其他 OLAP 系统迁移到 Doris

ClickHouse、Greenplum 和数据湖表可以通过相应 Catalog 批量读入 Doris。先定义快照、更新和聚合语义，再选择目标表模型；源系统的存储引擎没有自动、完整的 Doris 等价物。

路线与前提条件

来源	连接与参数参考	迁移前检查
ClickHouse	ClickHouse JDBC Catalog	驱动、无符号整数、日期时间及复杂类型映射
Greenplum	PostgreSQL JDBC Catalog	PostgreSQL 兼容驱动、实际元数据及分布式导出一致性
Hive	Hive Catalog	Metastore、文件存储、认证及分区
Iceberg	Iceberg Catalog	元数据服务、存储权限及一致快照
Hudi	Hudi Catalog	表类型、可见视图、底层文件及查询限制

所有 FE/BE 都必须能访问相应服务、驱动和存储。按对应参考配置 Catalog，用具备读外表及建库建表、写目标表权限的 Doris 账户执行迁移。

ClickHouse

使用对应 JDBC Catalog 和显式列列表执行 INSERT INTO ... SELECT。先运行 DESC，不要把目标设计建议当作 JDBC 的实际类型映射。例如，ClickHouse FixedString 的 Catalog 映射不是直接承诺为 CHAR，Map/Tuple 等复杂类型能否读取要按具体驱动和版本测试。

ReplacingMergeTree、CollapsingMergeTree 和聚合状态表需要确定最终可见数据、版本列、删除标记及合并规则。Doris Unique Key 不能自动复现这些引擎的全部语义。迁移 SQL 时还要测试 NULL、并列最大/最小值、数组展开和 JSON 字符串提取的差异。

Greenplum

按 PostgreSQL 迁移 的批量流程准备 Catalog、目标表和校验，确认实际 Greenplum 类型映射。大表使用并行导出或分批 SQL 时，应确保所有分片来自同一个一致性视图；工具并行度本身不提供跨表快照保证。

数据湖

使用各自的 Hive、Iceberg、Hudi Catalog 查询源表。对于 Iceberg，应在迁移期间固定需要读取的快照；对于 Hudi，应先确认读取的是哪种视图及该版本支持的表类型。创建 Catalog 只提供外部访问，不会创建 Doris 数据副本。

基本用法

假设已按上述参考建立 source_catalog，源表 analytics.migration_demo 含有 id BIGINT 和 value DECIMAL(12,2) 两列，且源快照在迁移期间固定。先用外表 DESC 确认这两个类型，然后在 Doris 执行：

CREATE DATABASE IF NOT EXISTS migration_target;
CREATE TABLE migration_target.olap_demo (
    id BIGINT,
    `value` DECIMAL(12,2)
)
DUPLICATE KEY(id)
DISTRIBUTED BY HASH(id) BUCKETS 1
PROPERTIES ('replication_num' = '1');

INSERT INTO migration_target.olap_demo (id, `value`)
SELECT id, `value` FROM source_catalog.analytics.migration_demo;

SELECT COUNT(*), SUM(`value`) FROM source_catalog.analytics.migration_demo;
SELECT COUNT(*), SUM(`value`) FROM migration_target.olap_demo;

预期结果：空目标表收到源快照中的全部两列数据，两条校验查询的行数和数值总和相等。单副本、单分桶仅供演示；实际环境按资源与可靠性要求调整。完整、固定输入的示例见 MySQL 或 PostgreSQL 页面。

其他导入方式

无法直连源系统时，可以导出受支持的文件并通过 S3 Load 或 Broker Load 导入。确认导出格式、编码、NULL 表示、精度和时区后再批量执行。

也可使用 Spark Connector 或 Flink Connector；具体批处理或流处理能力、依赖版本及语义以各 Connector 参考为准。

错误处理与建议

先验证小范围数据，再扩大批量和并发。对于不支持的类型，显式转换并检查是否丢失精度，不要直接跳过。重复执行 Duplicate Key 目标的 INSERT 会追加重复行；分批恢复前应核对已完成范围。切换前完成 迁移概览 中的跨库校验，并保留源数据与回退路径。