dts数据库迁移工具_传统数据库迁移上云利器-ADAM

自1970年关系型数据库被提出以来,至今已有50年历史。但在关系型数据库领域正在发生着巨大的变化,首先是互联网的发展,使得开源数据库越来越受欢迎,可扩展性成为支撑业务发展的重要特性,比如WebScaleSQL就是几个互联网公司共同推进的追求更高规模和性能的MySQL分支;然后是云计算的发展,传统关系数据库的市场面临巨大的挑战,用户倾向使用云服务和云数据库,传统线下数据库迁移到云原生数据库是主流趋势。

虽然企业有诉求,但异构数据库迁移本就不是一件容易的事,传统商业数据库如Oracle、DB2因为功能完整,语法丰富,很好地支持了事务和分析型场景,一般数据库很难替换掉。开源数据库一度被认为是传统数据库的挑战者,但最终还是难以动摇其垄断地位,直到近几年以AWS Aurora和阿里云PolarDB、AnalyticDB为代表的云原生数据库的发展,让大家看到了曙光。

据Gartner 预测,到2023年,全球3/4的数据库都会跑在云上,这意味着未来云数据库将主导市场。但是在传统数据库向云数据库进行异构迁移过程中,作为数据库使用者,我们如何评估异构迁移的兼容性、稳定性、性能风险呢?

越来越多的企业打算迁移,但从近几年的市场分析看,企业独立迁移成功的并不多。阿里巴巴从内部丰富的业务场景迁移开始,在异构迁移上通过项目实践,将科学的方法论最终沉淀为产品化的工具-ADAM(Advanced Database&Application Migration),ADAM将应用和数据库整体进行评估,制定迁移计划并提供智能转换能力,最大程度降低改造投入,将这个难题变为可规模化复制,阿里巴巴副总裁、阿里云智能数据库事业部总负责人李飞飞曾表示,“阿里云今年要帮1000家企业完成传统数据库上云”。

5d6a12da4249b97aecc672942acf59f3.png

阿里云数据库团队这块款名叫ADAM(亚当)的产品,可以降低80%的迁移难度和项目成本,目前已支持多种异构数据库和应用迁移上云。

我们来看下ADAM是怎么做到的:

数据库智能选型推荐

传统异构数据库替换,一般要先找到精通传统商业数据库和云数据库的专业DBA,进行技术选型调研,找到可能合适的目标数据库,然后通过POC测试验证可行性。

ADAM通过对源库进行数据采集,分析客户对数据库的实际使用情况,结合400多项打标规则,识别出最适合的目标数据库,真正做到千库千面,无须经验丰富的DBA做技术调研,技术选型时间降为0;

e794d652c67218cea688544d629ef6d4.png

如下图示例,针对某客户的语法使用特性进行分析,识别出该数据库属于“结构复杂、实时性要求高”的联机事务型,推荐OLTP型数据库;第二步,针对目前市面上主流的事务型数据库进行DDL和SQL的语法兼容性分析,并根据ADAM能支持的2000+自动转换规则评估出最终兼容性。ADAM不做强制捆绑,只提供公正的评估报告,由客户来最终决策要选择的目标数据库。

574e30a220ba242e4109e2a3f8dc909b.png
bfa1e7502cd64d488da8b730a11d7f86.png

生成兼容评估报告供迁移决策

传统数据库替换,在构建完目标库后,进行POC手工迁移,并逐个验证,识别出不兼容点,评估是否适合迁移。ADAM通过自动采集的数据,根据语法识别和语义分析将源库应用特有语法进行兼容性评估,无须进行POC测试,即识别出风险点、兼容性、改造工作量、迁移成本等,确保项目可控。

如下图某客户示例,可以直观的看到数据库DDL兼容性、SQL兼容性,改造点数量、目标库成本(未打折预算)、风险数量等,点击详情可看到每个对象的具体兼容性情况。

9989f5f67ce96144b89e84278eee4521.png

数据库智能订正

传统数据库迁移改造,DBA识别出不兼容的DDL,根据官方文档逐条改造调试。ADAM通过智能学习,自动识别Oracle和业界通用数据库的语法差异,并进行智能订正,以SQL染色的形式将订正的差异点进行高亮标识;通过对数据库对象依赖关系梳理,提供按顺序执行的智能订正的对象DDL;例如Oracle数据库迁移到PolarDB-O,通过ADAM智能订正后,已可以做到95%的兼容性,即95%的DDL无需客户做任何操作即可以直接使用,并且对于其他不能通过软件自动化转换的5%,ADAM也提供了详细的专家建议和改造示例,DBA可根据示例很轻松的进行订正。

86dabc4bdc475e33ec569d296a541f4b.png

应用自助评估及改造

异构数据库迁移改造是地铁工程,所有环节打通才能通车,而异构数据库迁移一定涉及业务代码的改造,这是最复杂的部分。很多客户有几十个应用,已运行多年,改造无从下手。传统做法是数据库迁移完成后,部署应用进行测试,对报错的sql进行逐条修改。而ADAM的应用评估可帮助客户梳理应用和数据库的拓扑关系,分批改造,比如某客户有10套Oracle RAC,300个应用,通过应用拓扑分析,可以拆分为20多个应用分组,将应用分组和数据库的复杂关系变成清晰的拓扑依赖,将一个复杂的大规模应用和数据库迁移变为一个个库和应用组的迁移,大大降低改造风险。

00bd3a5087ee522f09c1189c0a70123b.png

同时经过应用评估可识别出所有不兼容的SQL及代码中的具体定位,并智能修订为兼容的SQL,客户根据代码定位可以一次性修改所有不兼容点。

300787518b909421f9c13901eedddcf6.png

可以看到,ADAM是从应用和数据库整体视角,端到端地帮助用户数据库进行迁移,同时生成评估报告、生成迁移计划、迁移对象智能订正、应用自助改造等核心功能沉淀。东南亚头部电商客户替换Oracle最终选择的就是ADAM+DTS+PolarDB的解决方案,阿里云数据库国际站产品负责人德迈介绍:“使用 ADAM 分析之后,我们发现,如果不使用 ADAM,从 Oracle 迁移到 PostgreSQL,80% 以上的数据库和应用代码是需要修改的,如果使用 ADAM 迁移到 PostgreSQL,只有10% 左右的代码是需要修改的,而通过ADAM+PolarDB,只有 5% 的代码需要修改”,这也是阿里云能够支持传统商业数据库大规模上云的主要原因。

6ed2374ecefc1274e83ed154ba1e35d0.png

ADAM集成内部数据迁移工具DTS、外部DSG等丰富的工具,为异构数据库迁移提供全链路服务和护航。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/431220.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

python解zuobiaoxi方程_吴恩达《Machine Learning》精炼笔记 2:梯度下降与正规方程

作者:Peter红色石头的个人网站:红色石头的个人博客-机器学习、深度学习之路​www.redstonewill.com今天带来第二周课程的笔记:梯度下降与正规方程。主要内容:多维特征多变量梯度下降梯度下降法实践正规方程多维特征Multiple Featu…

计算机房按几类防雷,计算机机房防雷方案

常见问题计算机机房防雷方案2461一键分享这些微电子网络设备的普遍应用,使得防雷的问题显得越来越重要。由于微电子设备具有高密度、高速度、低电压、和低功耗等特性,这就使其对各种诸如雷电过电压、电力系统操作过电压、静电放电、电磁辐射等电磁干扰非…

webpack最新版本_webpack小结-开发环境构建优化

刚刚对我们前端项目做了一顿分析优化操作,因为接手时每次构建要花两分钟左右的时间,实在忍受不了,只能动手了。通过这次优化,重新温习了下 webpack 的一些知识。接下来会关于 webpack 展开写几篇心得:构建分析开发环境…

Xamarin Mono for VS开发窗体标题(Title)乱码解决方案

利用mono for VS开发一个手机程序,结果只有窗体的标题 title部分是乱码,其他所有地方中文都显示正常,很郁闷。百度很久无果。最后发现只要在 VS菜单中 的 文件->高级保存选型中奖编码设置为 Unicode或者UTF8就行了。更改所有有乱码的文件&…

nlp 命名实体识别 算法_中文命名实体识别算法 Lattice LSTM

中文命名实体识别 (NER) 算法按照输入的类型,可以大致分为 Character-based (字符) 和 Word-based (单词) 两种。这两种方法都存在一些缺陷,Character-based 不能利用词汇和词汇序列信息;Word-based 需要分词,分词的错误会对 NER …

margin background_margin:auto与布局展示

margin:auto 的作用机制。使用margin:auto居中,是css的基本操作。但会发现时不时的失灵。 这篇文章是对该属性的深度分析。首先,以下事实(自动填充)必须明确(1)有时候元素就算没有设置width 或height&#…

智能客户端ios_为什么现在的客户端开发越来越不吃香了

这是Kevin的第 672 篇原创,持续日更,做产品经理的创业斜杠青年。年底上线APP,是我们今年PMTalk在产品研发上的一个最终目标。启动这个项目前,团队、和身边创业朋友都不看好这件事,因为客户端开发太重了,小公…

用计算机录制声音让音质更好,电脑如何录屏?电脑录屏如何把声音也录制下来...

电脑如何录屏?电脑录屏如何把声音也录制下来2019年09月24日 14:25作者:黄页编辑:黄页分享电脑如何录屏?当你看到精彩的视频内容时,往往经常会出现,无法下载视频或者是下载很麻烦的问题。那么这个时候,可以…

第九周 10.25-10.31

10.25 HDU 4117 GRE Words 卡了很久的一个题目。比较综合。 看了很久题解还是各种写挫。 毕竟除了模拟题都没敲过那么长的。 题意:按顺序给N个单词,每个单词有权值,删去其中任意单词,使得前面的单词为后面单词的子串,求…

芯片设计中的latch_Latch-up (闩锁效应)

------------------------------------WeChat subscription account:Analog CMOS------------------------------------每周分享Analog IC学习资料/笔记。关注获取。。。。。00 - 本文内容CMOS 中的闩锁效应(latch-up)的来源具体的避免 latch…

pythonopencv算法_python opencv之SURF算法示例

本文介绍了python opencv之SURF算法示例,分享给大家,具体如下: 目标: SURF算法基础 opencv总SURF算法的使用 原理: 上节课使用了SIFT算法,当时这种算法效率不高,需要更快速的算法。在06年有人提…

c++判断ftp服务器文件存在性判断_BitTorrent协议与传统文件分发协议对比

一、文件传输前端时间做了和文件传输相关的工作,今天抽空做个总结。总结一下平常使用的几种协议以及BtTorrent协议。其实BitTorrent协议也不是什么新协议,它诞生也十几年了。咱也蹭个热点,最近几年大火的区块链技术也和BitTorrent协议有着异曲…

java基础全套

这是我自己早前听课时整理的java基础全套知识 使用于初学者 也可以适用于中级的程序员 我做成了chm文档的类型 你们可以下载 笔记是比较系统全面,可以抵得上市场上90%的学习资料。讨厌那些随便乱写的资料还有拿出来卖钱的人!在这里我免费的分享出来供…

顺丰快递单号的规律_顺丰速运顺丰快递单号查询大全

如何一键查询快递单号顺丰快递单号查询跟踪,鸡蛋是我们日常生活当中最为常见的一种食材啦,相信在每一个家庭当中每天都会吃到鸡蛋,因为鸡蛋的营养价值非常高,它含有丰富的蛋白质,可以为我们身体提供能量,别…

用计算机求正有理数算术平方根的步骤,用计算器求算数平方根、用有理数估计算数平方根的大小.ppt...

用计算器求算数平方根、用有理数估计算数平方根的大小.ppt 上传人:jw****88文档编号:85573818上传时间:2020-06-11格式:PPT页数:20大小:2.14MB下载提示(请认真阅读)1.请仔细阅读文档,确保文档完…

【整理】强化学习与MDP

【入门,来自wiki】 强化学习是机器学习中的一个领域,强调如何基于环境而行动,以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论,即有机体如何在环境给予的奖励或惩罚的刺激下,逐步形成对刺激的预期&#x…

nginx 根证书 服务器证书,Nginx双向证书校验(服务器验证客户端证书)

1、创建Root CA私钥openssl genrsa -out root-ca.key 10242、创建Root CA证书请求openssl req -new -out root-ca.csr -key root-ca.key3、签发Root CA根证书openssl x509 -req -in root-ca.csr -out root-ca.crt -signkey root-ca.key -CAcreateserial -days 36505、生成服务器…

移动app测试的多样性_做移动APP功能测试,这些因素你得都考虑到~

对于刚入行的测试新手来说,无论是做手动测试还是自动化测试,前期都避免不了学习前人经验,从而尽可能减少自己的漏测问题。作为一个过来人,今天,我就将自己的移动APP功能测试分享给大家,希望对新手有一定帮助…

pytorch dropout_PyTorch初探MNIST数据集

前言:本文主要描述了如何使用现在热度和关注度比较高的Pytorch(深度学习框架)构建一个简单的卷积神经网络,并对MNIST数据集进行了训练和测试。MNIST数据集是一个28*28的手写数字图片集合,使用测试集来验证训练出的模型对手写数字的识别准确率…

saphana服务器硬件评估,华为SAP HANA一体机:你身边的数据计算专家

​ 华为服务器高级营销经理 谭鑫/文​在当今数字经济时代,如何将数据快速变现为价值资产是很多企业追求的目标。借助SAPHANA平台方案与技术,可以将数据处理化繁为简,及时汲取价值信息,为企业的业务决策提供数据参考,从…