将 MongoDB 作为 Amazon DMS 源 - Amazon Database Migration Service
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

将 MongoDB 作为 Amazon DMS 源

Amazon DMS支持将 MongoDB 版本 3.x 和 4.0 作为数据库源。从开始Amazon DMS3.4.5,Amazon DMS支持 MongoDB 版本 4.2 和 4.4。从蒙戈数据库版本 4.2 开始,Amazon DMS3.4.5 及更高版本支持分布式事务。有关 MongoDB 分布式事务的详细信息,请参阅。事务MongoDB 中的数目。

如果您是初次使用 MongoDB,请注意以下关于 MongoDB 数据库的重要概念:

  • MongoDB 中的记录是一个文档,它是由字段和值对构成的数据结构。字段值可以包含其他文档、数组和文档数组。文档大致相当于关系数据库表中的行。

  • MongoDB 中的集合 是一组文档,并且大致相当于关系数据库表。

  • Adatabase是一组集合,并且大致相当于关系数据库中的架构。

  • 在内部,MongoDB 文档以压缩格式存储为二进制 JSON (BSON) 文件,包含文档中每个字段的类型。每个文档都有唯一的 ID。

Amazon DMS将 MongoDB 作为源时,支持两种迁移模式,文档模式或者表模式. 您可以指定在创建 MongoDB 终端节点时使用哪种迁移模式,或者通过设置元数据模式来自Amazon DMS控制台。您可以选择创建第二列,名为_id,通过选择_id 作为单独的列在端点配置面板中。

所选的迁移模式将影响目标数据的结果格式,如下所述。

文档模式

在文档模式下,MongoDB 文档按“原样”迁移,这意味着文档数据将并入目标表中一个名为 _doc 的列中。文档模式是您将 MongoDB 作为源终端节点时的默认设置。

例如,请考虑名为 myCollection 的 MongoDB 集合中的以下文档。

> db.myCollection.find() { "_id" : ObjectId("5a94815f40bd44d1b02bdfe0"), "a" : 1, "b" : 2, "c" : 3 } { "_id" : ObjectId("5a94815f40bd44d1b02bdfe1"), "a" : 4, "b" : 5, "c" : 6 }

在使用文档模式将数据迁移到关系数据库表后,数据结构如下所示。MongoDB 文档中的数据字段将并入 _doc 列。

oid_id _doc
5a94815f40bd44d1b02bdfe0 { "a" : 1, "b" : 2, "c" : 3 }
5a94815f40bd44d1b02bdfe1 { "a" : 4, "b" : 5, "c" : 6 }

您可以选择将额外连接属性 extractDocID 设置为 true,以创建第二个名为 "_id" 的列以作为主键。如果要使用 CDC,请将此参数设置为true除非使用 Amazon DocumentDB 作为目标。

在文档模式中,Amazon DMS 按如下方式管理集合的创建和重命名:

  • 如果您将一个新集合添加到源数据库,则 Amazon DMS 将为该集合创建一个新的目标表并复制所有文档。

  • 如果您重命名源数据库上的现有集合,Amazon DMS不会重命名目标表。

如果目标终端节点是 Amazon DocumentDB,请在文档模式.

表模式

在表模式中,Amazon DMS 将 MongoDB 文档中的每个顶级字段转换为目标表中的一个列。如果已嵌套字段,则 Amazon DMS 会将嵌套值平展到单个列中。随后,Amazon DMS 将关键字段和数据类型添加到目标表的列集。

对于每个 MongoDB 文档,Amazon DMS 将每个键和类型添加到目标表的列集中。例如,通过使用表模式,Amazon DMS 将上一个示例迁移到下表中。

oid_id a b c
5a94815f40bd44d1b02bdfe0 1 2 3
5a94815f40bd44d1b02bdfe1 4 5 6

嵌套值平展到包含键名 (以句点分隔) 的列中。该列的名称是为由句点分隔的平展字段名的联接。例如,Amazon DMS 将具有嵌套值字段(如 {"a" : {"b" : {"c": 1}}})的 JSON 文档迁移到名为 a.b.c. 的列中

为了创建目标列,Amazon DMS 将扫描指定数量的 MongoDB 文档并创建包含所有字段及其类型的集。随后,Amazon DMS 使用此集创建目标表的列。如果您使用 控制台创建或修改 MongoDB 源终端节点,则可指定要扫描的文档的数量。默认值为 1000 个文档。如果您将Amazon CLI,则可使用额外连接属性docsToInvestigate.

在表模式中,Amazon DMS 按如下方式管理文档和集合:

  • 当您将一个文档添加到现有集合时,将复制该文档。如果某些字段在目标中不存在,则不会复制这些字段。

  • 当您更新文档时,复制更新后的文档。如果某些字段在目标中不存在,则不会复制这些字段。

  • 完全支持文档删除。

  • 在 CDC 任务期间,添加新集合不会导致在目标上生成新的表。

  • 不支持重命名集合。

将 MongoDB 作为 Amazon DMS 的源时所需的权限

对于使用 MongoDB 源的 Amazon DMS 迁移,您可以创建具有根权限的用户账户,也可以仅在要迁移的数据库上创建具有权限的用户。

以下代码创建将作为根账户的用户。

use admin db.createUser( { user: "root", pwd: "password", roles: [ { role: "root", db: "admin" } ] } )

对于 MongoDB 3.x 源,以下代码将创建对要迁移的数据库具有最低权限的用户。

use database_to_migrate db.createUser( { user: "dms-user", pwd: "password", roles: [ { role: "read", db: "local" }, "read"] })

对于 MongoDB 4.x 源,以下代码将创建具有最低权限的用户。

{ resource: { db: "", collection: "" }, actions: [ "find", "changeStream" ] }

例如,在 “admin” 数据库中创建以下角色。

use admin db.createRole( { role: "changestreamrole", privileges: [ { resource: { db: "", collection: "" }, actions: [ "find","changeStream" ] } ], roles: [] } )

此外,角色创建后,在要迁移的数据库中创建用户。

> use test > db.createUser( { user: "dms-user12345", pwd: "password", roles: [ { role: "changestreamrole", db: "admin" }, "read"] })

为 CDC 配置 MongoDB 副本集

要将正在进行的复制或 CDC 与 MongoDB 一起使用,Amazon DMS需要具有对 MongoDB 操作日志 (oplog) 的访问权限。要创建 oplog,您需要部署一个副本集 (如果没有副本集)。有关更多信息,请参阅 MongoDB 文档

您可以将 CDC 用于作为源终端节点的 MongoDB 副本集的主要或次要节点。

将独立实例转换为副本集

  1. 使用命令行,连接到 mongo.

    mongo localhost
  2. 停止 mongod 服务。

    service mongod stop
  3. 使用以下命令重新启动 mongod

    mongod --replSet "rs0" --auth -port port_number
  4. 使用以下命令测试与副本集的连接:

    mongo -u root -p password --host rs0/localhost:port_number --authenticationDatabase "admin"

如果您打算执行文档模式迁移,请在创建 MongoDB 终端节点时选择选项 _id as a separate column。通过选择此选项,将创建另一个名为 _id 的列以作为主键。Amazon DMS 需要第二列以支持数据操作语言 (DML) 操作。

将 MongoDB 作为 Amazon DMS 源时的安全要求

AmazonDMS 支持 MongoDB 的两种身份验证方法。这两种身份验证方法用于加密密码,因此它们仅在将 authType 参数设置为 PASSWORD 时使用。

MongoDB 身份验证方法如下:

  • 蒙古-CR— 为了向后兼容

  • ROLE HER1— 使用 MongoDB 版本 3.x 和 4.0 时的默认值

如果未指定身份验证方法,则AmazonDMS 使用 MongoDB 源版本的默认方法。

分段 MongoDB 集合并并行迁移

为了提高迁移任务的性能,MongoDB 源端点支持两个选项,用于表映射中的并行完全负载。

换句话说,您可以通过在 JSON 设置中使用自动分段或带表映射的范围分段并行迁移集合。通过自动分段,您可以指定Amazon DMS在每个线程中自动分割源代码以进行迁移。通过范围分割,您可以告诉Amazon DMSDMS 在每个线程中迁移的每个段的特定范围。有关这些设置的更多信息,请参阅。表和集合设置规则和操作.

使用自动分段范围并行迁移 MongoDB 数据库

您可以并行迁移文档,方法是指定Amazon DMS为每个线程自动分区(分段)您的数据。特别是,您可以指定每个线程要迁移的文档数量。利用这种办法,Amazon DMS会尝试优化段边界以获得每个线程的最大性能。

您可以使用表映射后面的表设置选项来指定分段条件。

表设置选项

描述

"type"

(必需)设置为"partitions-auto"将 MongoDB 作为源。

"number-of-partitions"

(可选)用于迁移的分区(段)总数。默认值为 16。

"collection-count-from-metadata"

(可选)如果此选项设置为true、Amazon DMS使用估计的收集计数来确定分区的数量。如果此选项设置为false、Amazon DMS使用实际的集合计数。默认为 true

"max-records-skip-per-page"

(可选)确定每个分区的边界时一次跳过的记录数。Amazon DMS使用分页跳过方法来确定分区的最小边界。默认值为 10,000。

设置一个相对较大的值可能会导致策略器超时和任务失败。设置一个相对较低的值会导致每页更多的操作和较慢的满载。

"batch-size"

(可选)限制一批中返回的文档数量。每个批处理都需要到服务器的往返行程。如果批处理大小为零 (0),则游标将使用服务器定义的最大批量大小。默认值为 0。

以下示例显示了用于自动分段的表映射。

{ "rules": [ { "rule-type": "selection", "rule-id": "1", "rule-name": "1", "object-locator": { "schema-name": "admin", "table-name": "departments" }, "rule-action": "include", "filters": [] }, { "rule-type": "table-settings", "rule-id": "2", "rule-name": "2", "object-locator": { "schema-name": "admin", "table-name": "departments" }, "parallel-load": { "type": "partitions-auto", "number-of-partitions": 5, "collection-count-from-metadata": "true", "max-records-skip-per-page": 1000000, "batch-size": 50000 } } ] }

自动分割具有以下限制。每个段的迁移将获取集合计数和最小_id为集合单独。然后,它使用分页跳过来计算该段的最小边界。

因此,请确保最小_id值保持不变,直到计算集合中的所有段边界。如果您更改最小_id值,则可能会导致数据丢失或重复行错误。

使用范围分段并行迁移 MongoDB 数据库

您可以通过指定线程中每个段的范围并行迁移文档。使用这种方法,你告诉Amazon DMS根据您选择的每个线程的文档范围,在每个线程中迁移的特定文档。

下图显示了一个包含七个项目的 MongoDB 集合,_id作为主键。


                        有七个项目的 MongoDB 集合。

要将集合拆分为三个特定的段Amazon DMS以并行迁移,则可以将表映射规则添加到迁移任务中。以下 JSON 示例显示了这种方法。

{ // Task table mappings: "rules": [ { "rule-type": "selection", "rule-id": "1", "rule-name": "1", "object-locator": { "schema-name": "testdatabase", "table-name": "testtable" }, "rule-action": "include" }, // "selection" :"rule-type" { "rule-type": "table-settings", "rule-id": "2", "rule-name": "2", "object-locator": { "schema-name": "testdatabase", "table-name": "testtable" }, "parallel-load": { "type": "ranges", "columns": [ "_id", "num" ], "boundaries": [ // First segment selects documents with _id less-than-or-equal-to 5f805c97873173399a278d79 // and num less-than-or-equal-to 2. [ "5f805c97873173399a278d79", "2" ], // Second segment selects documents with _id > 5f805c97873173399a278d79 and // _id less-than-or-equal-to 5f805cc5873173399a278d7c and // num > 2 and num less-than-or-equal-to 5. [ "5f805cc5873173399a278d7c", "5" ] // Third segment is implied and selects documents with _id > 5f805cc5873173399a278d7c. ] // :"boundaries" } // :"parallel-load" } // "table-settings" :"rule-type" ] // :"rules" } // :Task table mappings

该表映射定义将源集合拆分为三个段,并并行迁移。以下是分段边界。

Data with _id less-than-or-equal-to "5f805c97873173399a278d79" and num less-than-or-equal-to 2 (2 records) Data with _id > "5f805c97873173399a278d79" and num > 2 and _id less-than-or-equal-to "5f805cc5873173399a278d7c" and num less-than-or-equal-to 5 (3 records) Data with _id > "5f805cc5873173399a278d7c" and num > 5 (2 records)

迁移任务完成后,您可以从任务日志中验证表是否并行加载,如以下示例所示。您也可以验证 MongoDBfind子句用于从源表中卸载每个段。

[TASK_MANAGER ] I: Start loading segment #1 of 3 of table 'testdatabase'.'testtable' (Id = 1) by subtask 1. Start load timestamp 0005B191D638FE86 (replicationtask_util.c:752) [SOURCE_UNLOAD ] I: Range Segmentation filter for Segment #0 is initialized. (mongodb_unload.c:157) [SOURCE_UNLOAD ] I: Range Segmentation filter for Segment #0 is: { "_id" : { "$lte" : { "$oid" : "5f805c97873173399a278d79" } }, "num" : { "$lte" : { "$numberInt" : "2" } } } (mongodb_unload.c:328) [SOURCE_UNLOAD ] I: Unload finished for segment #1 of segmented table 'testdatabase'.'testtable' (Id = 1). 2 rows sent. [TASK_MANAGER ] I: Start loading segment #1 of 3 of table 'testdatabase'.'testtable' (Id = 1) by subtask 1. Start load timestamp 0005B191D638FE86 (replicationtask_util.c:752) [SOURCE_UNLOAD ] I: Range Segmentation filter for Segment #0 is initialized. (mongodb_unload.c:157) [SOURCE_UNLOAD ] I: Range Segmentation filter for Segment #0 is: { "_id" : { "$lte" : { "$oid" : "5f805c97873173399a278d79" } }, "num" : { "$lte" : { "$numberInt" : "2" } } } (mongodb_unload.c:328) [SOURCE_UNLOAD ] I: Unload finished for segment #1 of segmented table 'testdatabase'.'testtable' (Id = 1). 2 rows sent. [TARGET_LOAD ] I: Load finished for segment #1 of segmented table 'testdatabase'.'testtable' (Id = 1). 1 rows received. 0 rows skipped. Volume transfered 480. [TASK_MANAGER ] I: Load finished for segment #1 of table 'testdatabase'.'testtable' (Id = 1) by subtask 1. 2 records transferred.

目前,Amazon DMS支持以下 MongoDB 数据类型作为段键列:

  • Double

  • 字符串

  • ObjectId

  • 32 位整数

  • 64 位整数

将 MongoDB 作为源时迁移多个数据库Amazon DMS

Amazon DMS版本 3.4.5 及更高版本支持在单个任务中迁移多个数据库,适用于所有受支持的 MongoDB 版本。如果要迁移多个数据库,请执行以下步骤:

  1. 在创建 MongoDB 源终端节点时,请执行以下操作之一:

    • 在 DMS 控制台的创建终端节点页面上,确保数据库名称在下为空终端节点配置.

    • 使用Amazon CLI CreateEndpoint命令,将一个空字符串值分配给DatabaseName中的参数MongoDBSettings.

  2. 对于要从 MongoDB 源迁移的每个数据库,请在任务的表映射中指定数据库名称作为模式名称。您可以使用控制台中的引导输入或直接在 JSON 中执行此操作。有关引导输入的更多信息,请参阅。指定控制台中的表选择和转换规则. 有关 JSON 的更多信息,请参阅。选择规则和操作.

例如,您可以指定以下 JSON 以迁移三个 MongoDB 数据库。

例 迁移架构中的所有表

下面的 JSON 将所有表从CustomersOrders, 和Suppliers数据库连接到目标终端节点。

{ "rules": [ { "rule-type": "selection", "rule-id": "1", "rule-name": "1", "object-locator": { "schema-name": "Customers", "table-name": "%" }, "object-locator": { "schema-name": "Orders", "table-name": "%" }, "object-locator": { "schema-name": "Inventory", "table-name": "%" }, "rule-action": "include" } ] }

将 MongoDB 作为 Amazon DMS 源时的限制

将 MongoDB 作为 Amazon DMS 源时,存在以下限制:

  • _id 选项设置为单独一列时,ID 字符串不能超过 200 个字符。

  • 在表模式下,对象 ID 和数组类型键将转换为具有 oidarray 前缀的列。

    将使用具有前缀的名称在内部引用这些列。如果您在Amazon DMS,请确保指定具有前缀的列。例如,指定 ${oid__id} 而不是 ${_id},或者指定 ${array__addresses} 而不是 ${_addresses}

  • 集合名称和密钥名称不能包含美元符号 ($)。

  • 表模式和文档模式具有前面描述的限制。

  • 使用自动分段并行迁移具有上述限制。

  • MongoDB 不支持源筛选器。

将 MongoDB 作为源时的端点配置设置Amazon DMS

当您设置 MongoDB 源终端节点时,您可以使用Amazon DMS控制台。

下表介绍了将 MongoDB 数据库用作Amazon DMS源。

设置(属性) 有效值 默认值和描述

身份验证模式

"none"

"password"

该值"password"会提示输入用户名和密码。何时"none",则不使用用户名和密码参数。

身份验证源

有效的 MongoDB 数据库名称。

要用于验证凭据以进行身份验证的 MongoDB 数据库的名称。默认值为 "admin"

身份验证机制

"default"

"mongodb_cr"

"scram_sha_1"

身份验证机制。 "default" 值为 "scram_sha_1"。当 authType 设为 "no" 时,不使用此设置。

元数据模式

文档和表格

选择文档模式或表模式。

要扫描的文档数(docsToInvestigate

大于 0 的正整数。

在表模式下使用此选项仅用于定义目标表定义。

_id 作为单独的列

勾选标记在框

可选的复选标记框,用于创建第二个名为_id,它充当主键。

如果选择文档作为元数据模式,可用选项不同。

如果目标终端节点是 DocumentDB,请确保在文档模式此外,修改源端点并选择_id 作为单独的列.

MongoDB 的源数据类型

将 MongoDB 作为 Amazon DMS 源的数据迁移支持大多数 MongoDB 数据类型。在下表中,您可以找到使用 Amazon DMS 时支持的 MongoDB 源数据类型以及来自 Amazon DMS 数据类型的默认映射。有关 MongoDB 数据类型的更多信息,请参阅 MongoDB 文档中的 BSON 类型

有关如何查看目标中映射的数据类型的信息,请参阅有关所使用的目标终端节点的部分。

有关 Amazon DMS 数据类型的其他信息,请参阅的数据类型AmazonDatabase Migration Service

MongoDB 数据类型

Amazon DMS 数据类型

Boolean

Bool

二进制

BLOB

日期

日期

时间戳

日期

Int

INT4

长整型

INT8

Double

REAL8

字符串 (UTF-8)

CLOB

数组

CLOB

OID

字符串

REGEX

CLOB

CODE

CLOB