如果原数据与写入数据冲突，OMS 社区版采用将冲突数据记录日志，保留原数据不变的策略进行数据写入。注意选择忽略，全量校验将使用 IN 模式拉取数据，无法校验目标端存在源端没有的数据的场景，并且校验性能会有一定程度降级。选择停止迁移，当目标端表对象存在数据时，全量迁移会报错不允许迁移，请处理好目标端数据后再继续迁移。注意如果出错后单击恢复，OMS 社区版将忽略该配置选项，继续迁移表数据，请谨慎操作。
计算平台	默认为 Local（本地运行模式），您也可以选择在 Flink 计算平台上运行。如果需要新增计算平台，请单击下拉列表中的管理计算平台。详情请参见管理计算平台。
写入方式	包括 SQL（通过 `INSERT` 或 `REPLACE` 写入表）和 Direct Load（通过旁路导入方式写入）。Direct Load 的详情请参见旁路导入介绍。

全量迁移默认通过读取 hfile 的方式获取全量数据，您可以修改 source > queryType 参数的取值进行配置（支持 hfile 和 scan）。同时默认进行 flush 表操作，如果您无需进行 flush 表操作，请设置 source > flushTable 参数的取值为 false。如果您需要查看或修改全量迁移配置，请单击 全量迁移 区域右上角的 配置详情。参数说明请参见组件参数说明模块的文档。

增量同步