Umzug多数据库迁移实战指南
2025-07-04 18:55:55作者:尤峻淳Whitney
在实际开发中,我们经常会遇到需要在不同数据库之间迁移数据的场景。本文将详细介绍如何使用Umzug这一Node.js迁移工具实现多数据库间的数据迁移操作。
核心概念
Umzug是一个灵活的数据库迁移工具,它允许开发者定义和执行数据库架构变更。在多数据库场景下,我们需要理解几个关键点:
- 迁移历史存储:Umzug需要记录哪些迁移已经执行过,这些记录通常存储在特定的数据库中
- 数据源与目标:我们需要明确数据的来源和目标数据库
- 连接管理:需要同时维护多个数据库连接
实现方案
初始化配置
首先,我们需要建立与多个数据库的连接:
import { connect } from 'mongoose';
// 建立与两个MongoDB数据库的连接
const connection1 = await connect('mongodb://localhost:27017/db1');
const connection2 = await connect('mongodb://localhost:27017/db2');
创建Umzug实例
接下来创建Umzug实例,这里有几个关键配置:
import { Umzug } from 'umzug';
import { MongoDBStorage } from 'umzug/storage/mongodb';
const umzug = new Umzug({
migrations: {
path: './migrations', // 迁移文件存放路径
pattern: /\.ts$/, // 迁移文件匹配模式
},
context: { connection1, connection2 }, // 将连接对象传递给迁移文件
storage: new MongoDBStorage({
connection: connection1, // 迁移历史记录存储在第一个数据库
collectionName: 'migrations_history', // 迁移历史记录集合名称
}),
});
迁移文件编写
在迁移文件中,我们可以访问到传入的数据库连接:
// 20240301-data-migration.ts
import { Migration } from 'umzug';
export const up: Migration = async ({ context }) => {
const { connection1, connection2 } = context;
// 从源数据库获取数据
const sourceData = await connection1.model('SourceModel').find();
// 转换数据格式(如果需要)
const transformedData = sourceData.map(item => ({
...item.toObject(),
additionalField: 'defaultValue'
}));
// 写入目标数据库
await connection2.model('TargetModel').insertMany(transformedData);
};
export const down: Migration = async ({ context }) => {
const { connection2 } = context;
// 回滚操作:删除目标数据库中的数据
await connection2.model('TargetModel').deleteMany({});
};
高级技巧
批量处理大数据
对于大量数据迁移,建议使用分批处理:
export const up: Migration = async ({ context }) => {
const { connection1, connection2 } = context;
const batchSize = 1000;
let skip = 0;
let hasMore = true;
while (hasMore) {
const batch = await connection1.model('SourceModel')
.find()
.skip(skip)
.limit(batchSize);
if (batch.length === 0) {
hasMore = false;
continue;
}
await connection2.model('TargetModel').insertMany(batch);
skip += batchSize;
}
};
错误处理
添加适当的错误处理和日志记录:
export const up: Migration = async ({ context }) => {
try {
const { connection1, connection2 } = context;
// 迁移逻辑...
} catch (error) {
console.error('迁移失败:', error);
throw error; // 确保迁移标记为失败
}
};
最佳实践
- 测试环境验证:先在测试环境验证迁移脚本
- 备份数据:执行前备份源数据库和目标数据库
- 监控进度:对于长时间运行的迁移,添加进度日志
- 版本控制:将迁移脚本纳入版本控制系统
- 文档记录:记录每个迁移的目的和影响
通过以上方法,你可以安全高效地使用Umzug实现多数据库间的数据迁移工作。记住,数据迁移是一项需要谨慎对待的任务,务必在非高峰期执行,并做好充分的测试和回滚准备。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
929
553

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8