Region Migration 使用指南 — 如何迁移 Datanode 数据表分区

自 0.6 版本起，GreptimeDB 分布式版本具备了将 Datanode 上的数据表分区（Region）数据迁移到另一个 Datanode 的能力。在上一篇《Region Migration 技术原理》的文章中，我们详细介绍了 Region Migration 实现的具体的技术细节。

本文将演示如何使用这项功能。

（数据表分区迁移示意图）

预告

还来得及！再次插播一条 GreptimeDB v0.7 技术分享直播预告！

点击链接 🔗 预约今晚（周四） 19:30 的视频号直播，🔍 详细了解 GreptimeDB v0.7 的架构设计和功能逻辑，和我们的核心工程师面对面 👇

🎁 点击下方直播链接立即预约，进入直播间还机会获得限量版礼品哦~

01
前置条件

开始之前请确保环境中的分布式集群满足以下条件；若不满足任意一项，都将导致 Region Migration 失败。

• 使用 Remote WAL

• 使用共享存储（例：AWS S3）

我们以名为 monitor 的数据表为例，并演示如何将数据表分区（Region）迁移到另一个 Datanode 节点上。

CREATE TABLE monitor (
  host STRING,
  ts TIMESTAMP DEFAULT CURRENT_TIMESTAMP() TIME INDEX,
  cpu DOUBLE DEFAULT 0,
  memory DOUBLE,
  PRIMARY KEY(host));

并写入一些数据：

INSERT INTO monitor
VALUES
    ("127.0.0.1", 1702433141000, 0.5, 0.2),
    ("127.0.0.2", 1702433141000, 0.3, 0.1),
    ("127.0.0.1", 1702433146000, 0.3, 0.2),
    ("127.0.0.2", 1702433146000, 0.2, 0.4),
    ("127.0.0.1", 1702433151000, 0.4, 0.3),
    ("127.0.0.2", 1702433151000, 0.2, 0.4);

1.1 查询数据表分区（Region）分布首先我们需要查询该数据表分区（Region）分布情况，即查询数据表中的 Region 分别在哪一些 Datanode 节点上。

select
    b.peer_id as datanode_id,
    a.greptime_partition_id as region_id
from 
    information_schema.partitions a 
    left join 
    information_schema.greptime_region_peers b
    on a.greptime_partition_id = b.region_id
where a.table_name='monitor'
order by datanode_id asc;

查询结果如下，该数据表总共包含一个 Region，Region ID 为 4398046511104，并在运行在 Datanode ID 为 1 的节点上。

+-------------+---------------+
| datanode_id | region_id     |
+-------------+---------------+
|           1 | 4398046511104 |
+-------------+---------------+
1 row in set (0.01 sec)

1.2 执行 Region 迁移

我们可以将数据表的 Region 迁移至另一个不同的节点上（演示集群包含 3 个 Datanode 节点，ID 分别为 0、1、2）。

如下所示，会将 ID 为 4398046511104 的 Region 迁移至 Datanode ID 为 2 的节点上。

🌟 第四个参数为可选参数（默认值为 10s），用于设置迁移 Region 的 Replay Timeout (secs)。若 Kafka 到 Datanode 之间节点网络带宽过小且导致无法按时完成迁移时，可适当调大该参数。 select migrate_region(4398046511104, 1, 2, 60);

+------------------------------------------------------------------+
| migrate_region(Int64(4398046511104),Int64(1),Int64(2),Int64(60)) |
+------------------------------------------------------------------+
| 0f65f485-2790-4bf3-8b71-74f73ef15457                             |
+------------------------------------------------------------------+
1 row in set (0.00 sec)

迁移执行后会返回执行迁移的 Procedure ID，可通过该 ID 查询迁移状态。

1.3 查询迁移状态

select procedure_state('0f65f485-2790-4bf3-8b71-74f73ef15457');

+---------------------------------------------------------------+
| procedure_state(Utf8("0f65f485-2790-4bf3-8b71-74f73ef15457")) |
+---------------------------------------------------------------+
| {"status":"Done"}                                             |
+---------------------------------------------------------------+
1 row in set (0.00 sec)

当查询返回 status 为 Done 时，表明该 Procedure 已成功执行完成。

1.4 查询迁移后的 Table  Region 信息当我们再次查询 Table Region 信息时，可以注意到 Region 已经被迁移到 ID 为 2 的 Datanode 上。select * from information_schema.greptime_region_peers;

+---------------+---------+--------------------------------------------------------------+-----------+--------+--------------+
| region_id     | peer_id | peer_addr                                                    | is_leader | status | down_seconds |
+---------------+---------+--------------------------------------------------------------+-----------+--------+--------------+
| 4398046511104 |       2 | greptimedb-datanode-2.greptimedb-datanode.my-greptimedb:4001 | Yes       | ALIVE  |         NULL |
+---------------+---------+--------------------------------------------------------------+-----------+--------+--------------+
1 row in set (0.02 sec)

02
更多内容

想了解更多关于 GreptimeDB 分布式版本的内容，欢迎阅读相关文章，更深入了解 GreptimeDB 的分布式能力，发挥更大的价值。

• Kafka Remote WAL 文档 - User Guide：
  https://docs.greptime.cn/user-guide/operations/kafka-remote-wal
  

本篇文章旨在帮助您充分认识和使用 GreptimeDB 分布式版本的强大功能，为您的数据管理和分布式计算带来更大的便利和效益。若在使用中遇到任何疑问或困难，我们鼓励您查阅相关文档，以深入理解系统的各个方面。

同时，社区也是一个宝贵的支持网络，欢迎您积极参与讨论，向经验丰富的用户和开发团队请教，获取及时而专业的支持。如果您遇到任何问题，欢迎前往 GitHub Discussion 进行讨论，也可以扫码添加下方小助手微信，加入技术交流群。我们期待您的反馈！

---

关于 Greptime

Greptime 格睿科技专注于为智能汽车、物联网及可观测等产生大量时序数据的领域提供实时、高效的数据存储和分析服务，帮助客户挖掘数据的深层价值。目前主要有以下四款产品：

• GreptimeDB 是一款用 Rust 语言编写的时序数据库，具有分布式、开源、云原生、兼容性强等特点，帮助企业实时读写、处理和分析时序数据的同时，降低长期存储的成本。

• GreptimeCloud 基于开源的 GreptimeDB，为用户提供全托管的 DBaaS，能够与可观测性、物联网等领域结合的应用产品结合。利用云提供软件和服务，可以达到快速的自助开通和交付，标准化的运维支持，和更好的资源弹性。现已正式公测，欢迎关注公众号或官网了解最新动态！

• GreptimeAI 是为 LLM 应用量身定制的可观测性解决方案，开发者可以通过该方案全面、深入地了解应用的成本、性能、流量和安全情况，在保证低成本和高性能的同时提供高效可靠的分析能力，同时保留了时序数据库的灵活性。

• 车云一体解决方案 是一款深入车企实际业务场景的时序数据库解决方案，解决了企业车辆数据呈几何倍数增长后的实际业务痛点。

GreptimeCloud 和 GreptimeAI 已正式公测，欢迎关注公众号或官网了解最新动态！我们提供 GreptimDB Enterprise 版本，如有需要欢迎联系小助手（微信搜索 greptime 或扫描下方二维码添加）。

GreptimeDB 作为开源项目，欢迎对时序数据库、Rust 语言等内容感兴趣的同学们参与贡献和讨论。第一次参与项目的同学推荐先从带有 Good First Issue 标签的 Issue 入手，期待在开源社群里遇见你！

Star us on GitHub Now:

https://github.com/GreptimeTeam/greptimedb

官网：https://greptime.cn/

文档：https://docs.greptime.cn/

Twitter: https://twitter.com/Greptime

Slack: https://greptime.com/slack

LinkedIn: https://www.linkedin.com/company/greptime/

往期精彩文章：‍‍

👇 点击下方阅读原文，立即体验最新版的 GreptimeDB！