Ora2Pg v25.0 版本发布:Oracle 到 PostgreSQL 迁移工具的重大更新
项目简介
Ora2Pg 是一个开源工具,专门用于将 Oracle 数据库迁移到 PostgreSQL。它能够自动转换 Oracle 的 SQL 和 PL/SQL 代码到 PostgreSQL 兼容的格式,同时支持数据结构、数据内容的迁移以及性能评估等功能。作为数据库迁移领域的成熟工具,Ora2Pg 在 v25.0 版本中带来了多项重要改进和新特性。
核心功能增强
多格式评估报告输出
v25.0 版本现在支持同时生成多种格式的评估报告。这一改进使得用户能够一次性获取不同格式的迁移评估结果,大大提高了工作效率。评估报告是迁移规划阶段的重要参考,能够帮助用户预估迁移难度和工作量。
Oracle 到 PostgreSQL 异常映射扩展
新版本增强了对 Oracle 异常处理到 PostgreSQL 的转换支持。异常处理是 PL/SQL 中的重要组成部分,更完善的映射意味着迁移后的代码能够更好地保持原有逻辑和行为。
配置覆盖功能
现在用户可以通过命令行直接覆盖配置文件中的 PG_SUPPORTS_* 设置,而不再受 PG_VERSION 的限制。这一改进为高级用户提供了更大的灵活性,特别是在需要针对特定 PostgreSQL 版本进行定制化迁移时。
数据迁移优化
并行分区导出
v25.0 显著改进了分区表的导出性能,现在支持并行导出每个分区。相比之前版本中串行处理所有分区的方式,这一优化能够大幅减少大型分区表的导出时间。
一致性数据快照
数据导出现在默认使用当前 SCN(系统变更号)作为快照点,确保多进程导出时所有表的数据都来自同一时间点,保持数据一致性。对于不需要此功能的场景,用户可以使用新增的 --no_start_scn 选项禁用此行为。
oracle_fdw 增强
新版本对 oracle_fdw 的支持进行了多项改进:
- 新增 ORACLE_FDW_COPY_MODE 配置项,支持本地(local)和服务器端(server)两种 COPY 模式
- 新增 ORACLE_FDW_COPY_FORMAT 配置项,可选择二进制(binary)或 CSV 格式
- 优化了数据迁移流程,提高了大容量数据迁移的效率和可靠性
语法转换改进
DBMS_SQL 转换
v25.0 能够将简单的 DBMS_SQL 游标操作转换为 PostgreSQL 的动态查询执行。DBMS_SQL 是 Oracle 中常用的动态 SQL 接口,这一转换使得相关代码能够更好地迁移到 PostgreSQL 环境。
MOD 运算符替换
新增了对 MOD 运算符的转换支持,解决了之前版本中相关表达式无法正确迁移的问题。
时间戳处理优化
修正了 SYSTIMESTAMP 的转换,现在会正确地转换为 statement_timestamp() 而非 CURRENT_TIMESTAMP,确保时间相关逻辑的准确性。
其他重要改进
脚本处理增强
新增 SCRIPT 动作,支持将 sqlplus 脚本作为一个整体处理,而非逐行解析。这一改进特别适用于处理复杂的存储过程或脚本文件。
默认配置调整
使用 --init_project 生成的默认配置文件中,现在将 PG_NUMERIC_TYPE 设为 0,NULL_EQUAL_EMPTY 设为 1,这些默认值更适合大多数迁移场景。
命令行选项扩展
新增 -O | --options 选项,允许用户直接在命令行中覆盖任何配置参数,格式灵活,可以多次使用或使用管道符分隔多个参数。
问题修复
v25.0 版本修复了大量问题,包括但不限于:
- 修复了多进程 TEST_DATA 动作的问题
- 修正了 UPDATE 语句中的赋值符号处理
- 解决了 MySQL 注释和标签转换的问题
- 修复了枚举值 "inf" 被错误扩展为 "Infinity" 的问题
- 修正了 DBMS_LOB.GETLENGTH() 的权限检查
- 解决了 TO_DATE 转换中 NLS 设置相关的问题
- 修复了多种情况下的子查询处理问题
- 修正了 JSON 和 CLOB 数据类型迁移中的多个问题
总结
Ora2Pg v25.0 是一个功能丰富且稳定的版本,在多格式评估报告、并行分区导出、oracle_fdw 支持、语法转换准确性等方面都有显著提升。这些改进使得从 Oracle 到 PostgreSQL 的数据库迁移过程更加高效、可靠。对于计划进行数据库迁移的用户,特别是处理大型复杂数据库系统的团队,升级到 v25.0 版本将能获得更好的迁移体验和结果。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07