Oracle数据迁移至ClickHouse（一）：datax
一．前言ClickHouse是andex在2016年6月15日开源了一个数据分析的数据库，国内一些大厂也在使用：今日头条 内部用ClickHouse来做用户行为分析，内部一共几千个ClickHouse节点，单集群最大1200节点，总数据量几十PB，日增原始数据300TB左右，大多数查询相应时间在几秒钟。腾讯内部用ClickHouse做游戏数据分析，并且为之建立了一整套监控运维体系。携程内部...
文章共7,339字 · 阅读需要大约25分钟
一．前言
ClickHouse是Yandex在2016年6月15日开源的一个数据分析数据库，国内使用情况：
今日头条 内部用ClickHouse来做用户行为分析，内部一共几千个ClickHouse节点，单集群最大1200节点，总数据量几十PB，日增原始数据300TB左右，大多数查询相应时间在几秒钟。
腾讯内部用ClickHouse做游戏数据分析，并且为之建立了一整套监控运维体系。
携程内部从18年7月份开始接入试用，目前80%的业务都跑在ClickHouse上。每天数据增量十多亿，近百万次查询请求。
快手内部也在使用ClickHouse，存储总量大约10PB， 每天新增200TB， 90%查询小于3S。
ClickHouse处理速度快，但快也是有代价的，限制如下：
不支持事务;
不支持delete&update；
不支持高并发，即使一个查询，也会用服务器一半的CPU去执行，官方建议qps为100；
SQL满足日常使用80%以上的语法，join写法比较特殊;
ClickHouse官方文档参见：ClickHouse文档
二．ClickHouse安装
比较简单，网上文档很多，不再阐述。
三．数据迁移方法
看了下相关资料，批量数据迁移大概三种方法
1.csv导入
这种方法速度非常快，普通服务器导入千万数据60秒左右，如果SSD盘会更快; 但是从Oracle大表快速导出csv是个问题，Oracle存储过程在服务器端导出千万数据花了一个多小时(csv6G左右)。
2.第三方工具，如flume,datax等
flume暂不说，datax官网并没有提供ClickHouse支持，不过GitHub有热心同仁提供了源码，需要自己打包，见：Datax源码
3.自己写代码
这种费时费力不说，效率也不能保证，关键没那么多时间^_^。
四．DATAX实测
create table TDBA_TEST01
(
TID number primary key,
TSN varchar2(40),
TNO number,
TAMT number(15,2),
CREATE_DATE date not null,
UPDATE_DATE date,
UPDATE_TIME date
)
INSERT INTO TDBA_TEST01 VALUES(1,'SN001',1,1.01,TO_DATE('2020-02-01','YYYY-MM-DD'),TO_DATE('2020-02-02','YYYY-MM-DD'),TO_DATE('2020-02-02 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(2,'SN002',2,2.12,TO_DATE('2020-02-02','YYYY-MM-DD'),TO_DATE('2020-02-03','YYYY-MM-DD'),TO_DATE('2020-02-03 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(3,'SN003',3,3.23,TO_DATE('2020-02-03','YYYY-MM-DD'),TO_DATE('2020-02-04','YYYY-MM-DD'),TO_DATE('2020-02-04 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(4,NULL,4,4.34,TO_DATE('2020-02-04','YYYY-MM-DD'),TO_DATE('2020-02-05','YYYY-MM-DD'),TO_DATE('2020-02-05 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(5,'SN005',NULL,5.45,TO_DATE('2020-02-05','YYYY-MM-DD'),TO_DATE('2020-02-06','YYYY-MM-DD'),TO_DATE('2020-02-06 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(6,'SN006',6,NULL,TO_DATE('2020-02-06','YYYY-MM-DD'),TO_DATE('2020-02-07','YYYY-MM-DD'),TO_DATE('2020-02-07 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(7,'SN007',7,7.67,TO_DATE('2020-02-07','YYYY-MM-DD'),NULL,TO_DATE('2020-02-08 01:01:01','YYYY-MM-DD HH24:MI:SS'));
INSERT INTO TDBA_TEST01 VALUES(8,'SN008',8,8.78,TO_DATE('2020-02-08','YYYY-MM-DD'),TO_DATE('2020-02-09','YYYY-MM-DD'),NULL);
INSERT INTO TDBA_TEST01 VALUES(9,NULL,NULL,NULL,TO_DATE('2020-02-09','YYYY-MM-DD'),NULL,NULL);
ClickHouse数据库
create table TEST01
(
TID UInt32,
TSN String,
TNO UInt16,
TAMT Decimal(15,2),
CREATE_DATE Date,
UPDATE_DATE Date,
UPDATE_TIME DateTime
) ENGINE = MergeTree(CREATE_DATE, (TID), 8192)
2.源码打包，打包完上传Datax.tar.gz解压即可，源码：https://github.com/kuangye098/DataX
3.配置json文件，样例如下：
[root@ipshis bin]# more test.json
{
"job": {
"content": [
{
"reader": {
"name": "oraclereader",
"parameter": {
"connection": [ {
"jdbcUrl": ["jdbc:oracle:thin:@192.168.xxx.xxx:port:sid"],
"querySql": ["select * from TDBA_TEST01"]}
],
"username": "OracleUser",
"password": "OracleUserPwd"
}
},
"writer": {
"name": "clickhousewriter",
"parameter": {
"username": "default",
"password": "test#1234",
"column":["*"],
"connection": [
{
"jdbcUrl": "jdbc:clickhouse://127.0.0.1:8123/default",
"table":["TEST01"]
}
]
}
}
}
],
"setting": {
"speed": {
"channel":1
}
}
}
}
4.运行
[root@ipshis bin]# pwd
/datax/bin
[root@ipshis bin]# ./datax.py test.json
DataX (DATAX-OPENSOURCE-3.0), From Alibaba !
Copyright © 2010-2017, Alibaba Group. All Rights Reserved.
2020-03-02 10:17:54.326 [main] INFO VMInfo - VMInfo# operatingSystem class => com.sun.management.UnixOperatingSystem
2020-03-02 10:17:54.332 [main] INFO Engine - the machine info =>
osInfo: Oracle Corporation 1.7 24.45-b08
jvmInfo: Linux amd64 2.6.32-431.el6.x86_64
cpu num: 40
totalPhysicalMemory: 125.93G
freePhysicalMemory: 13.56G
maxFileDescriptorCount: 4096
currentOpenFileDescriptorCount: 43
GC Names [PS MarkSweep, PS Scavenge]
MEMORY_NAME | allocation_size | init_size
PS Survivor Space | 42.50MB | 42.50MB
PS Old Gen | 683.00MB | 683.00MB
PS Eden Space | 256.50MB | 256.50MB
Code Cache | 48.00MB | 2.44MB
PS Perm Gen | 166.00MB | 21.00MB
2020-03-02 10:17:54.353 [main] INFO Engine -
{
“content”:[
{
“reader”:{
“name”:“oraclereader”,
“parameter”:{
“connection”:[
{
“jdbcUrl”:[
“jdbc:oracle:thin:@192.168.xxx.xxx:port:sid”
],
“querySql”:[
“select * from TDBA_TEST01”
]
}
],
“password”:“",
“username”:“ips2”
}
},
“writer”:{
“name”:“clickhousewriter”,
“parameter”:{
“column”:[
""
],
“connection”:[
{
“jdbcUrl”:“jdbc:clickhouse://127.0.0.1:8123/default”,
“table”:[
“TEST01”
]
}
],
“password”:"”,
“username”:“default”
}
}
}
],
“setting”:{
“speed”:{
“channel”:1
}
}
}
2020-03-02 10:17:54.375 [main] WARN Engine - prioriy set to 0, because NumberFormatException, the value is: null
2020-03-02 10:17:54.377 [main] INFO PerfTrace - PerfTrace traceId=job_-1, isEnable=false, priority=0
2020-03-02 10:17:54.377 [main] INFO JobContainer - DataX jobContainer starts job.
2020-03-02 10:17:54.380 [main] INFO JobContainer - Set jobId = 0
2020-03-02 10:17:54.675 [job-0] INFO OriginalConfPretreatmentUtil - Available jdbcUrl:jdbc:oracle:thin:@192.168.xxx.xxx:port:sid.
2020-03-02 10:17:54.711 [job-0] INFO ClickHouseDriver - Driver registered
2020-03-02 10:17:54.920 [job-0] INFO OriginalConfPretreatmentUtil - table:[TEST01] all columns:[
TID,TSN,TNO,TAMT,CREATE_DATE,UPDATE_DATE,UPDATE_TIME
].
2020-03-02 10:17:54.921 [job-0] WARN OriginalConfPretreatmentUtil - 您的配置文件中的列配置信息存在风险. 因为您配置的写入数据库表的列为*，当您的表字段个数、类型有变动时，可能影响任务正确性甚至会运行出错。请检查您的配置并作出修改.
2020-03-02 10:17:54.922 [job-0] INFO OriginalConfPretreatmentUtil - Write data [
INSERT INTO %s (TID,TSN,TNO,TAMT,CREATE_DATE,UPDATE_DATE,UPDATE_TIME) VALUES(?,?,?,?,?,?,?)
], which jdbcUrl like:[jdbc:clickhouse://127.0.0.1:8123/default]
2020-03-02 10:17:54.922 [job-0] INFO JobContainer - jobContainer starts to do prepare …
2020-03-02 10:17:54.923 [job-0] INFO JobContainer - DataX Reader.Job [oraclereader] do prepare work .
2020-03-02 10:17:54.923 [job-0] INFO JobContainer - DataX Writer.Job [clickhousewriter] do prepare work .
2020-03-02 10:17:54.930 [job-0] INFO JobContainer - jobContainer starts to do split …
2020-03-02 10:17:54.930 [job-0] INFO JobContainer - Job set Channel-Number to 1 channels.
2020-03-02 10:17:54.933 [job-0] INFO JobContainer - DataX Reader.Job [oraclereader] splits to [1] tasks.
2020-03-02 10:17:54.933 [job-0] INFO JobContainer - DataX Writer.Job [clickhousewriter] splits to [1] tasks.
2020-03-02 10:17:54.951 [job-0] INFO JobContainer - jobContainer starts to do schedule …
2020-03-02 10:17:54.958 [job-0] INFO JobContainer - Scheduler starts [1] taskGroups.
2020-03-02 10:17:54.960 [job-0] INFO JobContainer - Running by standalone Mode.
2020-03-02 10:17:54.967 [taskGroup-0] INFO TaskGroupContainer - taskGroupId=[0] start [1] channels for [1] tasks.
2020-03-02 10:17:54.972 [taskGroup-0] INFO Channel - Channel set byte_speed_limit to -1, No bps activated.
2020-03-02 10:17:54.972 [taskGroup-0] INFO Channel - Channel set record_speed_limit to -1, No tps activated.
2020-03-02 10:17:54.982 [taskGroup-0] INFO TaskGroupContainer - taskGroup[0] taskId[0] attemptCount[1] is started
2020-03-02 10:17:54.986 [0-0-0-reader] INFO CommonRdbmsReader
T
a
s
k
−
B
e
g
i
n
t
o
r
e
a
d
r
e
c
o
r
d
b
y
S
q
l
:
[
s
e
l
e
c
t
∗
f
r
o
m
T
D
B
A
T
E
S
T
01
]
j
d
b
c
U
r
l
:
[
j
d
b
c
:
o
r
a
c
l
e
:
t
h
i
n
:
@
192.168.
x
x
x
.
x
x
x
:
p
o
r
t
:
s
i
d
]
.
2020
−
03
−
0210
:
17
:
55.073
[
0
−
0
−
0
−
r
e
a
d
e
r
]
I
N
F
O
C
o
m
m
o
n
R
d
b
m
s
R
e
a
d
e
r
Task - Begin to read record by Sql: [select * from TDBA_TEST01 ] jdbcUrl:[jdbc:oracle:thin:@192.168.xxx.xxx:port:sid]. 2020-03-02 10:17:55.073 [0-0-0-reader] INFO CommonRdbmsReader
Task−BegintoreadrecordbySql:[select∗fromTDBATEST01]jdbcUrl:[jdbc:oracle:thin:@192.168.xxx.xxx:port:sid].2020−03−0210:17:55.073[0−0−0−reader]INFOCommonRdbmsReaderTask - Finished read record by Sql: [select * from TDBA_TEST01
] jdbcUrl:[jdbc:oracle:thin:@192.168.xxx.xxx:port:sid].
2020-03-02 10:17:55.286 [0-0-0-writer] ERROR WriterRunner - Writer Runner Received Exceptions:
com.alibaba.datax.common.exception.DataXException: Code:[DBUtilErrorCode-05], Description:[往您配置的写入表中写入数据时失败.]. - java.lang.NullPointerException
at java.util.Calendar.setTime(Calendar.java:1106)
at java.text.SimpleDateFormat.format(SimpleDateFormat.java:955)
at java.text.SimpleDateFormat.format(SimpleDateFormat.java:948)
at java.text.DateFormat.format(DateFormat.java:336)
at ru.yandex.clickhouse.ClickHousePreparedStatementImpl.setDate(ClickHousePreparedStatementImpl.java:237)
at com.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriter
T
a
s
k
.
f
i
l
l
P
r
e
p
a
r
e
d
S
t
a
t
e
m
e
n
t
C
o
l
u
m
n
T
y
p
e
(
C
l
i
c
k
H
o
u
s
e
W
r
i
t
e
r
.
j
a
v
a
:
324
)
a
t
c
o
m
.
a
l
i
b
a
b
a
.
d
a
t
a
x
.
p
l
u
g
i
n
.
w
r
i
t
e
r
.
c
l
i
c
k
h
o
u
s
e
w
r
i
t
e
r
.
C
l
i
c
k
H
o
u
s
e
W
r
i
t
e
r
Task.fillPreparedStatementColumnType(ClickHouseWriter.java:324) at com.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriter
Task.fillPreparedStatementColumnType(ClickHouseWriter.java:324)atcom.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriterTask.fillPreparedStatement(ClickHouseWriter.java:266)
at com.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriter
T
a
s
k
.
d
o
B
a
t
c
h
I
n
s
e
r
t
(
C
l
i
c
k
H
o
u
s
e
W
r
i
t
e
r
.
j
a
v
a
:
248
)
a
t
c
o
m
.
a
l
i
b
a
b
a
.
d
a
t
a
x
.
p
l
u
g
i
n
.
w
r
i
t
e
r
.
c
l
i
c
k
h
o
u
s
e
w
r
i
t
e
r
.
C
l
i
c
k
H
o
u
s
e
W
r
i
t
e
r
Task.doBatchInsert(ClickHouseWriter.java:248) at com.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriter
Task.doBatchInsert(ClickHouseWriter.java:248)atcom.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriterTask.doBatchExecute(ClickHouseWriter.java:236)
at com.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriter
T
a
s
k
.
s
t
a
r
t
W
r
i
t
e
W
i
t
h
C
o
n
n
e
c
t
i
o
n
(
C
l
i
c
k
H
o
u
s
e
W
r
i
t
e
r
.
j
a
v
a
:
194
)
a
t
c
o
m
.
a
l
i
b
a
b
a
.
d
a
t
a
x
.
p
l
u
g
i
n
.
w
r
i
t
e
r
.
c
l
i
c
k
h
o
u
s
e
w
r
i
t
e
r
.
C
l
i
c
k
H
o
u
s
e
W
r
i
t
e
r
Task.startWriteWithConnection(ClickHouseWriter.java:194) at com.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriter
Task.startWriteWithConnection(ClickHouseWriter.java:194)atcom.alibaba.datax.plugin.writer.clickhousewriter.ClickHouseWriterTask.startWrite(ClickHouseWriter.java:214)
at com.alibaba.datax.core.taskgroup.runner.WriterRunner.run(WriterRunner.java:56)
at java.lang.Thread.run(Thread.java:744)
…
5.问题
报错信息“…java.lang.NullPointerException…”，主要原因是ClickHouse不支持Null值(非String)，解决方法很多种
1.修改Oracle相关信息，把所有Null栏位填入默认值，或者json配置中把Null列排除，这种方法在实际工作中不现实。
2.修改Datax源码，把所有Null置默认值，这个还是可行的，只要有点java基本知识，难度不大;
参照ClickHouse文档，Null的修改规则如下：
数字类型Null值默认置0
日期时间类型Null值默认置0000-00-00 00:00:00
6.修改源码，打包上传解压，再次运行
…
任务启动时刻 : 2020-03-02 11:00:47
任务结束时刻 : 2020-03-02 11:00:58
任务总计耗时 : 10s
任务平均流量 : 26B/s
记录写入速度 : 0rec/s
读出记录总数 : 9
读写失败总数 : 0
五．总结
CSV方式导入速度很给力，但有诸多限制，使用场景有限。
Datax更通用，期待官方能早日提供对ClickHouse的支持，它效率还是相当给力的，下面是千万级数据的实测迁移统计
任务启动时刻 : 2020-03-02 20:03:42
任务结束时刻 : 2020-03-02 20:17:02
任务总计耗时 : 800s
任务平均流量 : 3.88MB/s
记录写入速度 : 13511rec/s
读出记录总数 : 10808915
读写失败总数 : 0
本文附带的资源datax.tar.gz是修改过Null值的打包文件,文件比较小仅包含对Oracle,MySQL,SQLSERVER,ClickHouse的支持，可以直接使用。
旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。
更多推荐
2
0- 0
已为社区贡献1条内容
所有评论(0)