数据迁移实战：基于Kettle的Mysql到DB2的数据迁移

From：https://my.oschina.net/simpleton/blog/525675

一、什么是ETL

ETL，是英文 Extract-Transform-Load 的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。

二、Kettle简单说明

Kettle是一款国外开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，数据抽取高效稳定。

三、需求

1、 Mysql 5.X数据迁移到 DB2 8.X

2、 主键自增改成32位UUID

三、准备工作

1、 源数据库：Mysql 5.6

2、 目标数据库：DB2 8.X

3、 数据迁移工具：Kettle6.0.0.0-353

四、实战开始

1、说明一下省略掉的步骤

在开始使用Kettle前，我使用了PowerDesigner18.6建立数据模型，然后导出对应数据库的建表脚本，这里我导出了DB2 8.X的建表脚本，然后首先在DB2中将目标表建立好。其实在Kettle中也可以在执行过程中来建立表，我也是初学Kettle，所以选择了一种相对简单的方式来操作，毕竟关注重点在于数据迁移这方面上。

2、安装JDK

因为Kettle是纯JAVA写的，所以依赖JDK，至于JDK的安装不是本文的重点，请读者自行百度完成。

3、 安装Kettle

下载pdi-ce-6.0.0.0-353.zip，我已经上传至百度云，下载地址：http://pan.baidu.com/s/1jGjMoXw

Kettle是绿色免安装的，将下载的压缩文件解压，找到程序启动文件Spoon.bat（Linux的Spoon.sh），双击则可以启动。不过在这一步操作之前，还有重要的一步需要做，就是拷贝我们的数据库驱动JAR包到指定目录。我是windows 7 x64，所以我将mysql和DB2对应的驱动包拷贝到了data-integration\libswt\win64目录下，因为拷贝进去之后，需要重启程序才能生效，所以建议解压后，首先拷贝驱动JAR包到指定目录。

    然后点击Spoon.bat，启动应用程序。

    程序启动完成后，进入到欢迎页面，在页面左边有一棵树，在“主对象数”下分别是“转换”和“作业”两个功能节点，另外还有“核心对象”菜单，这个是用得比较多的，稍后会谈到。

    至此，Kettle的安装已经完成，下面就进入到实战的重要环节了。

3、开始使用Kettle做数据迁移

这里我不讲太多理论知识，毕竟我对Kettle也是初探，所以本文重点还是放在如何操作Kettle完成一次数据迁移。

第一步：建立转换（Transformation）

双击Spoon.bat启动Kettle，点击界面左上角的“文件” – “新建” – “转换”，并保存为demo.ktr。

第二步：添加“表输入”

在左侧的“核心对象”下面找到“输入 – 表输入”，将其拖入到右侧编辑区域中。

第三步：编辑“表输入”

双击编辑区域的“表输入”，进入编辑界面。

在弹出窗口中，可以编辑信息，点击“新建”

在弹出窗口中录入源数据库（mysql）的服务器信息，点击测试按钮，测试连接是否成功。

注意：如果前面没有将数据库的JAR包拷贝到指定文件目录下，这里会抛出异常说找不到驱动程序。只需要拷贝JAR包到指定文件（根据系统不同而有所不同，请看Kettle的安装部分），然后重启程序，就可以解决该问题。

测试连接成功，点击“确定”，然后在“数据库链接”处选择我们新建的连接。

点击“获取SQL查询语句”

在弹出窗口中选择要迁移的数据表，每次只能操作一个表

选择“是”

点击“确定”，源数据则配置好了。

第四步：添加和编辑 “字段选择”（可选）

如果你的数据类型在迁移过程中会发生变化，那么需要添加“字段选择”步骤。比如我在迁移过程中，需要将自增的整形字段改成32位的UUID，至于为什么会出现这样的需求，是因为我在迁移过程中发现如果在目标数据库中设置主键自增，那么数据迁移的过程中，无法插入主键，只能由数据库去操作自增，这样的话，会导致我原来的关联数据无法完成迁移。从这次的教训中得到经验，以后数据库主键设计时，会发生主外键关联的，尽量设计成UUID。

在“核心对象 – 转换”下找到“字段选择”，将其拖入到右侧编辑区域。

按住“shift”，然后从“表输入”到“字段选择”，拖一条线

双击“字段选择”，进入编辑界面

选择“元数据”

点击“获取改变的字段”

在这个地方，你可以修改源数据表字段，用以匹配目标数据表。我在这里需要将原来的主外键都改成32位的UUID，因为我已经事先在目标数据表（DB2）定义了主外键为VARCHAR(32),所以这里我需要修改源数据表的主外键为String，长度不用管。

点击确定

        第五步：添加“表输出”

        在“核心对象 – 输出”下面选择“表输出”，拖到右侧编辑区域

按住“shift”从“字段选择”往“表输出”拖一个箭头，并选择“主输出步骤”（拖线过程中，鼠标点击“表输出”的时候会出现该选项）。

双击“表输出”，选择“新建”

和前面类似，在弹出窗口中输入数据库的地址信息，点击测试

测试连接成功，点击确定，在“数据库链接”处选择新建的DB2的目标数据库连接

选择“目标模式”（这里我不太懂，总之DB2的话，出现的是schema），然后选择“目标表”，点击确定

勾选“指定数据库字段”，然后点击“输入字段映射”

在弹出窗口中，选择源数据表字段和目标数据表字段的匹配方式，点击“猜一猜”可以一键分配，但是它的分配规则我不了解，可能根据名字的相似度吧，如果名字相同或者相似，可以使用，很方便。

点击确定。

第六步：“校验这个转换”

点击“校验这个转换”，可以校验刚才我们定义的这个转换是否有问题。

如果没有问题，则表示我们定义的这个转换可以执行

第七步：“运行这个转换”

点击“运行这个转换”，则开始执行数据迁移了，可以在窗口下面看到执行日志，如果没有错误，那么表示我们完成了一个表的数据迁移工作。

批量操作

如果还有更多的表，可以在这一个转换中定义多个上图所示的“表输入”-“字段选择”-“表输出”步骤，一次批量执行。但是这样的执行是不保证执行顺序的，如果有主外键关联的话，这样批量执行会出问题。所以可以将有主外键关联的表的数据迁移工作做成多个“转换”，然后通过作业将他们串起来，这样就能够保证执行顺序了，至于作业的建立，本文不再累述，以后有时间再开一篇文章单独写，读者也可以自己找资料看看，简单的操作的话，一看就会了。

大概的作业我用图展示一下，详细的我就不写了。