Ape-DTS：开源 DTS 工具，助力自建 MySQL、PostgreSQL 迁移上云

头像
小猿姐
     浙江
    阅读 10 分钟

    Ape-DTS 是一款高效、轻量级且功能强大的开源工具，专注于解决数据迁移、同步、校验、订阅与加工的需求。无论是将自建的 MySQL/PostgreSQL 数据库迁移到云端，还是在不同数据库间进行数据迁移，Ape-DTS 都能为您提供便捷且可靠的解决方案。它特别适合于将自建 MySQL 数据库迁移到其他 MySQL 环境（如云端 MySQL、KubeBlocks MySQL），或者其他分析型数据库（例如 ClickHouse、StarRocks），以及消息队列（例如 Kafka）等场景。

    https://github.com/apecloud/ape-dts

    为什么选择 Ape-DTS

    Ape-DTS 是一款旨在实现 any-to-any 的数据迁移工具:

    • 功能丰富: 支持多种数据库的 库表结构迁移，数据全量迁移、增量迁移，数据校验、订正、复查，数据订阅、加工 等能力。
    • 支持广泛: 目前已支持数据库包括 MySQL，Postgres，Redis，Mongo，StarRocks，ClickHouse，Kafka 等。
    • 简单轻量: 不依赖第三方组件和额外存储，完整镜像解压后小于 100 MB。
    • 性能突出，使用 Rust 开发。

    Ape-DTS 支持 MySQL，Postgres，Redis，Mongo，StarRocks，ClickHouse，Kafka 等数据库间的迁移，具体如下：

    MySQL -> MySQLPostgreSQL -> PostgreSQLMongoDB -> MongoDBRedis -> RedisMySQL -> KafkaPostgreSQL -> KafkaMySQL -> StarRocksMySQL -> ClickHouseMySQL -> TiDBPostgreSQL -> StarRocks
    全量迁移✅✅✅✅✅✅✅✅✅✅
    增量同步✅✅✅✅✅✅✅✅✅✅
    数据校验/订正/复查✅✅✅ ✅
    库表结构迁移✅✅ ✅✅✅✅

    功能亮点

    • 支持多种数据库间的同构、异构数据迁移和同步。
    • 支持全量、增量任务的断点续传。
    • 支持数据校验、订正。
    • 支持库、表、列级别的过滤和路由。
    • 针对不同源、目标、任务类型，实现不同的并发算法，提高性能。
    • 可加载用户 Lua 脚本，加工正在迁移/同步的数据。
    • 支持将数据发送到 Kafka，供用户自主消费。
    • 支持以 HTTP Server 的方式启动 Ape-DTS 并拉取增量数据，用户可使用 HTTP Client 获取数据并自主消费。

    Ape-DTS 的性能表现

    Ape-DTS 在多种场景下展现了卓越的性能表现。本文使用 sysbench 生成全量和增量数据，分别使用 Ape-DTS 和 Debezium 执行迁移任务，并对比结果。

    以下是 MySQL -> MySQL 的测试，源端 MySQL和目标端 MySQL 均在 8C16G BCC（百度智能云云服务器）机器上使用 Docker 部署。

    可以看到，Ape-DTS 的全量/增减迁移性能都显著优于 Debezium。在相同的节点规格（4C8G）下，Ape-DTS 的全量迁移性能约为 Debezium 的 31 倍，Ape-DTS 的增量迁移性能约为 Debezium 的 9 倍。

    测试一：全量数据迁移

    同步方式节点规格RPS（Rows per Second)源 MySQL 负荷（CPU/内存）目标 MySQL 负荷（CPU/内存）
    Ape-DTS1C2G714288.2% / 5.2%211% / 5.1%
    Ape-DTS2C4G9940314.0% / 5.2%359% / 5.1%
    Ape-DTS4C8G12658213.8% / 5.2%552% / 5.1%
    Debezium4C8G405121.5% / 5.2%51.2% / 5.1%

    测试二：增量数据迁移

    同步方式节点规格RPS（Rows per Second)源 MySQL 负荷（CPU/内存）目标 MySQL 负荷（CPU/内存）
    Ape-DTS1C2G1500218.8% / 5.2%467% / 6.5%
    Ape-DTS2C4G2469218.1% / 5.2%687% / 6.5%
    Ape-DTS4C8G2628718.2% / 5.2%685% / 6.5%
    Debezium4C8G295120.4% / 5.2%98% / 6.5%

    镜像对比

    工具镜像大小
    Ape-DTS86.4 MB
    Debezium1.38 GB

    如何使用 Ape-DTS 迁移 MySQL？

    以下是 Ape-DTS 在 自建 MySQL 数据库迁移到 KubeBlocks MySQL 场景中的实际使用示例。

    更多示例可参考: https://github.com/apecloud/ape-dts/tree/main/docs/en/tutorial。

    配置文件差异总结

    针对不同的任务，配置文件中的 extract_type, sink_type 等其他配置不同。

    以下是一个简略的配置文件差异总结。更多具体配置，可参考官网上教程、模板及配置说明：https://github.com/apecloud/ape-dts。

    任务类型extract_typesink_type特殊配置说明
    库表结构迁移structstructdo_dbs指定需要迁移的数据库
    全量迁移snapshotwriteparallel_type=snapshot全量抓取数据快照
    增量同步cdcwriteserver_id, do_events基于 binlog 同步数据变更
    数据校验snapshotcheck日志输出比较源库与目标库数据一致性
    数据订正check_logwritecheck_log_dir指定校验结果日志的路径，用于订正任务
    数据复查check_logcheckcheck_log_dir指定校验结果日志的路径

    1. 准备工作

    1.1 环境准备

    工具准备

    该示例中使用的 DTS_IMAGE 版本如下：

    APE_DTS_IMAGE="docker.io/apecloud/ape-dts:2.0.12"
    源库

    用本地 Docker 搭建 MySQL。

    docker run -d --name some-mysql-1 \
--platform linux/x86_64 \
-it \
-p 3307:3306 -e MYSQL_ROOT_PASSWORD="123456" \
 "$MYSQL_IMAGE" --lower_case_table_names=1 --character-set-server=utf8 --collation-server=utf8_general_ci \
 --datadir=/var/lib/mysql \
 --user=mysql \
 --server_id=1 \
 --log_bin=/var/lib/mysql/mysql-bin.log \
 --max_binlog_size=100M \
 --gtid_mode=ON \
 --enforce_gtid_consistency=ON \
 --binlog_format=ROW \
 --default_time_zone=+08:00
    • 将主机的端口 3307 映射到容器的端口 3306。
    • 设置 MySQL root 密码为 123456。
    • 使用由 $MYSQL_IMAGE 指定的镜像。

    记录源端的 URL：

    url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled
    目标库

    我们在 ACK 上使用 KubeBlocks 搭建了 MySQL 集群，更多集群运维操作可参考 KubeBlocks MySQL Examples。

    1. 创建集群。

      # 创建 MySQL 集群
kbcli cluster create mycluster --cluster-definition mysql -n demo

    2. 暴露服务。这里我们通过 LoadBalancer 暴露服务地址。

      # 将集群暴露至公网
kbcli cluster expose mycluster --type internet --enable=true -ndemo

    查看到公网地址为: 47.xx.xx.xx，记录为你的 目标地址。

    记录目标端地址:

    url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

    1.2 数据准备

    登录本地 MySQL，创建测试用的数据库和表。

    mysql -h127.0.0.1 -uroot -p123456 -P3307

CREATE DATABASE test_db;
CREATE TABLE test_db.tb_1(id int, value int, primary key(id));
CREATE TABLE test_db.tb_2(id int, value text, primary key(id));

INSERT INTO test_db.tb_1 VALUES(1,1),(2,2),(3,3),(4,4);
INSERT INTO test_db.tb_2 VALUES(5,'a'),(6,'b'),(7,'c'),(8,'d');

    2. 库表结构迁移

    创建任务配置
    请将以下示例配置中的 extractor.url 和 sinker.url 替换为前面记录的源端 URL 和目标端 URL。

    核心配置：

    • extract_type=struct 和 sink_type=struct：表示迁移的是库表结构。
    • do_dbs：指定需要迁移的数据库。
    cat <<EOL > /tmp/ape_dts/task_config.ini
[extractor]
extract_type=struct
db_type=mysql
url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled

[sinker]
sink_type=struct
db_type=mysql
url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

[filter]
do_dbs=test_db

[parallelizer]
parallel_type=serial

[pipeline]
buffer_size=100
checkpoint_interval_secs=1
EOL
    启动任务
    docker run --rm --network host \
-v "/tmp/ape_dts/task_config.ini:/task_config.ini" \
"$APE_DTS_IMAGE" /task_config.ini

    检查目标库

    1. 登录目标库。

      mysql -h<目标地址> -uape_test -pApe123456789

    2. 查看数据。

      mysql> SHOW CREATE TABLE test_db.tb_1;
mysql> SHOW CREATE TABLE test_db.tb_2;

    3. 同步全量数据

    创建任务配置

    核心配置：

    • extract_type=snapshot：表示全量迁移，抓取源数据库的快照。
    • sink_type=write：表示将数据写入目标数据库。
    • parallel_type=snapshot 和 parallel_size：控制快照并发级别，提高全量迁移效率。
    cat <<EOL > /tmp/ape_dts/task_config.ini
[extractor]
db_type=mysql
extract_type=snapshot
url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled

[sinker]
db_type=mysql
sink_type=write
url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

[filter]
do_dbs=test_db
do_events=insert

[parallelizer]
parallel_type=snapshot
parallel_size=8

[pipeline]
buffer_size=16000
checkpoint_interval_secs=1
EOL
    启动任务
    docker run --rm --network host \
-v "/tmp/ape_dts/task_config.ini:/task_config.ini" \
"$APE_DTS_IMAGE" /task_config.ini
    检查目标库

    1. 登录目标库。

      mysql -h<目标地址> -uape_test -pApe123456789

    2. 检查数据。

      mysql> SELECT * FROM test_db.tb_1;
+----+-------+
| id | value |
+----+-------+
|  1 |     1 |
|  2 |     2 |
|  3 |     3 |
|  4 |     4 |
+----+-------+

mysql> SELECT * FROM test_db.tb_2;
+----+-------+
| id | value |
+----+-------+
|  5 | a     |
|  6 | b     |
|  7 | c     |
|  8 | d     |
+----+-------+

    4. 增量任务

    创建任务配置

    核心配置：

    • extract_type=cdc：表示增量同步，基于源库的 binlog 或 WAL 日志抓取数据变更。
    • sink_type=write：表示将数据写入目标数据库。
    • server_id：Ape-DTS 在该 MySQL 复制组中的标识，由用户指定，取值 [1-2^32 - 1]，不得与该复制组中其他 server_id 相同。
    • do_events：指定需同步的事件类型（如 insert, update, delete）。
    cat <<EOL > /tmp/ape_dts/task_config.ini
[extractor]
db_type=mysql
extract_type=cdc
server_id=2000
url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled

[filter]
do_dbs=test_db
do_events=insert,update,delete

[sinker]
db_type=mysql
sink_type=write
batch_size=200
url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

[parallelizer]
parallel_type=rdb_merge
parallel_size=8

[pipeline]
buffer_size=16000
checkpoint_interval_secs=1
EOL
    启动任务
    docker run --rm --network host \
-v "/tmp/ape_dts/task_config.ini:/task_config.ini" \
"$APE_DTS_IMAGE" /task_config.ini
    修改源库数据

    1. 登录本地 MySQL。

      mysql -h127.0.0.1 -uroot -p123456 -uroot -P3307

    2. 修改数据。

      DELETE FROM test_db.tb_1 WHERE id=1;

UPDATE test_db.tb_1 SET value=2000000 WHERE id=2;

INSERT INTO test_db.tb_2 VALUES(9, 'f');
    检查目标库

    1. 登录目标 MySQL。

      mysql -h<目标地址> -uape_test -pApe123456789

    2. 查看目标端数据。

      mysql> SELECT * FROM test_db.tb_1;
+----+---------+
| id | value   |
+----+---------+
|  2 | 2000000 |
|  3 |       3 |
|  4 |       4 |
+----+---------+

mysql> SELECT * FROM test_db.tb_2;
+----+-------+
| id | value |
+----+-------+
|  5 | a     |
|  6 | b     |
|  7 | c     |
|  8 | d     |
|  9 | f     |
+----+-------+

      可以看到增量数据都已经同步了。

    5. 数据校验

    在目标端修改数据

    1. 登录目标 MySQL。

      mysql -h<目标地址> -uape_test -pApe123456789

    2. 在目标端修改数据，构造和源库的差异。

      DELETE FROM test_db.tb_1 WHERE id=4;         # 删除tb_1数据
UPDATE test_db.tb_1 SET value=1 WHERE id=2;  # 修改tb_1数据

DELETE FROM test_db.tb_2 WHERE id=5;         # 删除tb_2数据
    创建任务配置

    核心配置：

    • extract_type=snapshot：校验基于源库的全量数据快照。
    • sink_type=check：表示校验目标库与源库数据是否一致。
    • 输出日志：校验的差异会记录在日志文件中（如缺失数据和不一致的数据）。
    cat <<EOL > /tmp/ape_dts/task_config.ini
[extractor]
db_type=mysql
extract_type=snapshot
url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled

[sinker]
db_type=mysql
sink_type=check
url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

[filter]
do_dbs=test_db
do_events=insert

[parallelizer]
parallel_type=rdb_check
parallel_size=8

[pipeline]
buffer_size=16000
checkpoint_interval_secs=1
EOL
    启动任务
    docker run --rm --network host \
-v "/tmp/ape_dts/task_config.ini:/task_config.ini" \
-v "/tmp/ape_dts/check_data_task_log/:/logs/" \
"$APE_DTS_IMAGE" /task_config.ini
    查看校验结果

    以源库为基准，检查目标库的数据缺失和不同，校验结果以日志文件输出。

    1. 检查数据缺失。

      cat /tmp/ape_dts/check_data_task_log/check/miss.log

      可以看到具体的缺失数据信息。

      {"log_type":"Miss","schema":"test_db","tb":"tb_1","id_col_values":{"id":"4"},"diff_col_values":{}}
{"log_type":"Miss","schema":"test_db","tb":"tb_2","id_col_values":{"id":"5"},"diff_col_values":{}}

    2. 检查数据差异。

      cat /tmp/ape_dts/check_data_task_log/check/diff.log

      可以看到输出如下，diff_col_values展示了差异的具体内容。

      {"log_type":"Diff","schema":"test_db","tb":"tb_1","id_col_values":{"id":"2"},"diff_col_values":{"value":{"src":"2000000","dst":"1"}}}

    6. 数据订正

    • 根据校验日志，反查源库，订正目标库。
    创建任务配置

    核心配置：

    • extract_type=check_log：表示基于校验日志执行数据订正任务。
    • sink_type=write：将订正后的数据写回目标库。
    • check_log_dir：指定校验日志的路径，用于订正任务。
    cat <<EOL > /tmp/ape_dts/task_config.ini
[extractor]
db_type=mysql
extract_type=check_log
url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled
check_log_dir=./check_data_task_log

[sinker]
db_type=mysql
sink_type=write
url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

[filter]
do_events=*

[parallelizer]
parallel_type=rdb_check
parallel_size=8

[pipeline]
buffer_size=16000
checkpoint_interval_secs=1
EOL
    启动任务
    docker run --rm --network host \
-v "/tmp/ape_dts/task_config.ini:/task_config.ini" \
-v "/tmp/ape_dts/check_data_task_log/check/:/check_data_task_log/" \
"$APE_DTS_IMAGE" /task_config.ini
    查看订正后的结果

    1. 登录目标库。

      mysql -h<目标地址> -uape_test -pApe123456789

    2. 查看数据。

      mysql> SELECT * FROM test_db.tb_1;
+----+---------+
| id | value   |
+----+---------+
|  2 | 2000000 |
|  3 |       3 |
|  4 |       4 |
+----+---------+

mysql> SELECT * FROM test_db.tb_2;
+----+-------+
| id | value |
+----+-------+
|  5 | a     |
|  6 | b     |
|  7 | c     |
|  8 | d     |
|  9 | f     |
+----+-------+

      可以看到目标端被删除和更新的数据，都已经被订正了。

    7. 数据复查

    • 根据校验日志，反查源库，再次校验目标库
    • 和全量校验的区别在于校验数据的范围：数据复查限定在校验出的 缺失/不同 的数据
    修改目标库数据，构造和源库的差异

    1. 登录目标库。

      mysql -h<目标地址> -uape_test -pApe123456789

    2. 修改数据。

      DELETE FROM test_db.tb_1 WHERE id=4;   # 删除tb_1数据
    创建任务配置

    核心配置：

    • extract_type=check_log：基于校验日志。
    • sink_type=check 用于复查目标库数据。
    • check_log_dir：指定校验日志的路径。
    cat <<EOL > /tmp/ape_dts/task_config.ini
[extractor]
db_type=mysql
extract_type=check_log
url=mysql://root:123456@127.0.0.1:3307?ssl-mode=disabled
check_log_dir=./check_data_task_log

[sinker]
db_type=mysql
sink_type=check
url=mysql://ape_test:Ape123456789@<目标地址>:3306?ssl-mode=disabled

[filter]
do_events=*

[parallelizer]
parallel_type=rdb_check
parallel_size=8

[pipeline]
buffer_size=16000
checkpoint_interval_secs=1
EOL
    启动任务
    docker run --rm --network host \
-v "/tmp/ape_dts/task_config.ini:/task_config.ini" \
-v "/tmp/ape_dts/check_data_task_log/check/:/check_data_task_log/" \
-v "/tmp/ape_dts/review_data_task_log/:/logs/" \
"$APE_DTS_IMAGE" /task_config.ini
    查看复查结果

    1. 查看数据缺失。

      cat /tmp/ape_dts/review_data_task_log/check/miss.log

      可以看到输入日志显示 {"id":"4"} 缺失。

      {"log_type":"Miss","schema":"test_db","tb":"tb_1","id_col_values":{"id":"4"},"diff_col_values":{}}
    2. 查看数据差异。
    3. /tmp/ape_dts/review_data_task_log/check/diff.log 为空，符合预期。

    更多教程

    • 更多任务类型、教程、任务配置，请参考 Ape-DTS 主页。
    数据迁移数据库
    小猿姐
    6 声望2 粉丝

    每个开发者都想知道的云原生和数据库技术

    « 上一篇
    KubeBlocks × 快手｜是否应在 Kubernetes 上运行 Redis？快手这样做！
    下一篇 »
    压箱底薅羊毛教程！用 GitHub Actions + S3 实现零成本运行 Serverless MySQL 数据库

    引用和评论

    推荐阅读
    头像
    压箱底薅羊毛教程！用 GitHub Actions + S3 实现零成本运行 Serverless MySQL 数据库

    小猿姐赞 1阅读 102

    头像
    数据集汇总｜18个电影/音乐数据集汇总，覆盖影片/歌曲推荐、电影评价、歌词识别、音乐流派······

    超神经HyperAI赞 4阅读 4.6k

    头像
    高效工程师的七个习惯

    Bytebase赞 3阅读 3.9k

    头像
    MongoDB Atlas与YoMio.AI近乎完美适配:推理更快速、查询更灵活、场景更丰富

    MongoDB数据平台赞 1阅读 12.6k

    头像
    MongoDB 8.0已全面可用

    MongoDB数据平台阅读 15.2k

    头像
    简道云搭载阿里云MongoDB数据库，帮助数以万计企业重构业务系统

    MongoDB数据平台阅读 14.5k

    头像
    MySQL 回收表碎片实践教程

    MySQL技术赞 2阅读 515

    0 条评论
    得票最新