sqlserver-＞clickhouse迁移数据

网上看了很多cdc的方案，说实在的，flink也不好弄，主要是驱动。

flink sql中的方案，好不容易弄到了所有的驱动，结果，字段非常难搞，例如uuid对应flink的String，结果执行flink sql的时候，字段类型不对。导入布尔值的时候，提示true不合法，哎，也是醉了！

换一个方法，flink-cdc,按网上的配置弄好了，结果，提示找不到驱动，sqlserver都没有。

用java写？很直白说，我不会！

于是暂时放弃所有flink的方法，用net6写了一个搬运工具，这个搬运工具有个缺陷，只能用mergaTree！这个东东从官方文档说，排序有点慢，感觉是很慢，非常慢！没关系，先摸索一下，主要是说说这个工具的思路。

sqlserver好几个表都是千万级的，只是7天的部分数据，试试水。

总体方法：sqlserver->IDataReader->queue->bulk insert->clickhouse

不要尝试一次性把数据从sqlserver中读出来再写到目标库，这个方案是最不可接受的：

第一：读取千万数据级的表，需要的时间不少，返回结果后，内存爆了！

第二：浪费大量的时间读取数据，即使硬件支撑得起，时间也等不起！

dataReader设置每1000条记录就返回一个结果列表

cs 复制代码

protected override (IEnumerable<object[]>, int Length) GetRows(string table, int count)
{
	var list = new object[count][];
	var i = 0;
	var _reader = GetDatabaseReader(table);
	if(_reader == null)
		return (new object[0][], 0);
	while (_reader.Read())
	{
		object[] data = new object[_reader.FieldCount];
		_reader.GetValues(data);
		list[i] = data;
		i++;
		if (i >= count)
		{
			break;
		}
	}

	return (list, i);
}

这里的reader是在读取完一个表之前，都是要保持的，通过GetDatabaseReader方法从内存中获取出来。list对象就是每次读取的数据包。

定义一个队列

cs 复制代码

var queue = new Queue<object[][]>();

每读一个包，就往队列中推，这样就形成一个完整的数据队列。

注意的是，用多线程来执行GetRows方法，并没有什么用，速度不会快起来，于是就只用了单线程获取数据。

写入数据，驱动用的是clickhouse.client,nuget安装即可。文档也很清楚了，用bulk方法，支持object\[\]这样的数据，也支持DataTable对象。

用多线程从queue获取数据包，然后写入到ck，注意一下，有时候写入速度慢，例如网络，线程调度不优等各方面的问题，防止队列中的数据包过多占用内存，每次获取包的时候，如果队列数量大于5个包，就暂停一下获取数据，实际上，3个线程写一个线程读，是不会出现等待的情况的。

quue对象不需要线程安全，不会出问题的，放心。

其实数据库之间迁移数据，最麻烦的就是字段类型的对应，所以需要建立一个映射对应表，理论上，把这个逻辑优化一下，大部分数据库的迁移都是可以的，只是驱动和字段不一样而已。

这个工具写了两天，迁移了4个数据库，没报错，基本是一次成功，还是有点小满足的，有数据就可以玩一下clickhouse了，体验一下高速的查询。

但是，还是要研究一下flink-cdc,否则自己写也很麻烦，主要是有点懒，呵呵，谁给个线程的库让我玩转flink-cdc,其实最理想的还是想sqlserver->flink cdc->rabbitmq->clickhouse,虽然同步会慢一点，但是这样更加灵活，可以同步到多个数据库中，中间环节用json传输。但是，也没搞定，flink官方的rabbitmq库不知道怎么用。