MySQL 迁移至 Doris 最佳实践方案

在数据架构不断演进的背景下，从 MySQL 迁移至 Doris 成为许多企业提升数据处理效率的关键选择。本文将深入剖析三种经过实践验证的 MySQL 迁移至 Doris 的最佳方案，涵盖全量迁移、增量同步、混合迁移以及基于 CDC（Change Data Capture）的实时迁移。每种方案都将从技术原理、实施步骤、适用场景、资源消耗等维度展开分析，并通过对比选型帮助读者结合自身业务需求与技术栈，找到最契合的迁移路径，实现数据平稳过渡与性能跃升。

一、JDBC Catalog 联邦查询方案（适合跨库实时查询）

1. 方案概述

通过 Doris 1.2 + 引入的JDBC Catalog功能，直接通过标准 JDBC 协议连接 MySQL 数据库，实现跨库联邦查询和数据写入。相比 ODBC，JDBC 接口更统一、兼容性更强，且无需复杂的驱动安装和版本匹配。

2. 环境要求

组件	版本要求	说明
Doris	1.2.0+	支持 JDBC Catalog 功能
MySQL	MySQL 5.7, 8.0 或更高版本	需开启远程访问权限
MySQL JDBC	8.0.28+	驱动下载：MySQL JDBC 驱动

3. 实施步骤

3.1 安装 JDBC 驱动（所有 FE/BE 节点）

步骤 1：创建驱动目录

mkdir -p /your_path/doris/jdbc_drivers 

步骤 2：上传驱动包下载 MySQL JDBC 驱动（如mysql-connector-java-8.0.31.jar），并上传至所有 FE/BE 节点的/your_path/doris/jdbc_drivers目录。

步骤 3：配置驱动路径编辑fe.conf和be.conf，添加以下配置(如果你使用的是默认的路径就不需要修改这个了)：

jdbc_drivers_dir = /opt/doris/jdbc_drivers 

步骤 4：重启服务

# 重启FE 
cd /opt/doris/fe 
bin/stop_fe.sh && bin/start_fe.sh --daemon 
# 重启BE 
cd /opt/doris/be 
bin/stop_be.sh && bin/start_be.sh --daemon 

3.2 创建 JDBC Catalog

使用 MySQL 客户端连接 Doris，执行以下 SQL 创建 Catalog：

CREATE CATALOG mysql PROPERTIES ("type"="jdbc","user"="root","password"="secret","jdbc_url" = "jdbc:mysql://example.net:3306","driver_url" = "mysql-connector-j-8.3.0.jar","driver_class" = "com.mysql.cj.jdbc.Driver"
)

jdbc_url：MySQL 连接地址，可指定数据库（如jdbc:mysql://host:port/dbname）。

driver_url：驱动文件名，需与/opt/doris/jdbc_drivers目录下的文件一致，默认就是/your_path/doris/jdbc_drivers 。

3.3 创建查询或者导入

执行联邦查询

-- 直接查询mysql表 SELECT * FROM mysql_catalog.mysql_db.user_table LIMIT 10; -- 与Doris表关联查询 
SELECT a.id, a.name, b.sales 
FROM mysql_catalog.mysql_db.user_table a 
JOIN doris_table b ON a.id = b.user_id; 

执行数据导入

-- 建表
create table as select  mysql_catalog.mysql_db.user_table-- 导入
insert into doris_table select * from mysql_catalog.mysql_db.user_table

4. 注意事项

数据类型映射：
MySQL 的BIT类型映射为 Doris 的STRING，需在查询时转换（如CAST(bit_col AS BOOLEAN)）。
大字段类型（如BLOB）建议通过VARCHAR映射，避免查询性能问题。

权限控制：
为 Doris 创建专用 MySQL 用户，仅授予SELECT权限，避免数据泄露。
在 Doris 中通过GRANT语句限制外部表访问权限。

连接安全
如果您使用数据源上安装的全局信任证书配置了 TLS，则可以通过将参数附加到在 jdbc_url 属性中设置的 JDBC 连接字符串来启用集群和数据源之间的 TLS。

二、Binlog 实时同步方案（适合增量数据同步）

1. 方案概述

通过 Canal 解析 MySQL Binlog，实时同步增量数据至 Doris，支持 INSERT/UPDATE/DELETE 操作，适用于实时数据仓库场景。

2. 环境要求

组件	版本要求	说明
MySQL	5.7+	需开启 Binlog（ROW 模式）
Canal	1.1.5+	下载地址：Canal 官网
Doris	1.2.0+	支持 BATCH_DELETE 特性

3. 实施步骤

3.1 配置 MySQL 开启 Binlog

步骤 1：编辑 my.cnf

[mysqld] 
log-bin=mysql-bin         # 开启Binlog 
binlog-format=ROW          # 使用ROW模式 
binlog-row-image=FULL      # 记录完整行数据 
server-id=1                # 唯一服务器ID 

步骤 2：重启 MySQL 服务

sudo systemctl restart mysqld 

3.2 部署 Canal 服务

步骤 1：下载并解压

wget https://github.com/alibaba/canal/releases/download/canal-1.1.5/canal.deployer-1.1.5.tar.gz tar -zxvf canal.deployer-1.1.5.tar.gz 

步骤 2：创建 Instance 配置

mkdir conf/demo 
cp conf/example/instance.properties conf/demo/ 
vim conf/demo/instance.properties 

关键配置：

canal.instance.master.address=192.168.1.100:3306   # MySQL地址 
canal.instance.dbUsername=canal                  # 具有Binlog读取权限的用户 
canal.instance.dbPassword=canal                  # 用户密码 
canal.destination=demo                           # Instance名称 

步骤 3：启动 Canal

sh bin/startup.sh 
# 验证日志：cat logs/demo/demo.log，显示"start successful"表示启动成功 

3.3 在 Doris 中创建同步任务

步骤 1：创建 Doris 目标表（需开启 BATCH_DELETE）

--create Mysql table
CREATE TABLE `test.source_test` (`id` int(11) NOT NULL COMMENT "",`name` int(11) NOT NULL COMMENT ""
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;-- create Doris table
CREATE TABLE `target_test` (`id` int(11) NOT NULL COMMENT "",`name` int(11) NOT NULL COMMENT ""
) ENGINE=OLAP
UNIQUE KEY(`id`)
COMMENT "OLAP"
DISTRIBUTED BY HASH(`id`) BUCKETS 8
PROPERTIES (
"replication_allocation" = "tag.location.default: 3"
);

步骤 2：创建同步作业

CREATE SYNC demo_job ( FROM mysql.test_table INTO target_test (id, name) 
) 
FROM BINLOG ( "type" = "canal", "canal.server.ip" = "192.168.1.101",   # Canal服务器IP "canal.server.port" = "11111",         # Canal默认端口 "canal.destination" = "demo",          # Canal Instance名称 "canal.username" = "canal", "canal.password" = "canal", "sync.mode" = "incremental"            # 增量同步模式 
); 

4. 注意事项

权限要求：需为 Canal 创建专用用户（如 canal），并授予REPLICATION SLAVE权限：

CREATE USER 'canal'@'%' IDENTIFIED BY 'canal'; 
GRANT REPLICATION SLAVE ON *.* TO 'canal'@'%'; 
FLUSH PRIVILEGES; 

数据一致性：建议在 Doris 目标表中使用UNIQUE KEY 模型，并确保 MySQL 源表与 Doris 表字段一一对应。

三、Flink CDC 流式同步方案（适合高实时性场景）

1. 方案概述

基于 Flink CDC（Change Data Capture）实时捕获 MySQL 变更数据，通过 Flink-Doris 连接器写入 Doris，支持秒级延迟，适用于实时分析、实时报表场景。

2. 环境要求

组件	版本要求	说明
Flink	1.13+	支持 Flink CDC 2.0+
Doris	1.2.0+	支持 Delete 操作
依赖库	flink-cdc-2.1.0, flink-doris-connector-1.1.0	需下载对应版本 JAR 包

3. 实施步骤

3.1 构建 Flink 作业

步骤 1：添加 Maven 依赖

<dependency><groupId>org.apache.doris</groupId><artifactId>flink-doris-connector-1.16</artifactId><version>25.1.0</version>
</dependency> 

步骤 2：编写 Flink SQL 脚本

-- enable checkpoint
SET 'execution.checkpointing.interval' = '30s';-- 创建MySQL CDC源表 
CREATE TABLE mysql_cdc_source ( id INT PRIMARY KEY NOT ENFORCED, name STRING, age INT, ts TIMESTAMP(3) METADATA FROM 'source_ts' VIRTUAL 
) WITH ( 'connector' = 'mysql-cdc', 'hostname' = '192.168.1.100', 'port' = '3306', 'username' = 'root', 'password' = 'your_mysql_password', 'database-name' = 'test', 'table-name' = 'user_table' 
); -- 创建Doris目标表 
CREATE TABLE doris_sink ( id INT, name STRING, age INT, update_time TIMESTAMP(3) 
) WITH ( 'connector' = 'doris', 'fenodes' = 'doris-fe:8030', 'table.identifier' = 'test.user_table', 'username' = 'root', 'password' = '', 'sink.properties.format' = 'json', 'sink.enable-delete' = 'true', 'sink.label-prefix' = 'flink_cdc_' 
); -- 启动数据同步 
INSERT INTO doris_sink SELECT id, name, age, ts FROM mysql_cdc_source; 

3.2 提交 Flink 作业

<FLINK_HOME>bin/flink run \-Dexecution.checkpointing.interval=10s \-Dparallelism.default=1 \-c org.apache.doris.flink.tools.cdc.CdcTools \lib/flink-doris-connector-1.16-24.0.1.jar \mysql-sync-database \--database test_db \--mysql-conf hostname=127.0.0.1 \--mysql-conf port=3306 \--mysql-conf username=root \--mysql-conf password=123456 \--mysql-conf database-name=mysql_db \--including-tables "tbl1|test.*" \--sink-conf fenodes=127.0.0.1:8030 \--sink-conf username=root \--sink-conf password=123456 \--sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \--sink-conf sink.label-prefix=label \--table-conf replication_num=1 

4. 注意事项

并行度优化：根据 MySQL 表数量和数据量调整 Flink 作业并行度，避免单任务压力过大。

写入机制：开启 Flink Checkpoint，Doris Flink Connector 提供了两种攒批模式，默认使用基于 Flink Checkpoint 的流式写入方式。

写入方式	流式写入	批量写入
触发条件	依赖 Flink 的 Checkpoint，跟随 Flink 的 Checkpoint 周期写入到 Doris 中	基于 Connector 内的时间阈值、数据量阈值进行周期性提交，写入到 Doris 中
一致性	Exactly-Once	At-Least-Once，基于主键模型可以保证 Exactly-Once
延迟	受 Checkpoint 时间间隔限制，通常较高	独立的批处理机制，灵活调整
容错与恢复	与 Flink 状态恢复完全一致	依赖外部去重逻辑（如 Doris 主键去重）

四、Datax 同步方案（适合全量 / 批量数据迁移）

1. 方案概述

Datax 是一款异构数据源之间数据同步工具，通过编写 JSON 格式的配置文件，实现 MySQL 与 Doris 之间的数据抽取、转换和加载（ETL）。该方案适用于全量数据迁移、定期批量数据同步场景，对实时性要求不高，但配置灵活，可自定义数据处理逻辑。

2. 环境要求

组件	版本要求	说明
Datax	3.0+	下载地址：Datax 官网
MySQL	5.6+	支持标准 JDBC 协议
Doris	1.0+	支持通过 JDBC 或 Broker 导入数据

3. 实施步骤

3.1 安装 Datax

# 下载Datax压缩包
wget https://datax-opensource.oss-cn-hangzhou.aliyuncs.com/202308/datax.tar.gz
tar -zxvf datax.tar.gz

3.2 编写同步配置文件

创建mysql_to_doris.json文件，示例配置如下：

{"job": {"content": [{"reader": {"name": "mysqlreader","parameter": {"column": [xxx],"connection": [{"jdbcUrl": ["jdbc:mysql://localhost:3306/demo"],"table": ["table_name"]}],"username": "root","password": "xxxxx","where": ""}},"writer": {"name": "doriswriter","parameter": {"loadUrl": ["127.0.0.1:8030"],"column": [xxxx],"username": "root","password": "xxxxxx","postSql": ["select count(1) from table_name"],"preSql": [],"flushInterval":30000,"connection": [{"jdbcUrl": "jdbc:mysql://127.0.0.1:9030/demo","selectedDatabase": "demo","table": ["table_name"]}],"loadProps": {"format": "json","strip_outer_array":"true","line_delimiter": "\\x02"}}}}],"setting": {"speed": {"channel": "1"}}}
}

3.3 执行同步任务

python bin/datax.py mysql_to_doris.json

4. 注意事项

数据类型映射：确保 MySQL 与 Doris 字段类型兼容，如 MySQL 的DATETIME对应 Doris 的DATETIME，避免类型转换错误。

性能调优：通过调整channel参数控制并发度，但过高的并发可能导致资源耗尽，建议根据数据库负载测试后设置。

五、方案对比与选型建议

方案	适用场景	复杂度	资源依赖
JDBC Catalog	跨库实时查询、联邦分析	★★☆☆☆	依赖 Doris JDBC 功能
Binlog 同步	增量数据实时同步	★★★☆☆	需部署 Canal 及相关组件
Flink CDC 同步	高实时性流式处理、复杂清洗	★★★★☆	依赖 Flink 集群
Datax 同步	全量 / 批量数据迁移、离线同步	★★★☆☆	轻量级工具，独立部署

优先选择 JDBC Catalog：当需要快速验证跨库查询功能，或需要与 Doris 本地表进行关联分析时。

推荐 Binlog 同步：常规增量同步场景，兼顾实时性和部署复杂度。

选择 Flink CDC：对实时性要求高（如实时看板），或需要复杂数据清洗（通过 Flink SQL 实现）。

使用 Datax 同步：适合一次性全量迁移，或周期性批量同步历史数据。

五、数据迁移最佳实践要点

全量初始化与增量同步结合：

首次迁移时，先通过DataX导入 MySQL 全量数据，再启动 Binlog 或 Flink CDC 同步增量数据，避免历史数据积压。

数据类型兼容性测试：

重点验证 MySQL 的ENUM、SET、BIT等类型在 Doris 中的映射是否符合预期。

监控与告警体系：

结合 Prometheus + Grafana 监控或者Doris Manager工具观察资源使用情况。

这份文档已涵盖多种迁移方式。若还想对某个迁移方式补充更多细节，或增加其他方面的内容，欢迎讨论。