什么时候需要进行数据库迁移

1、业务数据增长，原数据库不足以支持业务需求
2、底层存储架构遇见瓶颈，需升级改造
3、老系统升级过度新系统

迁移过程中会面临哪些挑战或问题

1、数据库表完全异构、旧库和新库表结构完全不同
2、业务方，需要能进行数据灵活迁移，按照租户商家迁移，按照数据百分比迁移
3、数据量巨大，上百万商家数据，几百亿条数据，几TB数据
4、线上业务，迁移时间窗口固定，晚上几点到几点，只能有几个小时时间

如何提升迁移效率

1、大任务拆分成小任务
按照不同租户或商家，假设没500个一批次，分成多批次
2、多线程处理
增加并发线程方式处理，效率提升，但是面对巨大的数据量，单机很快也会面临 瓶颈
3、分布式处理
增加机器节点，任务进行水平扩展，把大任务拆分为独立的子任务，所有子任务执行结果等价于各个子任务结果，手动根据不同租户或商家平摊到不同机器节点上执行

迁移数据过程中遇见问题

线程池参数配置错误
在测试阶段，并发上不去，线程配置如下：核心线程池配置了16个，最大线程配置了750，然后配置了5000的缓冲队列，主要是当提交任务大于核心线程数时，后续任务会首先提交到缓冲队列。缓冲队列满后才会创建线程数据

 ThreadPoolExecutor executor = new ThreadPoolExecutor(16,  // corePoolSize750, // maximumPoolSize1, // keepAliveTimeTimeUnit.SECONDS, // unitnew ArrayBlockingQueue<5000>(), // workQueueExecutors.defaultThreadFactory(), // threadFactorynew ThreadPoolExecutor.AbortPolicy() // handler`在这里插入代码片`

数据库压力大
并发上去后，后端数据库压力增大，CPU使用率居高不下。当CPU使用率急速上升，后发现是执行任务未命中素颜9in，导致全表扫描CPU资源被大量占用,慢SQL问题通过优化创建索引解决，通过时间换时间

待优化改进点

手动分配任务
分布式和并行化的方式都是自己手写代码实现，其实可以用ScheduleX和MapReduce实现，框架已经实现任务分发，并行处理，充实，reduce等功能
数据一致性校验
打标记，抽样检查的