Teradata数据库调研及迁移KADB建议（九）

• Teradata迁移Greenplum可行性分析

1. 概述

Teradata和Greenplum都属于MPP数据库，熟悉Teradata的用户可以快速掌握Greenplum。同时，两者的语法非常接近、生态系统高度重合，这也极大地降低了迁移的难度和过程。另外一方面，Greenplum相比Teradata更加开放，产品基于PostgreSQL完全开源，不需要专有硬件，大大降低了数据仓库构建的软硬件成本。

从软件架构上看，Teradata同样采用无共享（Shared Nothing）大规模并行处理（ MPP）架构。主要包括解析引擎（Parsing Engine，PE）、计算引擎 （Access Module Processor，AMP）、消息通信层 （Bynet）三个模块。其中PE模块相当于Greenplum的 master节点，负责处理用户连接、SQL的解析、分发和最终查询结果的输出；AMP模块 相当于Greenplum 的segment节点，负责具体数据的计算工作；Bynet模块相当于Greenplum的interconnect部分，负责整个网络的通信和数据在不同节点的传输。此外，VDisk相当于Greenplum segment节点的本地存储。可见，Teradata在架构上和Greenplum基本一致，主要区别是在其对应的硬件部分，如Bynet是专门的硬件网络设备，VDisk部分对应的底层存储一般是通过共享存储划分逻辑单元号（LUN）的方式实现。

因为Greenplum和Teradata在架构上相似，且都支持ANSI SQL标准，因此两个产品中大量语句的语法都一致或者高度相似，即使有不一样的语法或者概念，也能在另一个产品中找到对应的语法或者概念。例如，对于create table命令，两者的语法基本一样；如果创建表时划分分区，两者都使用partition by。但对于数据分布的控制，Teradata使用primary index, 而Greenplum使用distributed by。对于大多数Teradata特有的概念和语法，迁移到Greenplum时可以忽略，极个别的情形下需要加以改写。

Greenplum和Teradata在工具链和生态系统上也存在着许多相似性。如下表所示，Teradata中常用的库和工具在Greenplum都有对应的使用方式和工具。所有常见的BI工具都同时内置支持Teradata和Greenplum。所以，使用商业智能（BI）工具的用户在迁移后依然可以使用自己熟悉的工具。

类型	Teradata	Greenplum	迁移说明
ODBC/JDBC	支持	支持	_
BI前端展现 工具	支持所有BI前端工具	支持所有BI前端工具	通过ODBC或JDBC标准访问DW，改动量很小或没有；
LOAD工具	fastload/ multiload/ tpump等	外部表导入、COPY等工具	采用工具对ETL脚本使用到的部分 批量自动修改
UNLOAD工具	fastexport等	外部表导出、COPY等工具	采用工具对ETL脚本使用到的部分 批量自动修改
命令执行 客户端	BTEQ	PSQL	采用工具对ETL脚本使用到的部分 批量自动修改
SQL－ DML语法	支持ANSI SQL	支持ANSI SQL	Greenplum和Teradata的语法基本相同。Teradata有少量特殊语法或函数（如事务BT/ET、OLAP的csum，rank、qualify等、函数如char），Greenplum都有相对应的甚至更强大的函数，只是需要修改SQL中的语法。工作量不大
SQL－ 语法DDL	使用PRIMARY INDEX、PPI等	使用Distribution分布数据，使用partition做表分区	DDL语法基本相同。需要将Teradata的PRIMARY INDEX改成Distribution key，PPI改成表分区
备份与恢复	采用NETVULT＋archive工具	CRONTAB调度器＋ gpbackup/ gprestore	实现数据库的自动备份
系统监控等管理工具	Teradata MANAGE	Greenplum Command Center	_

1. 迁移流程

Teradata迁移至Greenplum的总体流程如下图所示，主要分为历史数据迁移、日常加工流程迁移、应用接口迁移及管理工具迁移几个阶段。

1. 历史数据迁移

该阶段包括如下步骤：

在Teradata数据库中，按规定分隔符及字符编码将历史数据导成文本文件，存放于Greenplum数据库网络相通的ETL服务器本地磁盘或所连NAS上，确保Greenplum数据库通过gpfidst协议的外部表能读取数据文件。从Teradata导出DDL脚本，按照Greenplum语法批量修改脚本，确保在Greenplum中能成功创建所有用户表。

2. 日常加工流程迁移

该阶段将ETL查询加工语句按Greenplum的DML语法进行转换，并根据Teradata与Greenplum函数对照表替换相关函数，转换ETL连接数据库方式。重新配置加工作业，历史数据迁移成功后，启动日常ETL作业。

3. 应用接口迁移

在该阶段，由于Greenplum数据库支持ODBC/JDBC，商业智能前端展现等工具可通过ODBC或JDBC标准访问数据仓库，改动网络连接IP等即可。   

4. 管理工具部署

该阶段包括以下步骤：

部署Greenplum备份及恢复工具，定期备份数据及定期进行恢复演练。

部署相关管理工具，如Greenplum Command Center。

在上述各个阶段中，涉及到的主要迁移任务如下表所示。以下为各阶段的主要工作。

迁移任务	任务简述
数据卸载	从Teradata卸载抽取历史数据
DDL导出	从Teradata导出表DDL脚本
DDL脚本转换迁移	按Greenplum语法对Teradata版DDL（包括表，索引，视图）脚本进行转换
数据加载	选择Greenplum数据加载方式，如外部表或者copy工具，准备加载脚本，进而进行数据加载
ETL工具脚本转换迁移	建立Greenplum到ETL服务器的网络连接，对数据加工模块脚本按Greenplum语法进行局部修改，查询语句转换及存储过程转换等
查询语句转换迁移	按Greenplum语法规则及特性修改转换及优化查询语句
存储过程转换迁移	按Greenplum语法规则及特性修改转换及优化Teradata及用户自定义函数，存储过程等
资源负载管理迁移	根据Teradata资源负载管理确定Greenplum用户及资源组或者资源队列
安全及权限管理迁移	迁移用户及组等角色的访问权限及数据库对象权限
BI工具接口迁移	建立Greenplum到BI前端应用连接