如何将本地数迁移至腾讯云之一工具篇 - COS Migration

原文发布于微信公众号：腾讯云存储（关注有惊喜）

上篇文章中讲到《程序员如何快速将海量本地数据迁移至腾讯云对象存储COS》，在文章中主要需要用到的迁移方式有2种，此篇文章会主要讲解COS Migration 工具的具体参数设置及详细说明，以便于大家更好的理解操作。

COS Migration 功能说明

COS Migration 是一个集成了 COS 数据迁移功能的一体化工具。通过简单的配置操作，用户可以将源地址数据快速迁移至 COS 中，它具有以下特点：

丰富的数据源：
- 本地数据：将本地存储的数据迁移到 COS。
- 其他云存储：目前支持 AWS S3，阿里云 OSS，七牛存储迁移至 COS，后续会不断扩展。
- URL 列表：根据指定的 URL 下载列表进行下载迁移到 COS。
- Bucket 相互复制：COS 的 Bucket 数据相互复制，支持跨账号跨地域的数据复制。
断点续传：工具支持上传时断点续传。对于一些大文件，如果中途退出或者因为服务故障，可重新运行工具，会对未上传完成的文件进行续传。
分块上传：将对象按照分块的方式上传到 COS。
并行上传：支持多个对象同时上传。
迁移校验：对象迁移后的校验。

注意：

COS Migration 的编码格式只支持 UTF-8 格式。
使用该工具上传同名文件，会覆盖较旧的同名文件，不支持校对是否存在同名文件的功能。

COS Migration 使用环境

系统环境

Windows、Linux 和 macOS 系统。

软件依赖

JDK 1.8 X64或以上。

COS Migration 使用方法

1. 获取工具

下载 COS Migration 工具。

(详情查阅:https://github.com/tencentyun/cos_migrate_tool_v5)

2. 解压缩工具包

Windows

解压并保存到某个目录，例如

代码语言：javascript

复制

C:\Users\Administrator\Downloads\cos_migrate

Linux

解压并保存到某个目录

代码语言：javascript

复制

unzip cos_migrate_tool_v5-master.zip && cd cos_migrate_tool_v5-master

迁移工具结构

正确解压后的 COS Migration 工具目录结构如下所示：

代码语言：javascript

复制

COS_Migrate_tool
|——conf  #配置文件所在目录
|   |——config.ini  #迁移配置文件
|——db    #存储迁移成功的记录
|——dep   #程序主逻辑编译生成的JAR包
|——log   #工具执行中生成的日志
|——opbin #用于编译的脚本
|——src   #工具的源码
|——tmp   #临时文件存储目录
|——pom.xml #项目配置文件
|——README  #说明文档
|——start_migrate.sh  #Linux 下迁移启动脚本
|——start_migrate.bat #Windows 下迁移启动脚本

说明：

db 目录主要记录工具迁移成功的文件标识，每次迁移任务会优先对比 db 中的记录，若当前文件标识已被记录，则会跳过当前文件，否则进行文件迁移。
log 目录记录着工具迁移时的所有日志，若在迁移过程中出现错误，请先查看该目录下的 error.log。

3. 修改 config.ini 配置文件

在执行迁移启动脚本之前，需先进行 config.ini 配置文件修改（路径：./conf/config.ini），config.ini 内容可以分为以下几部分：

3.1 配置迁移类型

type 表示迁移类型，用户根据迁移需求填写对应的标识。例如，需要将本地数据迁移至 COS，则[migrateType]的配置内容是type=migrateLocal。

代码语言：javascript

复制

[migrateType]
type=migrateLocal

目前支持的迁移类型如下：

migrateType	描述
migrateLocal	从本地迁移至 COS
migrateAws	从 AWS S3 迁移至 COS
migrateAli	从阿里 OSS 迁移至 COS
migrateQiniu	从七牛迁移至 COS
migrateUrl	下载 URL 迁移到 COS
migrateBucketCopy	从源 Bucket 复制到目标 Bucket

3.2 配置迁移任务

用户根据实际的迁移需求进行相关配置，主要包括迁移至目标 COS 信息配置及迁移任务相关配置。

代码语言：javascript

复制

# 迁移工具的公共配置分节，包含了需要迁移到目标 COS 的账户信息。
[common]
secretId=COS_SECRETID
secretKey=COS_SECRETKEY
bucketName=examplebucket-1250000000
region=ap-guangzhou
storageClass=Standard
cosPath=/
https=off
tmpFolder=./tmp
smallFileThreshold=5242880
smallFileExecutorNum=64
bigFileExecutorNum=8
entireFileMd5Attached=on
daemonMode=off
daemonModeInterVal=60
executeTimeWindow=00:00,24:00
encryptionType=sse-cos

名称	描述	默认值
secretId	用户密钥 SecretId，请将COS_SECRETID替换为您的真实密钥信息。可前往访问管理控制台中的云 API 密钥页面查看获取	-
secretKey	用户密钥 SecretKey，请将COS_SECRETKEY替换为您的真实密钥信息。可前往访问管理控制台中的云 API 密钥页面查看获取	-
bucketName	目的 Bucket 的名称, 命名格式为 <BucketName-APPID>，即 Bucket 名必须包含 APPID，例如 examplebucket-1250000000	-
region	目的 Bucket 的 Region 信息。COS 的地域简称请参照地域和访问域名	-
storageClass	存储类型：Standard（标准存储），Standard_IA（低频存储），Archive（归档存储）	Standard
cosPath	要迁移到的 COS 路径。/表示迁移到 Bucket 的根路径下，/folder/doc/表示要迁移到 Bucket的/folder/doc/ 下，若 /folder/doc/ 不存在，则会自动创建路径	/
https	是否使用 HTTPS 传输：on 表示开启，off 表示关闭。开启传输速度较慢，适用于对传输安全要求高的场景	off
tmpFolder	从其他云存储迁移至 COS 的过程中，用于存储临时文件的目录，迁移完成后会删除。要求格式为绝对路径：Linux 下分隔符为单斜杠，如/a/b/c Windows 下分隔符为两个反斜杠，如E:\\a\\b\\c默认为工具所在路径下的 tmp 目录	./tmp
smallFileThreshold	小文件阈值的字节，大于等于这个阈值使用分块上传，否则使用简单上传，默认5MB	5242880
smallFileExecutorNum	小文件（文件小于 smallFileThreshold）的并发度，使用简单上传。如果是通过外网来连接 COS，且带宽较小，请减小该并发度	64
bigFileExecutorNum	大文件（文件大于等于 smallFileThreshold）的并发度，使用分块上传。如果是通过外网来连接 COS，且带宽较小，请减小该并发度	8
entireFileMd5Attached	表示迁移工具将全文的 MD5 计算后，存入文件的自定义头部 x-cos-meta-md5 中，用于后续的校验，因为 COS 的分块上传的大文件的 etag 不是全文的 MD5	on
daemonMode	是否启用 daemon 模式：on 表示开启，off 表示关闭。daemon 表示程序会循环不停的去执行同步，每一轮同步的间隔由 daemonModeInterVal 参数设置	off
daemonModeInterVal	表示每一轮同步结束后，多久进行下一轮同步，单位为秒	60
executeTimeWindow	执行时间窗口，时刻粒度为分钟，该参数定义迁移工具每天执行的时间段。例如：参数 03:30,21:00，表示在凌晨 03:30 到晚上 21:00 之间执行任务，其他时间则会进入休眠状态，休眠态暂停迁移并会保留迁移进度, 直到下一个时间窗口自动继续执行	00:00,24:00
encryptionType	表示使用 sse-cos 服务端加密	默认不填，需要服务端加密时填写

secretKey	用户密钥 SecretKey，请将COS_SECRETKEY替换为您的真实密钥信息。可前往访问管理控制台中的云 API 密钥页面查看获取	-
bucketName	目的 Bucket 的名称, 命名格式为 <BucketName-APPID>，即 Bucket 名必须包含 APPID，例如 examplebucket-1250000000	-
region	目的 Bucket 的 Region 信息。COS 的地域简称请参照地域和访问域名	-
storageClass	存储类型：Standard（标准存储），Standard_IA（低频存储），Archive（归档存储）	Standard
cosPath	要迁移到的 COS 路径。/表示迁移到 Bucket 的根路径下，/folder/doc/表示要迁移到 Bucket的/folder/doc/ 下，若 /folder/doc/ 不存在，则会自动创建路径	/
https	是否使用 HTTPS 传输：on 表示开启，off 表示关闭。开启传输速度较慢，适用于对传输安全要求高的场景	off
tmpFolder	从其他云存储迁移至 COS 的过程中，用于存储临时文件的目录，迁移完成后会删除。要求格式为绝对路径：Linux 下分隔符为单斜杠，如/a/b/c Windows 下分隔符为两个反斜杠，如E:\\a\\b\\c默认为工具所在路径下的 tmp 目录	./tmp
smallFileThreshold	小文件阈值的字节，大于等于这个阈值使用分块上传，否则使用简单上传，默认5MB	5242880
smallFileExecutorNum	小文件（文件小于 smallFileThreshold）的并发度，使用简单上传。如果是通过外网来连接 COS，且带宽较小，请减小该并发度	64
bigFileExecutorNum	大文件（文件大于等于 smallFileThreshold）的并发度，使用分块上传。如果是通过外网来连接 COS，且带宽较小，请减小该并发度	8
entireFileMd5Attached	表示迁移工具将全文的 MD5 计算后，存入文件的自定义头部 x-cos-meta-md5 中，用于后续的校验，因为 COS 的分块上传的大文件的 etag 不是全文的 MD5	on
daemonMode	是否启用 daemon 模式：on 表示开启，off 表示关闭。daemon 表示程序会循环不停的去执行同步，每一轮同步的间隔由 daemonModeInterVal 参数设置	off
daemonModeInterVal	表示每一轮同步结束后，多久进行下一轮同步，单位为秒	60
executeTimeWindow	执行时间窗口，时刻粒度为分钟，该参数定义迁移工具每天执行的时间段。例如：参数 03:30,21:00，表示在凌晨 03:30 到晚上 21:00 之间执行任务，其他时间则会进入休眠状态，休眠态暂停迁移并会保留迁移进度, 直到下一个时间窗口自动继续执行	00:00,24:00
encryptionType	表示使用 sse-cos 服务端加密	默认不填，需要服务端加密时填写

3.3 配置数据源信息

根据[migrateType]的迁移类型配置相应的分节。例如[migrateType]的配置内容是type=migrateLocal, 则用户只需配置[migrateLocal]分节即可。

3.3.1 配置本地数据源 migrateLocal

若从本地迁移至 COS，则进行该部分配置，具体配置项及说明如下：

代码语言：javascript

复制

# 从本地迁移到 COS 配置分节
[migrateLocal]
localPath=E:\\code\\java\\workspace\\cos_migrate_tool\\test_data
exeludes=
ignoreModifiedTimeLessThanSeconds=

代码语言：javascript

复制

本地路径，要求格式为绝对路径： Linux 下分隔符为单斜杠，如 /a/b/c

Windows 下分隔符为两个反斜杠，例如 E:\a\b\c

3.3.2 配置阿里 OSS 数据源 migrateAli

若从阿里云 OSS 迁移至 COS，则进行该部分配置，具体配置项及说明如下：

代码语言：javascript

复制

# 从阿里 OSS 迁移到 COS 配置分节

[migrateAli]

bucket=bucket-aliyun

accessKeyId=yourAccessKeyId

accessKeySecret=yourAccessKeySecret

endPoint= oss-cn-hangzhou.aliyuncs.com

prefix=

proxyHost=

proxyPort=

配置项	描述
bucket	阿里云 OSS Bucket 名称
accessKeyId	将 yourAccessKeyId 替换为用户的密钥
accessKeySecret	将 yourAccessKeySecret 替换为用户的密钥
endPoint	阿里云 endpoint 地址
prefix	要迁移的路径的前缀，如果是迁移 Bucket 下所有的数据, 则 prefix 为空
proxyHost	如果要使用代理进行访问，则填写代理 IP 地址
proxyPort	代理的端口

3.3.3 配置 AWS 数据源 migrateAws

若从 AWS 迁移至 COS，则进行该部分配置，具体配置项及说明如下：

代码语言：javascript

复制

# 从 AWS 迁移到 COS 配置分节

[migrateAws]

bucket=bucket-aws

accessKeyId=AccessKeyId

accessKeySecret=SecretAccessKey

endPoint=s3.us-east-1.amazonaws.com

prefix=

proxyHost=

proxyPort=

配置项	描述
bucket	AWS 对象存储 Bucket 名称
accessKeyId	将 AccessKeyId 替换为用户的密钥
accessKeySecret	将 SecretAccessKey 替换为用户的密钥
endPoint	AWS 的 endpoint 地址，必须使用域名，不能使用 region
prefix	要迁移的路径的前缀，如果是迁移 Bucket 下所有的数据，则 prefix 为空
proxyHost	如果要使用代理进行访问，则填写代理 IP 地址
proxyPort	代理的端口

3.3.4 配置七牛数据源 migrateQiniu

若从七牛迁移至 COS，则进行该部分配置，具体配置项及说明如下：

代码语言：javascript

复制

# 从七牛迁移到COS配置分节

[migrateQiniu]

bucket=bucket-qiniu

accessKeyId=AccessKey

accessKeySecret=SecretKey

endPoint=www.bkt.clouddn.com

prefix=

proxyHost=

proxyPort=

配置项	描述
bucket	七牛对象存储 Bucket 名称
accessKeyId	将 AccessKey 替换为用户的密钥
accessKeySecret	将 SecretKey 替换为用户的密钥
endPoint	七牛下载地址，对应 downloadDomain
prefix	要迁移的路径的前缀，如果是迁移 Bucket 下所有的数据，则 prefix 为空
proxyHost	如果要使用代理进行访问，则填写代理 IP 地址
proxyPort	代理的端口

3.3.5 配置 URL 列表数据源 migrateUrl

若从指定 URL 列表迁移至 COS，则进行该部分配置，具体配置项及说明如下：

代码语言：javascript

复制

# 从 URL 列表下载迁移到 COS 配置分节

[migrateUrl]

urllistPath=D:\folder\urllist.txt

代码语言：javascript

复制

URL 列表的地址，内容为 URL 文本，一行一条 URL 原始地址（如 http://aaa.bbb.com/yyy/zzz.txt ，无需添加任何双引号或其他符号）。 URL 列表的地址要求为绝对路径： Linux 下分隔符为单斜杠，如 /a/b/c.txt Windows 下分隔符为两个反斜杠，例如 E:\a\b\c.txt

如果填写的是目录，则会将该目录下的所有文件视为 urllist 文件去扫描迁移

3.3.6 配置 Bucket 相互复制 migrateBucketCopy

若从 COS 的一个指定 Bucket 迁移至另一个 Bucket，则进行该部分配置，具体配置项及说明如下：

代码语言：javascript

复制

# 从源 Bucket 迁移到目标 Bucket 配置分节

[migrateBucketCopy]

srcRegion=ap-shanghai

srcBucketName=examplebucket-1250000000

srcSecretId=COS_SECRETID

srcSecretKey=COS_SECRETKEY

srcCosPath=/

代码语言：javascript

复制

源 Bucket 的 Region 信息。

4. 运行迁移工具

Windows

双击 start_migrate.bat 即可运行。

Linux

1.从 config.ini 配置文件读入配置，运行命令为：

代码语言：javascript

复制

sh start_migrate.sh

2.部分参数从命令行读入配置，运行命令为：

代码语言：javascript

复制

sh start_migrate.sh -Dcommon.cosPath=/savepoint0403_10/

说明：

工具支持配置项读取方式有两种：命令行读取或配置文件读取。
命令行优先级高于配置文件，即相同配置选项会优先采用命令行里的参数。
命令行中读取配置项的形式方便用户同时运行不同的迁移任务，但前提是两次任务中的关键配置项不完全一样，例如 Bucket 名称，COS 路径，要迁移的源路径等。因为不同的迁移任务写入的是不同的 db 目录，可以保证并发迁移。请参照前文中的工具结构中的 db 信息。
配置项的形式为 -D{sectionName}.{sectionKey}={sectionValue} 的形式。其中 sectionName 是配置文件的分节名称，sectionKey 表示分节中配置项名称，sectionValue 表示分节中配置项值。如设置要迁移到的 COS 路径，则以 -Dcommon.cosPath=/bbb/ddd 表示。

迁移机制及流程

迁移机制原理

COS 迁移工具是有状态的，已经迁移成功的会记录在 db 目录下，以 KV 的形式存储在 leveldb 文件中。每次迁移前对要迁移的路径，先查找下 db 中是否存在，如果存在，且属性和 db 中存在的一致，则跳过迁移，否则进行迁移。这里的属性根据迁移类型的不同而不同，对于本地迁移，会判断 mtime。对于其他云存储迁移与 Bucket 复制，会判断源文件的 etag 和长度是否与 db 一致。因此，我们参照 db 中是否有过迁移成功的记录，而不是查找 COS，如果绕过了迁移工具，通过别的方式（如 COSCMD 或者控制台）删除修改了文件，那么运行迁移工具由于不会察觉到这种变化，是不会重新迁移的。

迁移流程步骤

1.读取配置文件，根据迁移 type，读取响应的配置分节，并执行参数的检查。

2.根据指定的迁移类型，扫描对比 db 下对所要迁移文件的标识，判断是否允许上传。

3.迁移执行过程中会打印执行结果，其中 inprogress 表示迁移中，skip 表示跳过，fail 表示失败，ok 表示成功， condition_not_match 表示因为表示因不满足迁移条件而跳过的文件（如 lastmodifed 和 excludes）。失败的详细信息可以在 log 的 error 日志中查看。执行过程示意图如下图所示：

4.整个迁移结束后会打印统计信息，包括累积的迁移成功量，失败量，跳过量，耗时。对于失败的情况，请查看 error 日志，或重新运行，因为迁移工具会跳过已迁移成功的，对未成功的会重新迁移。运行完成结果示意图如下图所示：