（课堂笔记）国产信创迁移实战

国产信创迁移实战 这是项目落地的核心部分—— 信创迁移实战 。

一、迁移背景与路径 政策驱动（信创）+ 成本/可控性考量，将核心数仓从 Oracle 迁移至： 迁移路径目标平台场景 Oracle → 高斯（GaussDB）华为高斯（OLAP/OLTP）国产数据库替换Oracle → 阿里大数据中台MaxCompute + DataWorks云上数仓+数据采集加工Oracle → HiveHadoop生态（Hive + Tez/Spark）开源大数据底座 迁移核心对象 ： 并不是迁移原始数据，而是迁移加工数据的SQL逻辑（ETL脚本、存储过程、视图）。

二、迁移的核心考量（二选一或并存） 维度关键点 功能考量新平台能否实现相同的业务逻辑？

SQL语法、函数、窗口函数、递归查询是否兼容？

数据库安全性权限管控、数据加密、审计日志、行列级权限、动态脱敏是否满足行方要求？

三、迁移全生命周期（前期→中期→后期） 四、前期：分析与规划（不能省，否则后期填坑） 1. 盘点当前数仓模型 按主题/业务域梳理：贷前、贷后、客户、账务、征信等。

区分 核心模型 vs 边缘模型 ，决定迁移优先级。

2. 下游影响分析 哪些报表、API、风控系统、监管报送依赖这些模型？

迁移期间是否需要 双跑 （新老并行）？

3. 迁移周期评估 模型复杂度：简单汇总 → 1天；复杂多源拉链 → 3-5天。

个人负责模型数 ：50~100个（面试可具体化，如“我主导迁移了67个核心模型”）。

五、中期：模型重构与开发（最耗时） 1. 模型重构的常见变化 重构类型说明示例 字段优化新增/删除/重命名字段，拆分或合并字段借据金额+利率→ 新增月还款额颗粒度变化汇总层级调整日汇总 → 月汇总表结构调整拆表（垂直/水平）、合并表将个人借据明细和企业借据明细合并为统一借据明细加载机制变化全量 ↔ 增量 ↔ 切片 ↔ 拉链表Oracle缓慢变化维 → Hive拉链表 2. 新老系统映射文档（必须产出） 重点：维护完整的 数据血缘映射文档 老系统表老字段新系统表新字段转换逻辑状态 个人借据明细借据号借据明细表借据号直接映射✅个人借据明细借据金额借据明细表借据金额单位：分→元✅--借据明细表客户类型新增字段，关联客户主表✅ 3. SQL差异处理（核心痛点） 🔹 DELETE 改写 Oracle支持

，Hive不支持。

Hive方案 ：保留想保留的数据 → OVERWRITE覆盖。

sql

-- 原Oracle：DELETE FROM T WHERE status = '无效'; -- Hive改写： INSERT OVERWRITE TABLE T SELECT * FROM T WHERE status != '无效'; 🔹 UPDATE 改写 Hive原生UPDATE需要ACID表（较麻烦），标准方案： UNION ALL覆盖 sql

-- 需求：将EMPNO=7369的工资改为1000 INSERT OVERWRITE TABLE emp SELECT * FROM emp WHERE empno != 7369 UNION ALL SELECT empno, ename, job, mgr, hiredate, 1000 AS sal, -- 修改后的工资 comm, deptno FROM emp WHERE empno = 7369; 🔹 其他常见差异 OracleHive/高斯注意事项

六、后期：测试与上线（质量生命线） 1. 对比测试策略 核心原则：同一份数据 → 新老系统各自跑 → 导出到对比库 → SQL对账。

对比维度 维度校验内容对比方法 数据量记录数COUNT(*)对比主键唯一性是否重复、缺失GROUP BY主键字段值异常值、NULL、空字符串、前后空格逐字段对比数据类型/精度金额字段小数位、日期格式元数据对比 + 抽样度量字段总分、汇总值、均值SUM、AVG、多维度GROUP BY多颗粒度日/月/年、机构/产品维度各维度分别汇总对比 对比SQL示例（两表对账） sql

-- 新老系统差异检查：金额字段总和不一致的行 SELECT COALESCE(a.借据号, b.借据号) AS 借据号, a.金额 AS 老系统金额, b.金额 AS 新系统金额 FROM 老系统结果表 a FULL OUTER JOIN 新系统结果表 b ON a.借据号 = b.借据号 WHERE a.金额 != b.金额 OR (a.金额 IS NULL AND b.金额 IS NOT NULL) OR (a.金额 IS NOT NULL AND b.金额 IS NULL); 2. 历史存量数据迁移（两种方案） 方案做法适用场景优缺点 方案A：直接抽取从Oracle拉取已加工好的历史结果表老逻辑复杂、不想重算快，但逻辑不落地新平台方案B：基于ODS重算用历史ODS层数据，在新数仓重新跑一遍加工逻辑验证新平台能力、保持逻辑一致性推荐，虽然慢但彻底验证 3. 增量数据迁移 老系统继续跑 → 新系统并行追数 → 最终切换 常用手段：双跑 + 对比 + 切流 4. 上线策略 text

分批上线（按主题/按下游）→ 试运行（观察1-2周）→ 全量切换 → 老系统下线 试运行重点：稳定性、性能、数据质量、下游反馈 回滚预案：保留老系统至少1个月 七、技术架构总览 迁移前（Oracle传统数仓） text

Oracle (存储过程 + SQL) + Linux Crontab + Shell 迁移后（目标架构） 目标平台组件 高斯（GaussDB）GaussDB + Linux + 调度工具阿里大数据中台MaxCompute + DataWorks + 数据集成Hive数仓Hive + Tez/Spark + Sqoop + Oracle（临时双跑） 八、可用的量化总结 示例：xx主导了某银行信贷数仓从Oracle到Hive的信创迁移，累计迁移 67个 核心模型，涵盖贷前评分、贷后预警、监管报送等主题。

输出 50+份 新旧映射文档，解决SQL兼容问题（DELETE/UPDATE/存储过程改造），通过 全量+增量双跑对比 保证数据一致性，最终实现 零故障 分批上线。

国产信创 - 一句话解释 信创 = 信息技术应用创新 国产信创 = 用中国自主研发的IT软硬件，替代国外的产品 简单说：把Oracle换成高斯/达梦，把Windows换成麒麟，把EMC换成华为存储—— 核心系统"中国造" 。

一、为什么要搞信创？

（背景） 驱动因素说明 国家安全避免关键系统受制于人（如芯片断供、软件授权停用）供应链风险国外厂商可能因制裁、政治因素断供自主可控核心技术掌握在自己手里政策要求党政军、金融、能源、电信等行业被要求逐步替换 你项目中的 Oracle → 高斯 ，就是信创落地的典型案例。

二、信创覆盖的领域（"全栈国产化"） text

│ 信创全栈架构 │ ├─────────────────────────────────────────┤ │ 应用层 │ 国产OA、国产ERP、风控系统 │ │ 数据库层 │ 高斯、达梦、人大金仓、OceanBase│ │ 中间件层 │ 东方通、金蝶、中创 │ │ 操作系统层 │ 麒麟、统信(UOS)、欧拉 │ │ 芯片层 │ 龙芯、飞腾、鲲鹏、海光、兆芯 │ │ 服务器/存储│ 华为、浪潮、中科曙光、深信服 │ └─────────────────────────────────────────┘ 你项目中涉及的 Oracle → 高斯 ，就是 数据库层面 的信创替换。

三、金融行业信创的时间线（为什么你在做这个） 阶段时间要求 试点期2020-2022头部银行、保险、证券试点替换推广期2023-2025全面铺开，所有金融机构启动替换攻坚期2025-2027核心系统完成国产化改造 你现在做这个迁移项目，正是踩在信创推广期→攻坚期的节点上。

四、你项目中涉及的信创产品 原国外产品国产替代你的场景 Oracle高斯(GaussDB)数仓/OLTP数据库替换Oracle阿里大数据中台(MaxCompute)云上数仓加工OracleHive（开源，但生态国产化）Hadoop数仓底座 注：Hive本身是Apache开源，但在信创体系中，配合麒麟OS+鲲鹏芯片+华为存算，也算国产化方案。

五、如何回答"什么是信创" 简洁版 （30秒）： "信创是'信息技术应用创新'的简称，是国家推动的国产IT全栈替换战略。

在项目中，就是把原来的Oracle数仓迁移到华为高斯数据库，目的是实现自主可控，满足监管要求。

" 完整版 （1分30秒）： *"信创主要解决 卡脖子 问题。

金融行业被要求2027年前完成核心系统国产化。

我们项目做的就是 数据库层 的信创替换——Oracle迁到高斯/GaussDB。

迁移过程中不仅要解决SQL兼容问题，还要保证数据一致性、性能不下降。

xx负责了50多个风控模型的迁移，涉及贷前评分、贷后预警等核心场景。

"* 六、信创常见国产数据库对比 数据库厂商特点适用场景 高斯(GaussDB)华为分布式、兼容Oracle金融核心交易/数仓达梦(DM8)武汉达梦类Oracle语法党政军、政务人大金仓人大金仓兼容性好能源、交通OceanBase蚂蚁分布式强一致互联网、金融TiDBPingCAP开源、HTAP互联网、实时数仓 "高斯"，是目前金融行业信创数据库的第一梯队。

七、一句话总结 信创 = 国家要求 + 全栈国产化 + 你的项目正在干的事