Pgloader极简教程
简介
pgloader是一个数据同步工具，用来将数据从其它地方迁移到postgresql中，支持从如下源迁移：
- 文件：CSV、Fixed Format、Postgres COPY text format、DBF、IXF
- 数据库系统：SQLite、MySql、MSSQLServer、PostgreSQL、Redshift
应用场景
需要往postgresql中导入数据的时候，如数据迁移。
安装
安装概述
安装方式比较丰富，详见
https://pgloader.readthedocs.io/en/latest/install.html
。
遗憾的是未提供CentOS环境编译好的程序供下载，所以需要手动编译安装。
CentOS编译安装
去官网下载最新源码：
https://github.com/dimitri/pgloader
将源码放到 /usr/bin下，本文为例：
[root@bogon pgloader-3.6.9]# pwd
/usr/local/pgloader-3.6.9
如果下载的是源码压缩包需要使用如下命令解压：
tar -zxvf pgloader-3.6.9.tar.gz
赋予脚本执行权限：
cd /usr/local/pgloader-3.6.9
chmod -R 777 *
执行 bootstrap-centos7.sh 脚本，下载相关依赖
bootstrap-centos7.sh
执行编译：
make pgloader
如果有提示到 ("libcrypto.so.1.1" "libcrypto.so.1.0.0" "libcrypto.so.3" "libcrypto.so") 没有找到或者相关信息
需要先安装 openssl
yum -y install openssl openssl-devel
复制编译好的程序到系统执行目录 /usr/local/bin/ 下
cp /usr/local/pgloader-3.6.9/build/bin/pgloader /usr/local/bin/
查看是否安装好了：
[root@bogon home]# pgloader --version
pgloader version "3.6.7~devel"
compiled with SBCL 2.2.5
使用
pgloader 有两种常见的使用方式：
- 通过命令行
- 通过迁移配置文件
命令行
如下命令行：
pgloader mysql://user:password@ip:3306/dbName postgresql://user:password@ip:5432/dbName
- 将名为dbName的数据库结构和数据 从mysql迁移到postgresql
- pgloader 为上述 /usr/local/bin/pgloader 的可执行文件
- 后面是mysql 的连接信息 ， postgresql 的连接信息，中间使用空格分隔
- 需要使用有写入权限的账号，建议使用root用户操作
配置文件迁移
另外一种方式就是编写迁移配置文件，然后使用 pgloader sync.load 命令执行配置文件。
如下配置文件演示了仅同步mysql的source_db库中的ramble_doc 表到 postgresql中的target_db库中，执行完毕之后将在postgresql中新建一个名为ramble_doc 的表，并新增数据。
LOAD DATABASE
FROM mysql://root:xxx@192.168.1.92:3306/source_db
INTO postgresql://postgres:xxx@192.168.1.24:5432/target_db
INCLUDING ONLY TABLE NAMES matching 'ramble_doc' ;
- LOAD DATABASE ：表示从数据库执行迁移
- FROM ：源数据库连接信息
- INTO ：目标数据库连接信息
- INCLUDING ONLY TABLE NAMES matching ：仅包含匹配的表
- 最后那个分号不可少
- 配置文件需要按照格式编写，如缩进
如下配置文件演示了同步mysql 的source_db库下所有表到postgresql的target_db库下面，包含表结构和数据。
LOAD DATABASE
FROM mysql://root:xxx@192.168.1.92:3306/source_db
INTO postgresql://postgres:xxx@192.168.1.24:5432/target_db
WITH batch rows = 10000 , batch size =200MB , prefetch rows = 5000 , workers = 4 ,concurrency = 3
;
- WITH：with 后面可以追加一些附属参数，各个参数使用英文逗号分隔。常见的参数如：是否需要同步数据还是仅同步结构，是否在写入数据前先删除表等
- batch rows ：在同步数据的时候分批插入postgresql的行数，默认为2.5万。
- batch size：每批最大数据大小，设置此参数可避免出现内存溢出
- prefetch rows：在同步数据的时候分批从mysql读取的行数，默认为1000。
- workders： 线程数量
- concurrency：并发线程数量
可能遇到的错误
内存溢出
报错信息为：
Heap exhausted during garbage collection: 64 bytes available, 80 requested.
垃圾回收期间堆已耗尽：可用64个字节，请求80个字节。
解决方案为调优分批数量和并发数量，需要根据源数据库数据量，硬件情况不断尝试。
更多配置参考
官网给了一个例子：
LOAD DATABASE
FROM mysql://root@localhost/sakila
INTO postgresql://localhost:54393/sakila
WITH include drop, create tables, create indexes, reset sequences,
workers = 8, concurrency = 1,
multiple readers per thread, rows per range = 50000
SET PostgreSQL PARAMETERS
maintenance_work_mem to '128MB',
work_mem to '12MB',
search_path to 'sakila, public, "$user"'
SET MySQL PARAMETERS
net_read_timeout = '120',
net_write_timeout = '120'
CAST type bigint when (= precision 20) to bigserial drop typemod,
type date drop not null drop default using zero-dates-to-null,
-- type tinyint to boolean using tinyint-to-boolean,
type year to integer
MATERIALIZE VIEWS film_list, staff_list
-- INCLUDING ONLY TABLE NAMES MATCHING ~/film/, 'actor'
-- EXCLUDING TABLE NAMES MATCHING ~<ory>
-- DECODING TABLE NAMES MATCHING ~/messed/, ~/encoding/ AS utf8
-- ALTER TABLE NAMES MATCHING 'film' RENAME TO 'films'
-- ALTER TABLE NAMES MATCHING ~/_list$/ SET SCHEMA 'mv'
ALTER TABLE NAMES MATCHING ~/_list$/, 'sales_by_store', ~/sales_by/
SET SCHEMA 'mv'
ALTER TABLE NAMES MATCHING 'film' RENAME TO 'films'
ALTER TABLE NAMES MATCHING ~/./ SET (fillfactor='40')
ALTER SCHEMA 'sakila' RENAME TO 'pagila'
BEFORE LOAD DO
$$ create schema if not exists pagila; $$,
$$ create schema if not exists mv; $$,
$$ alter database sakila set search_path to pagila, mv, public; $$;
https://pgloader.readthedocs.io/en/latest/ref/mysql.html
总结
pgloader是一个数据库迁移工具，花一点点时间研究一下如何使用，将在数据库迁移的时候起到事半功倍的效果，往往比自己编写迁移脚本更加完善和可靠。