简介dbswitch 是一款面向数据库开发与运维人员的批量迁移同步工具用于解决源端数据库向目的端数据库的结构与数据搬迁问题适合需要跨库整库迁移、表结构转换及增量变更同步的中高级开发者。其核心能力包括结构迁移与数据同步两部分结构迁移支持字段类型、主键信息、建表语句的转换并生成建表 SQL还可基于正则表达式完成表名与字段名的映射转换数据同步则基于 JDBC 分批次读取源端数据再以 insert/copy 方式分批写入目的库并支持有主键表的增量变更同步变化数据计算千万级以上数据量的性能仍需在生产环境验证。资源包共 506 个文件以 306 个 java 源码、36 个 js 与 25 个 vue 前端文件为主另含 20 个 jar 依赖、15 个 xml 配置、13 个 sql 脚本及 sh、yml、Dockerfile 等部署文件整体约 99.09MB目录结构完整便于二次开发与本地部署调试。目前已有 793 人学习下载可作为数据库迁移同步方案落地的参考实现。1. 从一次跨库迁移翻车说起dbswitch 到底能干什么上周帮一个朋友处理数据迁移源端是 MySQL目的端是 PostgreSQL表结构里有几十个字段类型对不上主键、索引、建表语句全得手动改。他一开始打算用 mysqldump 加手工改 SQL结果导到第三张表就崩了——时间戳类型不兼容布尔值映射错位增量数据更是完全没法处理。这种场景其实很常见异构数据库之间的批量迁移同步从来不是导出一份 CSV 再导入那么简单。dbswitch 就是冲着这个问题来的它提供源端数据库向目的端数据库的批量迁移同步功能支持全量和增量两种方式结构迁移能自动转换字段类型、主键信息并生成建表 SQL数据同步基于 JDBC 分批次读写还支持有主键表的增量变更同步。适合谁正在做数据库国产化替换、多数据中心同步、或者需要定期把生产库数据搬到分析库的从业者。如果你只是偶尔导一两张表用原生工具就够了但如果是几十上百张表、字段类型复杂、还要持续增量同步这个工具值得花时间拆一拆。2. 结构迁移与正则映射建表 SQL 是怎么自动生成的2.1 字段类型转换的底层逻辑dbswitch 的结构迁移不是简单地把源端 DDL 复制过来而是先通过 JDBC 读取源端库的元数据拿到每张表的字段名、字段类型、长度、精度、是否可空、默认值、主键信息然后按照内置的类型映射规则转换成目的端数据库能识别的类型。比如 MySQL 的TINYINT(1)通常会被映射成 PostgreSQL 的BOOLEANDATETIME映射成TIMESTAMPVARCHAR的长度和字符集也会做适配。这套映射规则不是硬编码死的常见做法是通过配置文件或数据库方言类来扩展。我一般会先跑一遍结构迁移把生成的建表 SQL 导出来人工过一遍确认没有明显偏差再执行。这里有个容易被忽略的点主键和索引信息。dbswitch 在读取元数据时会识别主键列生成建表语句时带上PRIMARY KEY约束。但外键、唯一索引、检查约束这些不同数据库的支持程度差异很大工具不一定能完整迁移。所以结构迁移之后建议用下面的 SQL 检查一下目的端的表结构是否和预期一致-- 查看目的端某张表的字段定义以 PostgreSQL 为例 SELECT column_name, data_type, character_maximum_length, is_nullable FROM information_schema.columns WHERE table_name your_table_name ORDER BY ordinal_position; -- 查看主键约束 SELECT kcu.column_name FROM information_schema.table_constraints tc JOIN information_schema.key_column_usage kcu ON tc.constraint_name kcu.constraint_name WHERE tc.table_name your_table_name AND tc.constraint_type PRIMARY KEY;上面第一段查字段类型和长度第二段查主键列。跑完对比源端和目的端的输出字段数量、类型、主键是否一致一目了然。如果发现某个字段类型不对比如源端是DECIMAL(10,2)结果目的端变成了FLOAT那就需要调整类型映射配置或者手动改建表 SQL。2.2 正则表达式做表名与字段名映射异构迁移里经常遇到命名规范不一致的情况源端表名是t_user_info目的端要求user_info源端字段是userName目的端要求user_name。dbswitch 支持基于正则表达式的表名与字段名映射转换这个功能在跨团队、跨系统迁移时特别实用。配置方式通常是在迁移任务里指定源端模式pattern和目的端替换规则。举个例子假设源端所有表都以t_开头目的端要去掉这个前缀可以这样配置映射规则# 表名映射配置示例具体配置文件路径以实际项目为准 # 源端表名模式t_(.*) # 目的端替换为$1 # 效果t_user_info - user_infot_order_detail - order_detail # 字段名映射驼峰转下划线 # 源端字段模式([a-z])([A-Z]) # 目的端替换为$1_$2 # 效果userName - user_nameorderId - order_id这里用的是正则捕获组加反向引用。t_(.*)里的(.*)捕获t_后面的所有内容替换时用$1引用捕获组。字段名的驼峰转下划线稍微复杂一点([a-z])([A-Z])匹配小写字母后面紧跟大写字母的位置替换成$1_$2就在中间插入了下划线。注意这个规则对连续大写字母比如userID处理可能不完美实际用的时候建议先拿几张表试跑确认映射结果符合预期再全量执行。提示正则映射配置改完之后不要直接跑全量迁移。先选一张数据量小的表做验证确认表名、字段名、字段类型都正确再放开批量任务。2.3 结构迁移的完整操作步骤把结构迁移跑通大致分四步。第一步确认源端和目的端的 JDBC 连接信息包括 URL、用户名、密码、驱动类名。第二步配置迁移任务指定源端 schema、目的端 schema、需要迁移的表清单支持通配符或正则筛选。第三步执行结构迁移工具会读取源端元数据、做类型转换、生成建表 SQL 并在目的端执行。第四步校验结果用前面给的 SQL 对比字段和主键。# 启动脚本示例Windows 下是 startup.cmdLinux 下对应 shell 脚本 # 具体参数以实际项目的配置文件为准 ./startup.sh --source-type mysql \ --source-url jdbc:mysql://source-host:3306/source_db \ --source-user readonly_user \ --source-password ****** \ --target-type postgresql \ --target-url jdbc:postgresql://target-host:5432/target_db \ --target-user write_user \ --target-password ****** \ --mode schema \ --tables t_user_info,t_order_detail这段命令里--source-type和--target-type指定数据库类型--mode schema表示只做结构迁移--tables指定要迁移的表。实际项目中参数名可能不同但核心逻辑就是源端连接、目的端连接、迁移模式、表范围这四块。跑完之后去目的端\dt或者SHOW TABLES看一眼表建出来了就说明结构迁移通了。3. 全量与增量数据同步JDBC 分批次读写和 CDC 计算3.1 全量同步的分批次读取机制结构迁移只是把架子搭好数据同步才是重头戏。dbswitch 的数据同步基于 JDBC 分批次读取源端数据再基于 insert 或 copy 方式分批次写入目的端。为什么要分批次因为千万级以上的表如果一次性SELECT *读进内存JVM 直接 OOM这不是玄学是血泪经验。分批次的核心是设置合理的 fetch size 和批次提交大小。以 MySQL 为例JDBC 驱动默认会把整个结果集加载到内存必须设置useCursorFetchtrue和defaultFetchSize才能启用游标分批读取。PostgreSQL 则默认就支持游标但需要关闭自动提交才能让 fetch size 生效。下面是一个典型的分批次读取配置// JDBC 分批次读取核心参数示意 String url jdbc:mysql://source-host:3306/source_db ?useCursorFetchtrue // 启用游标分批读取 defaultFetchSize5000 // 每次从服务器拉取 5000 行 useSSLfalse serverTimezoneAsia/Shanghai; Connection conn DriverManager.getConnection(url, user, password); conn.setAutoCommit(false); // 关闭自动提交配合游标使用 PreparedStatement ps conn.prepareStatement( SELECT * FROM t_order_detail, ResultSet.TYPE_FORWARD_ONLY, ResultSet.CONCUR_READ_ONLY ); ps.setFetchSize(5000); // 与 URL 参数保持一致 ResultSet rs ps.executeQuery();useCursorFetchtrue告诉 MySQL 驱动用游标方式读取defaultFetchSize5000控制每次网络往返拉取的行数。setAutoCommit(false)是为了让游标在事务中保持打开状态否则驱动可能会一次性把结果拉完。setFetchSize(5000)在 Statement 级别再确认一次。这三个参数配合使用才能实现真正的分批读取。批次大小怎么定我一般从 5000 开始试如果目的端写入压力大就降到 2000如果源端网络延迟高就加到 10000但不要超过 50000否则单批次内存占用还是会偏高。3.2 增量变更同步的 CDC 计算逻辑全量同步解决的是存量数据增量同步解决的是迁移过程中源端持续产生的变更。dbswitch 支持有主键表的增量变更同步核心思路是变化数据计算Change Data Calculate。它不是通过数据库日志binlog/redo log做实时捕获而是基于时间戳字段或版本号字段做周期性比对。常见做法是在源端表上找一个update_time或version字段每次增量任务只读取上次同步时间点之后发生变化的数据然后 merge 到目的端。这种方式的优点是实现简单、不依赖数据库日志权限缺点是有延迟取决于调度周期而且要求源端表有可靠的更新时间字段。如果源端表没有update_time那就没法做增量只能全量重跑。所以迁移之前一定要确认哪些表有主键、哪些表有更新时间字段、哪些表只能全量。下面是一个增量同步的伪代码逻辑# 增量同步核心逻辑示意 last_sync_time get_last_sync_time(t_order_detail) # 从元数据表读取上次同步时间 current_time now() # 从源端读取上次同步之后变更的数据 rows source_query( SELECT * FROM t_order_detail WHERE update_time %s AND update_time %s, last_sync_time, current_time ) # 批量写入目的端有主键则 upsert无主键则 insert for batch in chunk(rows, batch_size2000): target_upsert(t_order_detail, batch, primary_keyorder_id) # 更新同步时间戳 update_last_sync_time(t_order_detail, current_time)这段逻辑的关键点有三个第一update_time字段必须有索引否则每次增量查询都是全表扫描第二时间窗口的边界要处理好和的搭配避免重复或遗漏第三目的端写入要用 upsert存在则更新不存在则插入否则重复执行会产生主键冲突。千万级以上数据量的增量同步性能官方摘要里也说了尚需在生产环境验证所以我的建议是先在测试环境用真实数据量跑一轮观察同步耗时和目的端压力再决定调度周期。3.3 全量加增量的组合策略实际迁移项目里全量和增量不是二选一而是组合使用。标准流程是先做结构迁移再做全量数据同步全量完成后立即启动增量同步把全量期间产生的变更补上最后做数据一致性校验。这个流程里最容易出问题的是全量同步的时间窗口——如果全量跑了六个小时这六个小时里源端的变更必须靠增量补回来所以增量任务的起始时间要设置成全量开始的时间点而不是全量结束的时间点。# 全量同步命令示例 ./datasync.sh --mode full \ --tables t_order_detail \ --batch-size 5000 \ --threads 4 # 增量同步命令示例起始时间设为全量开始时间 ./datasync.sh --mode incremental \ --tables t_order_detail \ --increment-column update_time \ --start-time 2025-01-01 00:00:00 \ --schedule 0 */5 * * * ?--batch-size控制每批次读写行数--threads控制并发线程数注意目的端连接池要够用--increment-column指定增量判断字段--start-time指定增量起始时间--schedule是 cron 表达式控制调度周期。全量任务和增量任务可以并行跑但增量任务的起始时间一定要早于全量开始时间否则中间会丢数据。4. 避坑与排查迁移过程中最容易翻车的五个点4.1 字段类型映射错位导致数据截断现象迁移完成后发现目的端某些字段的值被截断比如源端VARCHAR(255)的数据到了目的端只剩前 50 个字符。原因目的端建表时字段长度没有正确映射或者源端字符集和目的端字符集不一致导致长度计算偏差。解决结构迁移后逐表检查字段长度特别是VARCHAR、CHAR、TEXT类型。如果目的端是 OracleVARCHAR2的长度语义和 MySQL 的VARCHAR不同需要额外注意。4.2 增量同步时间窗口设置错误导致数据丢失现象全量加增量跑完之后目的端数据比源端少了几百条。原因增量任务的起始时间设置成了全量结束时间全量执行期间源端的变更没有被捕获。解决增量起始时间必须设置为全量开始时间并且在全量开始之前就记录好这个时间戳。如果已经丢了数据只能重新跑一次全量加增量。4.3 JDBC fetch size 不生效导致 OOM现象全量同步大表时 JVM 抛出OutOfMemoryError日志显示堆内存被 ResultSet 占满。原因MySQL 驱动没有启用游标模式或者autoCommit没有关闭导致驱动一次性把整个结果集加载到内存。解决确认 JDBC URL 里加了useCursorFetchtrue代码里设置了setFetchSize()并且autoCommit设为false。PostgreSQL 还需要确认没有开启autoCommit。4.4 目的端主键冲突导致批次写入失败现象增量同步任务报错Duplicate entry for key PRIMARY。原因增量数据里包含了已经同步过的记录写入时用了纯 insert 而不是 upsert。解决确认目的端写入逻辑是 upsertINSERT ... ON CONFLICT DO UPDATE或MERGE INTO而不是纯 insert。另外检查增量时间窗口的边界条件避免重复读取同一条记录。4.5 大表迁移时源端压力过大影响业务现象迁移任务跑起来之后源端数据库 CPU 飙升业务查询变慢。原因分批次读取时批次太大、并发线程太多或者没有走索引导致全表扫描。解决降低batch-size和threads在业务低峰期执行迁移确认增量字段有索引。如果源端是生产库建议用只读从库作为源端避免直接影响主库。5. 进阶技巧用 Docker 快速搭一套验证环境前面讲的都是迁移逻辑和参数但真要动手验证最头疼的是搭环境。dbswitch 的项目文件里有 Dockerfile说明它支持容器化部署。我一般会先用 Docker 起一套源端和目的端的测试库跑通全流程之后再上真实环境。这样即使参数配错了大不了把容器删了重来没有后悔药可吃——但容器可以重来。# 启动 MySQL 作为源端测试库 docker run -d --name source-mysql \ -e MYSQL_ROOT_PASSWORDtest123 \ -e MYSQL_DATABASEsource_db \ -p 3306:3306 \ mysql:8.0 # 启动 PostgreSQL 作为目的端测试库 docker run -d --name target-pg \ -e POSTGRES_PASSWORDtest123 \ -e POSTGRES_DBtarget_db \ -p 5432:5432 \ postgres:15 # 在源端建一张测试表并插入数据 docker exec -it source-mysql mysql -uroot -ptest123 source_db -e CREATE TABLE t_user_info ( user_id INT PRIMARY KEY, user_name VARCHAR(100), update_time DATETIME, INDEX idx_update_time (update_time) ); INSERT INTO t_user_info VALUES (1, Alice, 2025-01-01 10:00:00), (2, Bob, 2025-01-01 11:00:00), (3, Charlie, 2025-01-01 12:00:00); 上面三段命令分别起了 MySQL 和 PostgreSQL 容器然后在 MySQL 里建了一张带主键和更新时间索引的测试表。注意update_time上建了索引这是增量同步的前提。环境起来之后把 dbswitch 的源端和目的端连接指向这两个容器跑一遍结构迁移加全量同步再手动改一条源端数据模拟增量观察目的端是否同步更新。验证增量同步是否生效可以用下面这个查询对比源端和目的端的数据-- 在源端执行 SELECT COUNT(*) AS source_count, MAX(update_time) AS latest_update FROM t_user_info; -- 在目的端执行同样的查询 SELECT COUNT(*) AS target_count, MAX(update_time) AS latest_update FROM t_user_info;如果两边COUNT(*)一致MAX(update_time)也一致说明全量加增量都同步到位了。如果目的端数量偏少检查增量起始时间如果MAX(update_time)偏旧检查增量调度是否在跑。这套验证流程我每次迁移都会走一遍确认无误再上生产。从那以后我每次做跨库迁移都强制先在 Docker 里跑一轮完整验证把参数调稳了再碰真实环境。希望帮到你。本文还有配套的精品资源点击获取