草庐IT

使用BCP + Polybase 实现本地数据迁移到Azure DB

Weizheng 2023-03-28 原文

使用BCP + Polybase 实现本地数据迁移到Azure DB

 

一、背景

最近因为要做一些实验的缘故, 需要在Azure DB上准备一些带数据的数据库。 AdventureWorks2019 和AdventureWorksDW2019就挺合适的,官网上能提供这两个数据库的备份文件。 在我将其成功还原到了本地SQL 实例中, 但是怎么把数据迁移到Azure DB上有点犯难了。

虽然办法有很多,比如可用采用数据库迁移工具。但我的目标是能尽量的自动化,因此更希望以脚本的方式来实现。在这个目标前提下, 成功实现了数据的上云迁移。 我的这个方式不一定是最好的,但效率上还是挺不错的,而且在数据迁移的过程中也趟了一些坑。因此在此记录过程中踩过的一些问题,有需要的可以借鉴。

 

二、过程

以下为具体实施过程的记录。

 

 

Step 1: BCP 导出数据为文件。

-- ===============

-- bcp 批量导出数据

-- ===============

select concat('bcp AdventureWorksDW2019.'

, a.name,'.' , b.name

, ' out ', a.name, '.', b.name, '.txt -c -t"|" -T -S. -C65001') as c

from sys.schemas a

     inner join sys.objects b on a.schema_id = b.schema_id

        where (b.name like 'dim%' or b.name like 'fact%') and b.type='u'

        order by a.name, b.name

-- 示例

bcp AdventureWorksDW2019.dbo.DimAccount out dbo.DimAccount.txt -c -t"|" -T -S. -C65001

 

1)     上面SQL的结果是形成多个BCP的命令, 将AdventureWorksDW2019的DIM表和FACT表的数据导出到独立txt文件的命令。

2)     没有文件头行, 也就是没有表头;如果需要表头,只能用Query的方式Union All一行出来。不过在我的实验中,可不用要求导出表头; 而是直接使用raw表的schema。 题外一句,这么用,可能不太适合使用ADF的场景。

3)     没有Quated; 因此如果使用逗号,分隔, 一定要注意现有的内容是否也会包含逗号;如果包含了, 则需要改成其他分隔符, 在此我使用的是竖线”|”作为分隔符;

4)     Code page = 65001 (UTF8 Formated)。大部分情况都不需要指定Code Page, 但是我在导出DimProduct表的是时候出现了乱码问题, 指定Code Page = 65001解决。

5)     类型问题, 比如binary, image, geometry , 这些事实上都不会造成困扰。

Step 2: 上传数据文件到Azure Blob

1)     可用使用azcopy 工具将文件上传,可用查阅官网示例 azcopy | Microsoft Learn

2)     也可以手动。本例中我是手动在Portal上上传到路径src_data/adventureworks2019dw/bcp 下的

Step3: 数据库上新建 External Data Source

1)     参考文档 CREATE EXTERNAL DATA SOURCE (Transact-SQL) - SQL Server | Microsoft Learn

2)     已手动建立【azblobadvtwksblob】

Step 4: 在数据库上建立raw 表

1)     建raw表目的是为了能让数据更好的从blob中通过polybase技术复制到SQL DB中来。

2)     创建raw schema

CREATE SCHEMA raw

3)     1:1 创建raw表

select concat('SELECT top 0 * INTO raw.', a.name,'_', b.name

            , ' FROM ', a.name , '.', b.name

            , '; TRUNCATE table raw.',  a.name,'_', b.name )

from sys.schemas a

     inner join sys.objects b on a.schema_id = b.schema_id

    where (b.name like 'dim%' or b.name like 'fact%')

           and b.type='u' and a.name='dbo'

    order by a.name, b.name

 

-- 示例

SELECT top 0 * INTO raw.dbo_DimAccount FROM dbo.DimAccount; TRUNCATE table raw.dbo_DimAccount

SELECT top 0 * INTO raw.dbo_DimCurrency FROM dbo.DimCurrency; TRUNCATE table raw.dbo_DimCurrency

 

NOTES: 这样做, 可用减少手动一个个建表的工作量。确保raw表是空表,无数据。

为什么要建raw层的表? 目的就是为了减少因为DB本身的约束导致的数据导入失败,比如外键、视图绑定、类型问题等,因为raw表没有外键、Identity、引用等约束条件,所以复制数据的时候不容易产生问题。数据都进入DB了, 再查询起来就比较方便, 也就更容易找到问题所在。数据在Blob上,理论上也有工具可以查询,但是从效率上还是SQL更高。

在本例中 ,由于是同构的数据库,所以不会出现类型兼容的问题。 但是如果有必要, 可用将raw表的所有的字段类型都改为nvarchar(N)的,N取决于业务字段具体的长度。这样在上数的过程中更不容易出现类型转换不兼容导致的问题。具体的类型转换,将在” 从raw表查询数据插入到目标表”步骤中隐式实现也可以。

Step 5: 将数据导入到raw表

1) 使用PolyBase技术,将外部数据源的数据接入到raw表中

-- ===============

-- 从外部文件加载数据

-- ===============

declare @root nvarchar(400) = 'src-data/adventureworks2019dw/bcp/'

SELECT CONCAT('TRUNCATE TABLE raw.', a.name,'_', b.name ,';BULK INSERT raw.',   a.name,'_', b.name, ' FROM ''' , @root,  a.name,'.', b.name,'.txt'' WITH (DATA_SOURCE = ''azblobadvtwksblob'', FIRSTROW =1,FIELDTERMINATOR = ''|'' );')

from sys.schemas a

     inner join sys.objects b on a.schema_id = b.schema_id

    where (b.name like 'dim%' or b.name like 'fact%') and b.type='u' and a.name='dbo'

-- 示例

TRUNCATE TABLE raw.dbo_DimAccount;

BULK INSERT raw.dbo_DimAccount

FROM 'src-data/adventureworks2019dw/bcp/dbo.DimAccount.txt'

WITH (DATA_SOURCE = 'azblobadvtwksblob', FIRSTROW =1,FIELDTERMINATOR = '|' );

 

TRUNCATE TABLE raw.dbo_DimCurrency;

BULK INSERT raw.dbo_DimCurrency

FROM 'src-data/adventureworks2019dw/bcp/dbo.DimCurrency.txt'

WITH (DATA_SOURCE = 'azblobadvtwksblob', FIRSTROW =1,FIELDTERMINATOR = '|' );

 

3)     如前所述, 如有必要加上CODEPAGE=‘65001’ (UTF8 Format)

参考 BULK INSERT (Transact-SQL) - SQL Server | Microsoft Learn

Step 6: 去除数据目标表的限制

1) 备份数据库的DACPAC(即备份表结构的DDL)

2) 删除外键约束

 

SELECT concat('ALTER TABLE ',

          SCHEMA_NAME(a.schema_id), '.', object_name(a.parent_object_id)

       , ' drop constraint ' , a.name ,';')

FROM SYS.foreign_keys A

WHERE TYPE='F'

and   (object_name(a.parent_object_id) like 'dim%' or object_name(a.parent_object_id) like 'fact%')  and schema_name(a.schema_id)='dbo'

order by SCHEMA_NAME(a.schema_id), object_name(a.parent_object_id)

 

 

3) 删除视图, 因为视图有的会和表做schema binding

select concat('drop view ', schema_name(a.schema_id) , '.', a.name )

from sys.views a

    where (A.name like 'dim%' or A.name like 'fact%')  and schema_name(a.schema_id)='dbo'

 

 

Step 7: 从raw表查询数据插入到目标表

1) 如有必要,清空目标表

2) 判断identity 列;如果表有Identity列,则需要Set IDENTITY_INSERT ON, 并使用明确列选择;数据入表完成后,再Set IDENTITY_INSERT OFF

-- ===============

-- 从raw导入数据

-- ===============

; with c1 as

(

SELECT

   isIdentity = sum(case when b.is_identity = 1 then 1 else 0 end) ,

   schemaName = SCHEMA_NAME(a.schema_id),

   tableName = a.name,

   columnNames  = STRING_AGG( '['+ b.name + ']', ',')

FROM SYS.objects a

      left join sys.columns b on a.object_id = b.object_id 

WHERE a.type='u'

     and   (A.name like 'dim%' or A.name like 'fact%')  and schema_name(a.schema_id)='dbo'

      and b.is_computed = 0

group by a.schema_id, a.name

)

SELECT

 pk_identity_prefix = case when (isIdentity >0  ) then concat( ' SET IDENTITY_INSERT ' , schemaName, '.',tableName, ' On;') else '' end

    ,

   load_script=concat('TRUNCATE TABLE ', schemaName, '.',tableName

   , '; INSERT INTO ' ,schemaName, '.',tableName , '(',columnNames,')'

   ,  ' SELECT ',  columnNames

          ,' FROM raw.',schemaName, '_',tableName,' ;')

   ,

 pk_identity_prefix = case when (isIdentity >0  ) then concat( ' SET IDENTITY_INSERT ' , schemaName, '.',tableName, ' OFF;') else '' end

FROM c1

order by  schemaName,  tableName

 

--打开IDENTITY_INSERT

SET IDENTITY_INSERT dbo.DimAccount On;

--清空

TRUNCATE TABLE dbo.DimAccount;

--插入

INSERT INTO dbo.DimAccount([AccountKey],[ParentAccountKey],[AccountCodeAlternateKey],[ParentAccountCodeAlternateKey],[AccountDescription],[AccountType],[Operator],[CustomMembers],[ValueType],[CustomMemberOptions])

SELECT [AccountKey],[ParentAccountKey],[AccountCodeAlternateKey],[ParentAccountCodeAlternateKey],[AccountDescription],[AccountType],[Operator],[CustomMembers],[ValueType],[CustomMemberOptions] FROM raw.dbo_DimAccount ;

--还原

SET IDENTITY_INSERT dbo.DimAccount OFF;

 

 

Step 8: 还原外键、视图等

1)     使用SQLPACKAGE工具,利用数据库的DACPAC,对数据库进行还原。

2)     或者使用Visual Studio的Database Project 对数据库进行还原,本例就是用的这个方式。

 

1) BCP 工具的地址:

通常使用Visual Studio 的CMD可用自动找到, 如果没有,可用试试类似路径:

C:\Program Files\Microsoft SQL Server\Client SDK\ODBC\170\Tools\Binn\bcp.exe

2) BCP的命令帮助

usage: bcp {dbtable | query} {in | out | queryout | format} datafile

  [-m maxerrors]            [-f formatfile]          [-e errfile]

  [-F firstrow]             [-L lastrow]             [-b batchsize]

  [-n native type]          [-c character type]      [-w wide character type]

  [-N keep non-text native] [-V file format version] [-q quoted identifier]

  [-C code page specifier]  [-t field terminator]    [-r row terminator]

  [-i inputfile]            [-o outfile]             [-a packetsize]

  [-S server name]          [-U username]            [-P password]

  [-T trusted connection]   [-v version]             [-R regional enable]

  [-k keep null values]     [-E keep identity values][-G Azure Active Directory Authentication]

  [-h "load hints"]         [-x generate xml format file]

  [-d database name]        [-K application intent]  [-l login timeout]

 

强调一点的是, 如果是直接导出表的数据, 用指令”out”; 如果是导出查询的数据, 用指令”queryout”。

3) AzCopy 工具的介绍:

参考: azcopy | Microsoft Learn

4) SQLPACKAGE工具的介绍:

参考:SqlPackage.exe - SQL Server | Microsoft Learn

 

有关使用BCP + Polybase 实现本地数据迁移到Azure DB的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri,根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序,它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重,我想提高压缩级别,因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗?是否有另一个允许指定压缩级别的Ruby库? 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  3. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法? - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  4. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇,就使用ruby​​onrails自动化单元测试而言,你们正在做什么?您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您?git中的预提交Hook?只是手动调用?我完全理解测试,但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的,并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您? 最佳答案 不确定您到底想听什么,但是有几个级别的自动代码库控制:在处理某项功能时,您可以使用类似autotest的内容获得关于哪些有效,哪些无效的即时反馈。要确保您的提

  5. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外,还有什么方法可以访问C和m中的其他内容?我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)?如何在使用完匿名模块后将其删除,使其定义的常量不再存在? 最佳答案 三个答案:是的,使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  6. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封,在我看来soap请求没有正确的命名空间。任何人都可以建议我

  7. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声? - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题?更新问题,以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点?我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等),但我确实想创建一个输出文件。

  8. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗?当我运行compasswatch时,它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行?文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们?我自己编译的.sass文件编译成compiled/t

  9. ruby - 使用 ruby​​ 将 HTML 转换为纯文本并维护结构/格式 - 2

    我想将html转换为纯文本。不过,我不想只删除标签,我想智能地保留尽可能多的格式。为插入换行符标签,检测段落并格式化它们等。输入非常简单,通常是格式良好的html(不是整个文档,只是一堆内容,通常没有anchor或图像)。我可以将几个正则表达式放在一起,让我达到80%,但我认为可能有一些现有的解决方案更智能。 最佳答案 首先,不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案,它会随着HTML的变化而崩溃,或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h

  10. ruby - 在 64 位 Snow Leopard 上使用 rvm、postgres 9.0、ruby 1.9.2-p136 安装 pg gem 时出现问题 - 2

    我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库,所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po

随机推荐