接着上一篇文章：迁移Oracle HR 示例 schema 到 PostgreSQL中，本文做Oracle SH（Sales History）示例 schema的迁移，SH schema比HR schema更大更复杂，本次迁移的重点是：

分区表
外部数据加载

使用的是Oracle 19c的示例 schema，下载命令如下：

git clone --depth 1 --branch v19c https://github.com/oracle-samples/db-sample-schemas.git

SH schema的安装脚本为sales_history/sh_main.sql，其主要构成按序为（以下省略.sql后缀）：

csh_v3：创建表
lsh_v3：加载数据到表
psh_v3：加载后的操作

我们也按以上顺序来迁移。依次形成了以下脚本：

csh_v3.sql：创建表
lsh_v3.sql：加载数据
cons_v3.sql：创建约束
idx_v3.sql：创建索引
views_v3.sql：创建视图，物化视图
cmnts_v3.sql：创建注释

csh_v3：创建表

这部分比较容易，分区的语法对应上就好，另外建立约束的部分放在数据加载后来做。

还有PG并没有Oracle的OLTP表压缩功能。

Oracle的分区语法丰富，普适性较强。例如范围分区支持VALUES LESS THAN。PG只支持FOR VALUES FROM … TO。不过问题不大。

看一个sales表的示例。

Oracle语法：

CREATE TABLE sales (prod_id             NUMBER          NOT NULL,cust_id             NUMBER          NOT NULL,time_id             DATE            NOT NULL,channel_id          NUMBER          NOT NULL,promo_id            NUMBER          NOT NULL,quantity_sold       NUMBER(10,2)    NOT NULL,amount_sold         NUMBER(10,2)    NOT NULL)PARTITION BY RANGE (time_id)( partition sales_1995 VALUES LESS THAN(TO_DATE('1996-01-01 00:00:00','SYYYY-MM-DD HH24:MI:SS','NLS_CALENDAR=GREGORIAN')) COMPRESS,partition sales_1996 VALUES LESS THAN(TO_DATE('1997-01-01 00:00:00','SYYYY-MM-DD HH24:MI:SS','NLS_CALENDAR=GREGORIAN')) COMPRESS,
...

PostgreSQL的语法：

CREATE TABLE sales (prod_id             NUMERIC                 NOT NULL,cust_id             NUMERIC                 NOT NULL,time_id             DATE            NOT NULL,channel_id          NUMERIC         NOT NULL,promo_id            NUMERIC                 NOT NULL,quantity_sold       NUMERIC(10,2)   NOT NULL,amount_sold         NUMERIC(10,2)   NOT NULL)PARTITION BY RANGE (time_id);CREATE TABLE sales_1995 PARTITION OF salesFOR VALUES FROM (MINVALUE) TO ('1996-01-01');CREATE TABLE sales_1996 PARTITION OF salesFOR VALUES FROM ('1996-01-01') TO ('1997-01-01');...

lsh_v3：加载数据到表

这部分消耗时间最多，主要在数据文件的格式转换。Oracle是用SQL Loader，PostgreSQL则用COPY。

💡 先厘清一个概念。对于DATE数据类型，PG的精度是到天，而Oracle的精度是到秒。

本部分处理的主要问题：

1：Oracle示例表中用DATE定义的列，实际只需要到天就可以了，但数据文件中的值却是1998-12-27-00-00-00，而非1998-12-27。所以我们需要去掉尾部的00-00-00。
2：多余的分隔符。按说3个字段只需要2个分隔符，但Oracle也支持尾部再多放一个分隔符。而PG不认，我们只需要去掉行末的分隔符即可。
3：数据文件的字段比表的字段多
4：建立外部表

问题1的处理较简单，例如对于times表：

\copy times from program 'sed "s/-00-00-00//g" time_v3.dat'WITH (FORMAT csv,DELIMITER '|'
);

用元命令而非SQL命令的原因在于要使用相对路径。

问题2的处理也是用sed，例如对于countries表：

\copy countries from program 'sed "s/|$//g" coun_v3.dat'WITH (FORMAT csv,DELIMITER '|'
);

有些表同时出现了问题1和2，例如customers表和products表：

\copy customers from program 'sed "s/-00-00-00//g;s/|$//g" cust1v3.dat'WITH (FORMAT csv,DELIMITER '|'
);

问题3的处理稍微不同，出于性能考虑，预处理生成了中间文件，而非之前的即时处理。例如对于sales表，他只有7个字段，而数据文件有9个字段。

即时处理如下，但结果1小时后也没出来，所以放弃了：

\copy sales from program 'sed "s/-*[0-9]\+\(\.[0-9]\+\)\?|$//g"|sed "s/|-*[0-9]\+\(\.[0-9]\+\)\?|$//g" sale1v3.dat'WITH (FORMAT csv,DELIMITER '|'
);

预处理方式如下：

sampledb=> \timing
Timing is on.sampledb=> \! time sed "s/-*[0-9]\+\(\.[0-9]\+\)\?|$//g" sale1v3.dat > 1real    0m34.503s
user    0m33.504s
sys     0m0.271s
sampledb=> \! time sed "s/|-*[0-9]\+\(\.[0-9]\+\)\?|$//g" 1 > 2real    0m19.119s
user    0m18.517s
sys     0m0.226s
sampledb=> \! mv 2 sale1v3_pg.dat
sampledb=> \copy sales from sale1v3_pg.datWITH (FORMAT csv,DELIMITER '|'
);
COPY 916039
Time: 9422.693 ms (00:09.423)

可以看到，预处理用了近54秒，导入用了9秒。

问题4的例子是costs表。他其实用到了之前9个字段的数据文件。

外部表的建立用了file_fdw扩展，这是PG原生的扩展，详见这里。

CREATE FOREIGN TABLE sales_transactions_ext
( PROD_ID               NUMERIC,CUST_ID               NUMERIC,TIME_ID               DATE,CHANNEL_ID    NUMERIC,PROMO_ID              NUMERIC,QUANTITY_SOLD   NUMERIC,AMOUNT_SOLD   NUMERIC(10,2),UNIT_COST     NUMERIC(10,2),UNIT_PRICE    NUMERIC(10,2)
) SERVER file_server
OPTIONS
(
format 'csv', filename 'sale1v3_fdw.dat', delimiter '|'
);