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 AWS DMS 源
有关 MongoDB 版本的信息AWS DMS支持作为来源,请参阅AWS DMS 的源。
要注意以下有关 MongoDB 版本支持的内容:
的版本AWS DMS3.4.5 及更高版本支持 MongoDB 版本 4.2 和 4.4。
的版本AWS DMS3.4.5 及更高版本以及 MongoDB 4.2 及更高版本支持分布式事务。要了解有关 MongoDB 分布式事务的更多信息,请参阅交易
在MongoDB 文档 。 的版本AWS DMS3.5.0 及更高版本不支持 3.6 之前的 MongoDB 版本。
的版本AWS DMS3.5.1 及更高版本支持 MongoDB 版本 5.0。
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。
-
一个数据库MongoDB 中是一组集合,大致等同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。
AWS DMS使用 MongoDB 作为源时支持两种迁移模式,文档模式要么表格模式。您可以在创建 MongoDB 终端节点时指定要使用的迁移模式,或者通过设置元数据模式参数来自AWS DMS控制台。或者,您可以创建名为的第二列_id
通过选择复选标记按钮来充当主键_id 作为单独的列在端点配置面板中。
您选择的迁移模式会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。如果您要使用 CDC,请将此参数设置为真的。在文档模式中,AWS 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 AWS 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,AWS DMS不会重命名目标表。
如果目标终端节点是 Amazon DocumentDB,请在中运行迁移文档模式。
-
- 表模式
-
在表模式中,AWS 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 AWS DMS 会将嵌套值平展到单个列中。随后,AWS 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,AWS 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,AWS 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,AWS 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,AWS 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,AWS 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AWS CLI,可以使用额外的连接属性
docsToInvestigate
。在表模式中,AWS 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。
-
主题
将 MongoDB 作为 AWS DMS 的源时所需的权限
对于使用 MongoDB 源的 AWS 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 源代码,以下代码创建了一个对待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 源代码,以下代码会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: [] } )
创建角色后,在要迁移的数据库中创建一个用户。
> use test > db.createUser( { user: "dms-user12345", pwd: "password", roles: [ { role: "changestreamrole", db: "admin" }, "read"] })
为 CDC 配置 MongoDB 副本集
要在 MongoDB 中使用持续复制或 CDC,AWS DMS需要访问 MongoDB 操作日志 (oplog)。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
-
使用命令行,连接到
mongo
。mongo localhost
-
停止
mongod
服务。service mongod stop
-
使用以下命令重新启动
mongod
:mongod --replSet "rs0" --auth -port
port_number
-
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。AWS DMS 需要第二列以支持数据操作语言 (DML) 操作。
注意
AWS DMS使用操作日志 (oplog) 捕获正在进行的复制期间的更改。如果 MongoDB 之前从操作日志中清空了记录AWS DMS读取它们,你的任务就会失败。建议调整操作日志的大小,以将更改保留至少 24 小时。
将 MongoDB 作为 AWS DMS 源时的安全要求
AWS分布式消息服务支持两种针对 MongoDB 的身份验证方法。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:
-
MONGODB-CR— 为了向后兼容
-
SCRAM-SHA1— 使用 MongoDB 版本 3.x 和 4.0 时的默认设置
如果未指定身份验证方法,AWSDMS 对 MongoDB 源代码的版本使用默认方法。
对 MongoDB 集合进行分段并行迁移
为了提高迁移任务的性能,MongoDB 源端点支持表映射中的两个并行满载选项。
换句话说,您可以在 JSON 设置中使用自动分段或带表映射的范围分割来并行迁移集合,从而实现并行满载。使用自动分段,您可以为以下条件指定标准AWS DMS在每个话题中自动对源进行细分以进行迁移。通过范围分割,你可以分辨出来AWS DMSDMS 要在每个线程中迁移的每个分段的具体范围。要了解有关这些设置的更多信息,请参阅表格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
您可以通过指定以下条件并行迁移文档AWS DMS自动对每个线程的数据进行分区(分段)。具体而言,您可以指定每个线程要迁移的文档数量。使用这种方法,AWS DMS尝试优化分段边界以实现每个线程的最大性能。
您可以使用表格映射中下面的表格设置选项来指定分段标准。
表格设置选项 |
描述 |
---|---|
|
(必需)设置为 |
|
(可选)用于迁移的分区(段)总数。默认值为 16。 |
|
(可选)如果此选项设置为 |
|
(可选)在确定每个分区的边界时要同时跳过的记录数。AWS 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。 设置相对较大的值可能会导致游标超时和任务失败。设置相对较低的值会导致每页的操作次数更多,满载速度会变慢。 |
|
(可选)限制一批返回的文档的数量。每个批次都需要往返服务器。如果批量大小为零 (0),则游标使用服务器定义的最大批次大小。默认值为 0。 |
以下示例显示了自动分段的表映射。
{ "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 } } ] }
自动分段有以下限制。每个分段的迁移会获取集合计数和最小值_id
单独用于收藏。然后,它使用分页跳过来计算该分段的最小边界。
因此,请确保最低限度_id
在计算出集合中的所有分段边界之前,每个集合的值保持不变。如果您更改最小值_id
集合在段边界计算期间的值可能会导致数据丢失或重复的行错误。
使用范围分割并行迁移 MongoDB 数据库
您可以通过为话题中的每个片段指定范围来并行迁移文档。使用这种方法,你就知道了AWS DMS根据您选择的每个线程的文档范围,在每个话题中迁移的特定文档。
下图显示了一个包含七个项目的 MongoDB 集合,以及_id
作为主键。

要将集合拆分为三个特定的片段AWS DMS要并行迁移,可以在迁移任务中添加表映射规则。此方法如以下 JSON 示例所示。
{ // 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。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,AWS DMS支持以下 MongoDB 数据类型作为分段键列:
-
Double
-
字符串
-
ObjectId
-
32 位整数
-
64 位整数
使用 MongoDB 作为源时迁移多个数据库AWS DMS
AWS DMS3.4.5 及更高版本支持在单个任务中为所有支持的 MongoDB 版本迁移多个数据库。要迁移多个数据库时,请执行以下步骤:
-
创建 MongoDB 源端点时,要执行以下操作之一:
-
在 DMS 控制台上创建终端节点页面,请确保数据库名称下面是空的端点配置。
-
使用AWS CLI
CreateEndpoint
命令,将一个空字符串值分配给DatabaseName
参数在MongoDBSettings
。
-
-
对于要从 MongoDB 源迁移的每个数据库,请在任务的表映射中将数据库名称指定为架构名称。您可以使用控制台中的引导式输入或直接在 JSON 中执行此操作。要了解引导式输入的更多信息,请参阅 通过控制台指定表选择和转换规则。要了解有关 JSON 的更多信息,请参阅选择规则和操作。
例如,要迁移三个 MongoDB 数据库,可以指定以下 JSON。
例 迁移架构中的所有表
下面的 JSON 会迁移所有来自的表Customers
,Orders
,以及Suppliers
源端点中的数据库指向目标终端节点。
{ "rules": [ { "rule-type": "selection", "rule-id": "1", "rule-name": "1", "object-locator": { "schema-name": "Customers", "table-name": "%" }, "rule-action": "include", "filters": [] }, { "rule-type": "selection", "rule-id": "2", "rule-name": "2", "object-locator": { "schema-name": "Orders", "table-name": "%" }, "rule-action": "include", "filters": [] }, { "rule-type": "selection", "rule-id": "3", "rule-name": "3", "object-locator": { "schema-name": "Inventory", "table-name": "%" }, "rule-action": "include", "filters": [] } ] }
将 MongoDB 作为 AWS DMS 源时的限制
将 MongoDB 作为 AWS DMS 源时,存在以下限制:
-
在表格模式下,集合中的文档在用于同一字段值的数据类型上必须一致。例如,如果集合中的文档包含
'{ a:{ b:value ... }'
,馆藏中所有引用value
的a.b
字段必须使用相同的数据类型value
,无论它出现在集合中的任何地方。 -
当
_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
oid
和array
前缀的列。将使用具有前缀的名称在内部引用这些列。如果您在中使用转换规则AWS DMS如果引用这些列,请务必指定带前缀的列。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 ($)。
-
AWS DMS在表格模式下,不支持包含具有不同大小写(大小)的相同字段的集合,目标为 RDBMS。例如,AWS DMS不支持命名两个集合
Field1
和field1
。 -
表格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存在上述限制。
-
MongoDB 不支持源过滤器。
-
AWS DMS不支持嵌套级别大于 97 的文档。
-
AWS DMS不支持 MongoDB 版本 5.0 的以下功能:
实时重新分片
客户端字段级加密 (CSFLE)
时间序列集合迁移
注意
由于 DocumentDB 不支持时间序列集合,因此在满载阶段迁移的时间序列集合将转换为 Amazon DocumentDB 中的普通集合。
使用 MongoDB 作为源时的端点配置设置AWS DMS
在设置 MongoDB 源端点时,您可以使用指定多个端点配置设置AWS DMS控制台。
下表描述了使用 MongoDB 数据库作为数据库时可用的配置设置AWS DMS来源。
设置(属性) | 有效值 | 默认值和描述 |
---|---|---|
身份验证模式 |
|
该值 |
身份验证来源 |
有效的 MongoDB 数据库名称。 |
要用于验证身份的凭据的 MongoDB 数据库的名称。默认值为 |
身份验证机制 |
|
身份验证机制。 |
元数据模式 |
文档和表格 |
选择文档模式或表格模式。 |
要扫描的文档数量( |
大于 |
仅在表格模式下使用此选项来定义目标表定义。 |
_id 作为单独的列 |
复选框中的复选标记 |
可选的复选框用于创建第二列,名为 |
|
NUMBER 仅限额外连接属性 (ECA)。 |
此设置以毫秒为单位,用于配置 MongoDB 客户端的连接超时。如果该值小于或等于零,则使用 MongoDB 客户端默认值。 |
|
布尔值
|
如果为 true,则在 CDC 更新事件期间,AWS DMS将整个更新的文档复制到目标。当设置为 false 时,AWS DMS使用 MongoDB update 命令仅更新目标上文档中已修改的字段。 |
|
布尔值
|
如果属实,AWS DMS将数据复制到分片集合。AWS DMS仅当目标终端节点是 DocumentDB 弹性集群时才使用此设置。 此设置为真时,请注意以下几点:
|
如果你选择文档如同元数据模式,有不同的选项可供选择。
如果目标端点是 DocumentDB,请确保在中运行迁移文档模式另外,修改您的源端点并选择选项_id 作为单独的列。如果您的源 MongoDB 工作负载涉及事务,则这是必需的先决条件。
MongoDB 的源数据类型
将 MongoDB 作为 AWS 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 AWS DMS 时支持的 MongoDB 源数据类型以及来自 AWS 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 AWS DMS 数据类型的其他信息,请参阅Database MigratiAWS on Service 数据类型。
MongoDB 数据类型 |
AWS DMS 数据类型 |
---|---|
布尔值 |
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 |