本文将讲述的是Oracle数据库迁移的一些技巧，包括Oracle数据库迁移前的准备工作，以及不同类型迁移的处理方法。希望对大家了解Oracle数据库迁移有所帮助。51CTO数据库频道之前也曾为大家介绍过《Oracle跨平台迁移结构而不迁移数据方法详解》。
去年年底做了不少系统的数据迁移，大部分系统由于平台和版本的原因，做的是逻辑迁移，少部分做的是物理迁移，有一些心得体会，与大家分享。
首先说说迁移流程，在迁移之前，写好方案，特别是实施的方案步骤一定要写清楚，然后进行完整的测试。我们在迁移时，有的系统测试了四五次，通过测试来完善方案和流程。
针对物理迁移，也即通过RMAN备份来进行还原并应用归档的方式（这里不讨论通过dd方式进行的冷迁移），虽然注意的是要将数据库设为force logging的方式，在用RMAN做全备之前，一定要执行：
- view plaincopy to clipboardprint?
- alter database force logging;
- alter database force logging;
否则可能会产生坏块。
对于逻辑迁移，在job_processes设置为>0的数值之前，注意job的下次执行时间和job所属用户。比如job的定义在之前已经导入，但是在迁移之时，job已经运行过，那么迁移完成之后，job的下次时间还是原来的时间，这样可能会重复运行。另外，job通过IMP导入后，job所属用户会变成导入用户的名称，显然job原来的用户就不能对JOB进行管理了，可以通过下面的sql进行修改：
- view plaincopy to clipboardprint?
- update sys.job$ set lowner=cowner , powner=cowner;
- update sys.job$ set lowner=cowner , powner=cowner;
在迁移之前，应该禁止对系统进行结构上的修改和发布，比如表结构，索引，存储过程包等。
如果是用exp/imp导入的对象，包括存储过程等，应该检查对象是否与原生产库一致，比如由于dblink的原因，imp之后，存储过程不能创建，导致有部分存储过程丢失，尽管这些存储过程可能没有被使用。
下面是一些加快迁移速度的技巧：
通过dblink，使用append insert的方式，同时利用并行，这种方式比exp/imp更快
对于有LONG类型的列，insert..select的方式显然是不行的，可以通过exp/imp的方式，但是这种方式速度非常慢，其原因在于imp时一行一行地插入表。有另外一种方式，即sqlplus的copy命令，下面是一个示例： view plaincopy to clipboardprint?
- spool copy_long_table_1.log
- conn / as sysdba
- set copycommit=2000
- set arraysize 30
- set long 10485760
- copy from system/xxxx@source_db append username.table_name using select * from username.table_name;
- spool off
- exit
- spool copy_long_table_1.log
- conn / as sysdba
- set copycommit=2000
- set arraysize 30
- set long 10485760
- copy from system/xxxx@source_db append username.table_name using select * from username.table_name;
- spool off
- exit
不过，sqlpus的copy命令不支持有timestamp和lob列类型的表。如果有timestamp类型的表，可以通过在exp时，加上rowid的条件，将一个表分成多个部分同时操作，对于有lob类型的表，也可以同样处理（因为insert …select方式下，有lob类型列时，也同样是一行一行地插入）。注意在这种方式下，就不能使用direct的方式exp/imp。下面是exp导出时parfile示例：
- query="where rowid>=dbms_rowid.rowid_create(1,71224,52,9,0) and rowid<=dbms_rowid.rowid_create(1,71224,55,1038344,10000)"
- file=/dumpdata/n1.dmp
- tables=username.table1
- constraints=n
- grants=no
- indexes=no
- buffer=104857600
- ...
- ...
- query="where rowid>=dbms_rowid.rowid_create(1,71224,423,137,0) and rowid<=dbms_rowid.rowid_create(1,71224,432,59272,10000)"
- file=/dumpdata/n6.dmp
- tables=username.table1
- constraints=n
- grants=no
- indexes=no
- buffer=104857600
- query="where rowid>=dbms_rowid.rowid_create(1,71224,52,9,0) and rowid<=dbms_rowid.rowid_create(1,71224,55,1038344,10000)"
- file=/dumpdata/n1.dmp
- tables=username.table1
- constraints=n
- grants=no
- indexes=no
- buffer=104857600
- ...
- ...
- query="where rowid>=dbms_rowid.rowid_create(1,71224,423,137,0) and rowid<=dbms_rowid.rowid_create(1,71224,432,59272,10000)"
- file=/dumpdata/n6.dmp
- tables=username.table1
- constraints=n
- grants=no
- indexes=no
- buffer=104857600
将表分成几部分同时操作，不仅仅可以利用rowid，也可以利用表上的列，比如说，表上有一个created_date的列，并且保证是递增插入数据，那么这种情况下，也可以使用这个字段将表分成不同的范围同时进行导出和导入。不过使用ROWID通常具有更高的效率。
当然对于有lob列的表，可以按上述方式，拆成多个insert方式同时插入，不需要exp/imp。
对于特别大的分区表，虽然使用并行可以提高速度，但是受限于单个进程（不能跨DB LINK进行并行事务，只能并行查询，也即insert..select只能是SELECT部分才能进行并行）的处理能力，这种方式下速度仍然有限。可以并行将数据插入多个中间表，然后通过exchange partition without validation 的方式，交换分区，这种方式将会大大提高了速度。
有朋友可能会问，为什么不并行直接插入分区表，当然如果是非direct path(append)方式，则是没问题的，但是这种方式插入的性能较低。而direct path的方式，会在表上持有mode=6（互斥）的TM锁，不能多个会话同时插入。(update: 在insert 时使用这样的语句：insert into tablename partition (partname) select * from tablename where ….，更简单更有效率。)
迁移时，将数据分成两部分，一部分是历史表，第二部分是动态变化的表，在迁移之前，先导入历史表，并在历史表上建好索引，这无疑会大大减少迁移时业务系统中断时间。
迁移之前，考虑清理掉垃圾数据。
迁移时，应保证表上没有任何索引，约束（NOT NULL除外）和触发器，数据导入完成后，再建索引。建索引时同样，同时使用多个进程跑脚本。索引创建无成后，应去掉索引的PARALLEL属性。
在创建约束时，应按先创建CHECK约束，主键，***键，再创建外键约束的顺序。约束状态为 ENABLE NOVALIDATE，这将大大减少约束创建时间。而在迁移完成后，再考虑设回为ENABLE VALIDATE。
通过使用dbms_stats.export_schame_stats和dbms_stats.import_schame_stats导入原库上的统计信息，而不用重新收集统计使用。
朋友们可以看到，以上均是针对9i的，实际上在10g甚至11g环境下，也仍然很多借鉴意义。当然这些技巧不仅仅用于完整的数据库迁移，也可以应用到将个别表复制到其他数据库上。
这里没有提到的是利用物化视图或高级复制、触发器之类的技术，因为这些技术，毕竟要修改生产库，对生产库的运行有比较大的影响，因此，只有在停机时间要求特别严格，而在这个时间内又不能完成迁移时才应该考虑。
从迁移的经验来说，只有完善的流程，完整的测试才可以保证成功。这里只是列举了一些小技巧，如果对整个迁移过程有兴趣，可以针对这个话题再进行讨论。
原文链接：http://www.laoxiong.net/some_data_migration_tips.html
【编辑推荐】
