记一次简单的Oracle离线数据迁移至TiDB过程
背景
最近在支持一个从Oracle转TiDB的项目，为方便应用端兼容性测试需要把Oracle测试环境的库表结构和数据同步到TiDB中，由于数据量并不大，所以怎么方便怎么来，这里使用CSV导出导入的方式来实现。
整个过程可以分为三个步骤：
- 库表结构转换
- 源数据导出
- 导入目标库
库表结构转换
众所周知TiDB是兼容MySQL协议的，所以Oracle的表结构定义在TIDB不一定能完全使用，这时候就需要做一些转换，比如字段类型、关键字、系统函数等等。如果表比较少的话，手动转一下也不是不行，但本次测试的Oracle其中一个用户下就有将近900张表，手动去转换显然不可能。
这里我使用的工具是TransferDB，它可以支持异构数据Oracle到MySQL/TiDB的结构转换，项目主页https://github.com/wentaojin/transferdb。
这个工具由PingCAP某位大佬开发，虽然没有正式对外发布，但确实挺好用的。TransferDB是TiDB运维常用工具集（TiDBA）中的一部分，其他的还包含收集统计信息、Mok 解析 key、基于 region key、数据 range、数据估算生成打散语句、查看表数据以及索引 region leader 分布、版本升级，比对 3.0 以及 4.0 配置文件以及 tidb 系统变量等，可以说是非常实用了，它的项目主页是https://github.com/wentaojin/tidba
使用过Lightning的朋友对这个工具的使用一定不会陌生，从配置文件到运行程序几乎可以说是如出一辙，项目自带的操作手册也写的非常详细。
它包含以下几点核心功能：schema转换、表结构检查、迁移成本评估、数据迁移（全量或增量）、CSV导出等，其中有些功能目前还是实验特性，我这里只用到了它的核心特性schema转换。
它的配置文件参数非常丰富，注释很清晰使用起来非常简单，对于schema转换场景来说，只需要修改[source]和[target]部分的连接信息就行，详细的配置清单可以看这里：https://github.com/wentaojin/transferdb/blob/main/conf/config.toml
配置文件修改好以后，执行下面两条命令就可以实现转换：
# 这个过程是在目标库中生成一个迁移元信息库，用来存储转换规则、断点信息等等，类似于DM中的dm_meta库
./transferdb --config config.toml --mode prepare
# 这个过程是实现schema转换，输出sql文件
./transferdb --config config.toml --mode reverse
执行成以后会生成2个SQL文件，一个叫 reverse_${sourcedb}.sql，它是在TiDB中可以执行的sql，另一个是 compatibility_${sourcedb}.sql，它是TiDB不兼容的sql，比如Foreign Key、Constraint等等，这部分SQL需要人工去评估下使用别的方案来实现。
接着，把reverse_${sourcedb}.sql导入到TiDB即可，常用的两种方式：
- mysql -h -u -P < reverse.sql
- source reverse.sql
源数据导出
Oracle数据导出到CSV文件我使用sqluldr2来实现，这是一款在Oracle使用非常广泛的数据导出工具，它的特点就是小巧、轻便、速度快、跨平台、支持自定义SQL。
网上的资料比较多，这里就不详细介绍怎么去使用了，作者（前阿里数据库大佬）也写了一份超级详细的文档，大家搜索sqluldr2超详细使用教程-loracle数据导出工具及方法即可。
sqluldr2虽然很强大，但它却不支持批量导出这点很让人迷惑，没办法只能另辟蹊径来实现了。
我先把需要导出的表清单放到一个txt文件中：
./sqluldr2linux64.bin user=user/pwd@192.168.1.1:1521/orcl query='select table_name from all_tables where owner='test';' file=/tmp/tidb/sqluldr_tables.sql
再写一个批处理脚本把所有表进行导出：
#!/bin/bash
cat /tmp/tidb/sqluldr_tables.sql | while read line
do
echo $line
/tmp/tidb/sqluldr2linux64.bin user=user/pwd@192.168.1.1:1521/orcl query={$line} charset=UTF8 field=0x7c0x260x7c record=0x3d0x37 null=null file=/tmp/tidb/data/orcltest.{$line}.csv
done
这里有几点需要注意：
- 字段分隔符和换行符建议使用复杂的字符，最好使用多种组合字符（推荐使用ASCII码），这样能尽可能的避免出现导出的数据value count和column count不一致的情况。
- 导出的文件字符集设置成UTF8格式，避免数据导入到TiDB后出现中文乱码
- 由于后面要使用Lightning导入CSV，文件命名格式要符合Lightning的要求，即{dbname}.{tablename}.csv
到这里数据就准备就绪了。
导入到TiDB
往TiDB中导入CSV文件有两种常用的方式，第一种就是Lightning，第二种是Load Data，无论是从操作上还是性能上我都推荐优先考虑Lightning，原因如下：
- Load Data只能导入单个文件，Lightning可以批量导入
- Lightning以性能著称，支持多种后端模式，Load Data只能走计算层，还有内存放大现象
- 对于异常情况，Lightning可以断点续传，Load Data要清理数据重新导入
单从900个csv文件来看，Lightning绝对是第一选择。
这里贴一下Lightning的几项核心配置：
[tikv-importer]
# 选择使用的 local 后端
backend = "local"
# 设置排序的键值对的临时存放地址，目标路径需要是一个空目录
sorted-kv-dir = "/tmp/tidb/lightning_dir"
[mydumper]
data-source-dir = "/tmp/tidb/data"
no-schema = true
filter = ['*.*']
[mydumper.csv]
# 字段分隔符，支持一个或多个字符，默认值为 ','。
separator = '|&|'
# 引用定界符，设置为空表示字符串未加引号。
delimiter = ''
# 行尾定界字符，支持一个或多个字符。设置为空（默认值）表示 "\n"（换行）和 "\r\n" （回车+换行），均表示行尾。
terminator = "=%"
# CSV 文件是否包含表头。
# 如果 header = true，将跳过首行。
header = false
# CSV 文件是否包含 NULL。
# 如果 not-null = true，CSV 所有列都不能解析为 NULL。
not-null = false
# 如果 not-null = false（即 CSV 可以包含 NULL），
# 为以下值的字段将会被解析为 NULL。
null = '\N'
# 是否对字段内“\“进行转义
backslash-escape = true
# 如果有行以分隔符结尾，删除尾部分隔符。
trim-last-separator = false
注意事项：
- 推荐使用local模式，这样应对blob类型的数据处理更友好
- 不需要导入表结构，所以设置no-schema = true
- 分隔符和换行符这些要和sqluldr2设置的一样
最后运行Lightning即可：
./tidb-lightning --config tidb.toml --checkrequirements=false
这个过程中我还发现了一个Lightning的bug，后面我会尝试自己修复一下。
其他部分
至于Oracle的其他部分例如存储过程和自定义函数，也不用多想怎么去迁移了，老老实实改代码去应用端实现。
视图的话我是先用PLSQL把视图导成sql文件再导入TiDB中，但是报错的比较多，基本都是系统函数和语法不兼容问题，这部分就涉及SQL改写了，没有什么好的办法。
总结
在之前的项目中也使用过DSG来实现Oracle到TiDB的数据迁移，但它毕竟是个纯商业性工具，先充钱才能玩，对于这种测试阶段来说不是太好的选择。
当然了，官方发布的《TiDB in Action》一书中也给出了Oracle到TiDB的迁移案例：https://book.tidb.io/session4/chapter5/from-oracle-to-tidb.html，它基于Oracle自家的OGG组件来实现，部署使用上稍微有点麻烦。
本文提到的几个工具都是随取随用，不需要安装各种依赖环境，这对于我现在面对的这种没有网络没有yum源的服务器来说简直太舒服了，在这样的小数据量测试场景中不失是一种选择。
更多好方案也欢迎大家推荐，为TiDB生态助力。