本文转载自 韩锋频道 作者：韩锋
数据库迁移，是个老生常谈的问题，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，下面将具体展开谈谈。在这之前，我先谈谈数据库迁移的现实需求。这也算是目前行业发展的一个小总结。
1. 背景：迁移之源，多变之秋
人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。
❖ 数据规模大幅增加
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，预计将从 2018 年的 33ZB 增至 2025年的 175ZB。国内数据体量在未来 7年将实现复合增速 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、数据计算需求有个更好的要求，这也催生企业在基础设施层面不断革新，进而不断推动数据库向前进一步发展。
从数据库市场来看，也验证了这一趋势。整体市场呈现稳定的发展趋势，最近的数据表明，国内的数据库市场已经达到200亿规模。
❖ 开源方案，大行其道
开源数据库，其源代码具备全球共享、免费等特点，开发者可在其源码中修改或使用。在近一、二十年来，越来越多的企业将开源方案作为构建底层支持的可选答案。特别是随着互联网的兴起，大量互联网企业选择使用了开源数据库产品，也加速这些产品的成熟与发展。这其中MySQL、PostgreSQL、MongoDB 和 Redis 是当前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，整个数据库市场增长了 18.4%，其中云数据库增长贡献 68%。以AWS、Microsoft、Alibaba为代表的云厂商，取得了快速发展，极大地重塑了全球供应商格局。国内互联网科技巨头，纷纷布局数据库产业，借力云计算实现数据库等基础软件领域的迭代与超越。如下图的数据库规模排名，云数据库厂商均取得不俗的增长，最新数据则更是如此。甚至有机构预测，今明两年从数据库部署形态上看，云部署数据库会超过传统部署方式。
❖ 国产化趋势明显
正如下图所示，国内数据库市场仍然为欧美垄断，但国产化趋势已非常明显。以国产自研或开源定制路线的厂商层出不求，从最新的调查结果来看，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索，已逐步崭露头角。国外大厂长期垄断国内数据库市场。Oracle、IBM 和 Microsoft 等老牌厂商凭借先发优势在市场份额中占据了有利地位。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增加。
❖ 总结：多种变化，驱动迁移
综上所述，从数据规模体量的增大，到开源商业的变化，再到云化趋势明显、国产化趋势加剧；而这些变化都带来同一个诉求，那就是数据库迁移。展开来说，是如何完成异构数据库迁移？完成体系架构完全不同的数据库之间的迁移（例如从单机到分布式）？完成从线下到云上的迁移？完成在线的、不终端业务的迁移？等等。诸多上述问题，对迁移提出了非常高的要求。本文下面尝试从迁移的多个阶段来阐述，需要哪些能力才能完成这一过程。
2. 数据库迁移之路
人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。
在实际的迁移中，是一个比较复杂的过程，可根据阶段做个拆解。
1).迁移评估阶段
此阶段是完成迁移前的评估，为后续迁移改造、迁移过程做好铺垫工作
❖ 数据库画像
数据库画像结果，可为后续选型评估、架构规划提供依据。
-
系统级
收集系统级信息，包括但不限于硬件（CPU、MEM、NET、DISK）、操作系统（内核、参数、安全策略等）、性能（系统高峰期24小时负载）等
-
实例级
收集实例级信息，包括但不限于架构（单机/集群、版本等）、参数（数据库参数等）、数据规模（表、索引等空间使用）、运行态信息（如QPS、TPS、会话、事务等）
-
对象级
收集对象级信息，包括但不限于结构信息（表、分区、分片、索引、视图、序列等）、统计信息、访问特征（读写比、频率等）、预警类（如大表、复杂结构、DBLink等）
-
语句级
收集语句级信息，包括但不限于SQL文本（全量）、执行特征（次数、响应时间等）、执行计划。
-
应用级
收集复杂应用信息，包括但不限于计算文本（如存储过程、触发器、函数等）、 执行特征（次数、响应时间等）
❖ 应用画像
应用画像结果，为后面应用改造做好铺垫。
-
应用拓扑
收集应用架构、应用与DB关系、应用访问特征等。
❖ 风险评估
针对上面收集的数据库、应用画像信息，针对重点风险点做出评估。
-
数据库架构
源库使用集群、分库分表等架构，做出提示。
-
数据库结构
源库使用复杂结构（如分区表）、不支持结构（LOB、可更新视图等），做出提示。
-
数据库语句
源库使用复杂SQL（如多表关联）、特殊语法或方言等给出提示。
-
数据库应用逻辑
源库大量使用存储过程、触发器、函数等。
-
应用架构
应用使用何种访问方式（如java、c、go等），对于某些旧有的方式予以提示。
-
性能维度
源库存在明显的性能访问高峰，明显的热点对象。
-
规模维度
源端数据库总体或单体对象规模较大的情况。
❖ 选型建议
根据上面收集信息及风险评估内容，给出选型的建议。这里存在几个难点，一个是多目标数据库的基础能力抽象，一个是两者的适配评估。功能上包括两部分：
-
目标端建模
目标端在架构、结构、应用、性能指标等方面的基础抽象。
-
评估适配建议
根据源端和目标端情况，结合风险及性能要求给出适配选型建议。
2).迁移改造阶段
❖ 对象改造
这一阶段主要是通过结构映射及不兼容提示，来减少改造工作量。
-
映射规范
适配多目标端给出结构映射规范。
-
结构改造
基于给定输入，输出改造后结构。可能存在非一一对应的情况，可根据源与目标的差异，异构改造。
-
不兼容提示
对于不兼容的情况，给出文字提示，人工介入。
❖ 语句改造
这一阶段主要通过语句改写，减少改造工作量；同时提供增强功能，满足语句改造后的测试等需求。
-
SQL改造
基于给定输入，给出改造后的语法。
-
不兼容提示
对于不兼容的情况，给出文字提示，人工介入。
-
增强-执行计划对比
可对比两边执行计划，方便研发优化语句写法。
-
增强-性能对比
可对比两边执行效率，方便研发优化。此处需保证同等测试环境。
-
增强-SQL自主优化
提供优化改写能力，而非基于简单规则。此处需注意，语义等价性问题。
❖ 应用改造
此处应用是指数据内置的计算能力（如存储过程等）。这一阶段主要是通过逻辑改写，减少人工工作量。在实现上，一般建议使用外部程序逻辑（如java）进行处理，而不是改造为目标端内部计算应用。原因是尽量减少数据库耦合。此处，存在较多难点，且需要人工检查改造后的语义是否正确。
-
应用改造
基于给定输入，给出改造后的实现（推荐java）。
-
不兼容提示
对于不兼容的情况，给出文字提示，人工介入。
-
应用校验
对比两侧的实现，验证处理逻辑是否一致。
3).迁移数据阶段
❖ 全量/增量数据迁移
完成异构数据库间的数据迁移工作。主要难点是效率、准确性。
全量迁移
-
增量数据迁移
基于指定时间戳后的增量迁移能力
-
增强-分拆、合并能力
支持一拆多，多合一迁移能力。
-
增强-迁移计算能力
支持在迁移实时计算能力（如lookup）。
-
增强-通用异构适配能力
统一迁移能力，不依赖某种库。
-
增强-提供可配置UI
提供可配置同步界面，简化操作。
-
增强-数据转换能力
提供字符集、时区等转换能力。
❖ 数据对比
见后面说明
4).在线运行阶段
❖ 数据同步
在线运行时，需提供数据库端的异构同步能力，满足业务随时回迁的需求。
-
实时同步
提供异构数据库间数据实时同步能力，难点在于大吞吐、实时性。
-
增强-细粒度同步
支持库、用户、表同步能力。
-
增强-同步计算能力
支持在同步的实时计算能力（如lookup） ，难点在于效率。
❖ 数据对比
数据对比，是用户对比双线运行的基本要求，需要满足实时对比并兼顾效率。
-
异构对比
提供异构数据源之间全量、增量数据对比能力。
-
增强-细粒度对比
支持库、用户、表、记录级别对比能力。
-
增强-数据补差
提供差异数据的双向补齐能力。
❖ 数据路由
数据路由，为业务提供统一数据库访问入口，并基于此提供双路控制能力，可做到按流量、按读写、按访问类别（生产、测试）等做数据访问路由。
❖ 基础运维
此部分的能力比较多，本质就是同时提供异构数据库在线同步运维能力。例如包括统一变更、统一导入导出、统一授权、统一审计等。尽量从运维侧角度来看，后面是一套逻辑库。