当前位置:   article > 正文

数据迁移一致性测试探索与实践_数据迁移验证一致性方法

数据迁移验证一致性方法

背景

量级庞大的日志通过mysql不足以支撑业务需求,以前通过任务调度定时跑批从mysql同步到hive存储,这种方式时效性为T+1,也就是说今天的日志,明天才能同步到hive,总而言之时效性不高。为了提高时效性,改为流式计算flink实时同步

  • 那么作为测试人员,我们如何保证切换同步方式后的数据正确性呢?通过对比新旧表数据是否一致显然是最简单的方法
  • 这次改动涉及600多张表,每一张表的字段数基本在千以上,甚至部分表字段数达万以上,面对如此庞大的数据量,通过人眼一个个去对比显然不太现实

探索与实践

方案一:sql脚本
SELECT column_names, COUNT(*) AS count_diff 
FROM (
	SELECT CONCAT_WS(',',A,B) FROM udc_test.s000 WHERE dt='20230814'
	UNION ALL 
	SELECT CONCAT_WS(',',A,B) FROM test.s000 WHERE dt = '20230814' and rule_log_id in (select rule_log_id from udc_test.s000) 
) AS combined
GROUP BY column_names
HAVING COUNT(column_names) = 1

select * from (
	select 'table1',A,B from udc_test.s000 WHERE dt='20230814' and rule_log_id in ('123456')
	union all 
	select 'table2',A,B from test.s000 WHERE dt='20230814' and rule_log_id in ('123456')
)a order by a.table1 asc
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
方案二:python脚本
from pyhive import hive
from datetime import datetime

if __name__ == '__main__':
    #换成生产的连接
    conn = hive.Connection(host="xxx", port='xxx', auth="xxx", database='xxx', username='xxx',password='xxx')

    #这里换成需要比较的表名
    tableName1 = 'test.ssc_python_compare_fields1'
    tableName2 = 'test.ssc_python_compare_fields2'

    current_time = datetime.now()
    hash_code = str(hash(current_time))
    # 获取表结构
    query1 = 'desc ' + tableName1
    query2 = 'desc ' + tableName2
    cursor = conn.cursor()
    cursor.execute(query1)
    columns1 = [row[0] for row in cursor.fetchall()]
    cursor.execute(query2)
    columns2 = [row[0] for row in cursor.fetchall()]

    # 去除掉不需要比较的字段
    columns1.remove('# Partition Information')
    columns1.remove('# col_name')
    columns1.remove('dt')

    columns2.remove('# Partition Information')
    columns2.remove('# col_name')
    columns2.remove('dt')

    set1 = set(columns1)
    set2 = set(columns2)
    # 取出来表1特有的字段,可以保存到文件
    diffrence1 = set1 - set2
    print(diffrence1)
    # 取出来表2特有的字段,可以保存到文件
    diffrence2 = set2 - set1
    print(diffrence2)

    # 取表1和表2共有的字段,用于比较差异
    intersection = set1 & set2

    # 生成比较的sql
    sql = 'select  '
    for element in intersection:
        sql = sql + 'if( nvl(t1.' + element + ',' + hash_code + ' )!= nvl( t2.' + element + ',' + hash_code + ') , \'no\',\'yes\') as ' + element + ' , '
    #print(sql)
    sql = sql[:-2]
    #print(sql)
    #sql中的dt可以改成具体需要比较的日期
    sql = sql + ' from ' + tableName1 + ' as t1 left join  ' + tableName2 \
          + ' as t2  on  t1.rule_log_id=t2.rule_log_id ' \
            ' and t1.dt= \'20230815\' and t2.dt = \'20230815\'  and t1.apply_type=t2.apply_type   where  '
    for element in intersection:
        sql = sql + ' t1.' + element + '!=t2.' + element + ' or '

    sql = sql[:-3]
    print(sql)

    sql = sql + ' limit 1 '

    # 执行sql,获取到结果,如果两列不相等的话,值为no,相等的话值为yes
    cursor.execute(sql)
    result = cursor.fetchone()
    # print(result)

    # 获取上述sql的元数据信息
    metadatas = cursor.description
    print('============================================================')
    # 遍历结果集,查找出比较结果不相同的数据,拿到列名
    index = 0
    while index < len(metadatas):
        if (result[index] != 'yes'):
            print(metadatas[index][0])
        index += 1
    print('============================================================')

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小丑西瓜9/article/detail/656516
推荐阅读
相关标签
  

闽ICP备14008679号