Dotaz: Migrace dat z MySQL do PostgreSQL

[Phil]

Dobrý den,

potřebuji migrovat pouze data (strukturu tabulek mám vytvořenou). Provedl jsem dump z MySQL v podobě úplných insertů a import do PostgreSQL:

mysqldump database -v -nt --compatible=ansi,postgresql --complete-insert=TRUE --extended-insert=FALSE --compact --default-character-set=UTF8 -u user -p -r pg_database.sql

psql database < pg_database.sql

Zdá se to funkční, ale trápí mě dvě věci:
1) orig. MySQL DB má velikost 800MB, ale kvůli úplným insertům vznikne dumpem 2GB soubor, který po importu vytvoří v PostgreSQL 2.1GB databázi
2) import tohoto 2GB souboru do PostgreSQL trvá cca 36 hodin na 2.6 GHz Xeon / 1GB RAM

Jak lze tuto migraci provést lépe?

Děkuji za vaše rady.

Odpovědi

[tomk]

Dobry den,

casem na Vas dotaz jiste zareaguje nektery z nasich domacich PostgreSQL guru , zatim bych vyzkousel obejit implicitni commitovani jednotlivych insertu seskupenim jejich vetsiho mnozstvi (vzdy treba 10000 radku) mezi begin; a commit; .

V pripade, ze pouzivate hodne indexu, nebo foreign keys, tak je mozne tyto pred importem dropnout a vytvorit je az po nem, tim se muze import vetsiho mnozstvi zaznamu take urychlit. Pokud nebudete chtit indexy a foreign keys dropovat, mohlo by pomoct behem importu udelat vacuum analyze, tim se aktualizuji statistiky indexu, ty se zacnou optimalne vyuzivat a zrychli se kontroly vkladanych radku.

Uplne nejrychlejsim zpusobem, jak dostat hodne dat do PostgreSQL, by bylo pravdepodobne pouziti prikazu COPY, to s sebou vsak nese nutnost upravy zdrojoveho datoveho souboru do vhodneho formatu.

To, ze databaze zabira vice mista, nez cekate, muze byt zpusobeno tim, ze neni uvolnen prostor po smazanych zaznamech - na to muzete vyzkouset pouzit vacuum full, pripadne muze byt prostor zabran indexy.

Tomas

[dik]

...pro urychlení importu také pomáhá zvětšení work_mem , maintenance_work_mem a akutalní verze pgsql pokud nemáš. Mám mašinu (xeon 2,33ghaz,1gb ram),která běží v xenu a úložiště má na nfs a pravidelně do ní importuji 12GB sql file pod 5hodin. Jinak rady kolegy výše jsou taktéž užitečné... takže tak.. dik

[okbob]

zdar

a) zasadni zrychleni ziskas commitem celeho dumpu, tj. na zacatek begin, na konec end. Pokud dokazes data vyexportovat napr. v csv, tak pak muzes velice rychle nacist data prikazem \copy tab from 'cesta' CSV. Pred vetsim importem (pokud to lze) odstran indexy z tabulky. Aktualizace indexu po kazdem radku je dost velkou brzdou.

b) data jsou v db binarne. Proto se nediv, ze textovy dump je nekolikanasobne vetsi (pridavas opakovane text INSERT INTO ... VALUES). Zrovna tak je otazkou jestli ukladas data do ekvivalentnich typu. PostgreSQL ma dost odlisny format pro ulozeni (TOAST). Podobne velikostni rozdily jsou i kdyz se preleji data z MyISAM do InnoDB.

c) import zasadne zrychli pouziti COPY a zruseni indexu. Zalezi co delas - muzes taky docasne blokovat triggery. V 8.3 pomuze i asynchronni commit. Na konci dokumentu http://www.pgsql.cz/skoleni/skoleni_administrace_web.pdf je seznam doporucenych nastaveni pro 8.2.

[Phil]

Skvělé stránky a návod, děkuju Pavle!

ad b) Velikost dumpu mě nepřekvapila, měl jsem na mysli velikost výsledné DB v Postgre, která je i po reindexaci více než dvojnásobná oproti MySQL (MyISAM).

Zajímalo by mě, zda je to dáno formátem PostgreSQL nebo spíše změnou datových typů např. INT na BIGINT?

[Pavel Stehule]

Jestli jsi tam menil INT na BIGINT, tak se nediv, ze je vysledek dvojnasobny :). Jinak int je v pg 4byte a v MySQL. Urcite db nakyne diky tzv. varlena typum. Do nich pg uklada prakticky vsechno vyjma cisel a datumu. Do 8.2 vcetne, kazda varlena hodnota obsahovala 4byte udaj o delce - Pg uklada dynamicky. Takze char(1), varchar o jednom znaku jsou minimalne 5 bytu. K tomu jeste dalsi rezijni informace v zahlavi radku - takze ja bych se tomu dvojnasobku zas az tak nedivil. Na druhou stranu veskere delsi texty (nad 2K) pg pomerne ucinne komprimuje.

http://www.pgsql.cz/index.php/4.05_Kolik_diskov%C3%A9ho_prostoru_je_pot%C5%99eba_k_ulo%C5%BEen%C3%AD_dat_z_norm%C3%A1ln%C3%ADho_textov%C3%A9ho_souboru%3F

Pavel

[Phil]

Zdravím a všem děkuji za velmi užitečné rady.

BEGIN/COMMIT + úprava postgresql.conf (přidělení paměti) urychlily import dumpu z 36 na 2 hodiny