关于 AWS DMS 可用性和恢复场景的见解与缓解措施 第一部分 数据库博客

AWS DMS的恢复与弹性场景分析第一部分

关键要点

在考虑从本地迁移到AWS云时，数据库迁移是首要关注点。选择合适的迁移策略至关重要，能有效避免潜在的失败。本篇文章探讨了AWS DMS迁移过程中可能遇到的失败场景，提供了相应的故障排查和解决方案。

由HariKrishna Boorgadda、Jitender Kumar、Rajesh Madiwale和Vivekananda Mohapatra于2023年12月14日发布在高级300、AWS数据库迁移服务以及最佳实践中。

当关注数据库过渡时，您需要评估可用的停机时间、数据库大小和数据复杂性等因素。对于同类数据库之间的迁移，常常依赖Oracle Data Pump或RMAN等工具；而在不同数据库之间的迁移，比如从Oracle迁移到Amazon RDS for PostgreSQL，通常选择AWS数据库迁移服务(AWS DMS)、Oracle GoldenGate或第三方工具如Shareplex。

制定合适的切换策略至关重要。无论是一次性迁移的“轰炸式”方法，还是更加渐进的分阶段方法，各有其细微之处。分阶段方法可能持续数周到数月，需要针对潜在问题做出严谨的弹性规划。尽管复制方法并非万无一失，但一个扎实的缓解计划将确保迁移顺利进行。

在异构数据库迁移的复杂环境中，AWS DMS因其灵活性、集成能力及AWS的支持而成为许多用户的首选。然而，AWS DMS在迁移过程也会面临挑战。本文分为两部分，探讨涉及源数据库、复制实例、迁移任务和目标数据库的常见故障原因。

AWS DMS故障使用案例

使用AWS DMS的迁移设置由多个组件组成，包括源数据库、网络基础设施、复制实例、复制任务和目标数据库。源和目标组件配置为endpoints，而AWS DMS任务则是迁移数据的工作流程。根据持续的复制需求，可以创建不同类型的AWS DMS任务，例如全量加载、仅更改数据捕获CDC或全量加载加CDC。

推荐的故障场景测试方法

建立全面的测试策略至关重要，以识别和解决AWS DMS数据库迁移过程中的潜在故障场景。测试环境应与生产环境在数据量和特征数据集上相匹配。您应该在测试环境中尽量重现每一个故障场景，以制定有效的解决方案和缓解措施。

您需要评估以下故障场景并设计缓解措施，确保与服务级别协议SLA相符：

构建一套完整的测试策略，包含各种测试案例，包括预期结果与实际结果的比较，这样可以与业务相关方达成一致，制定您的数据迁移策略。

相关资源

本文章涉及的资源包括：源数据库、AWS DMS复制实例、AWS DMS端点、AWS DMS复制作业、目标数据库以及网络。

以下示意图展示了AWS DMS数据迁移架构及其各组件：

源数据库故障

源数据库故障是AWS DMS设置中最先遇到的故障组件，因限制或无法访问客户的数据库环境，该故障较难调查。数据库日志、ASM日志和AWS DMS日志是调查的主要信息来源。以下内容讨论了Oracle源数据库常见的故障场景。

单实例失败或RAC节点驱逐

AWS DMS即使在RAC配置中也会与Oracle实例进行交互，但不支持扫描IP。如果有一个实例失败，或者在RAC群集设置中一个实例重新启动或被驱逐，AWS DMS将停止读取用于复制的实时数据和归档日志。

示例错误日志：

00017657 20210611T152445438334 [SOURCECAPTURE ]D OCI error ORA03135 connection lost contactProcess ID 15894Session ID 668 Serial number 339 [1022307] (oradcdcioc1050)

缓解此问题的方法是启动Oracle实例，并确保其正常返回。对于RAC设置，配置源端点以利用群集的多个节点，使用Amazon Route 53。

ASM由于已知错误重启或崩溃

在这种情况下，AWS DMS可能频繁与源数据库断开连接，导致更改读取暂停并增加延迟。Oracle实例可能由于已知的ASM错误而重启或崩溃。

此时AWS DMS日志中的错误示例如下：

00017657 20210611T152445438334 [SOURCECAPTURE ]D OCI error ORA03135 connection lost contactProcess ID 15894Session ID 668 Serial number 339 [1022307] (oradcdcioc1050)

从ASM日志的错误示例：

ORA04031 unable to allocate 4120 bytes of shared memory (shared poolunknown objectsga heap(11)ASM extent pointer array)ASMB (ospid 4913) terminating the instance due to error 4031

对于这种情况的临时解决方法是使用内存刷新脚本重启ASM。

要继续了解更多故障场景及解决方案，请查看文章的其余部分。