你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

教程：将数据迁移到用于 Cassandra 帐户的 API

2025-06-16

适用对象：卡珊德拉

作为开发人员，你可能具有在本地或在云中运行的现有 Cassandra 工作负荷，并且你可能希望将其迁移到 Azure。可以将此类工作负载迁移到 Azure Cosmos DB 中的 API for Cassandra 帐户。本教程对可用来将 Apache Cassandra 数据迁移到 Azure Cosmos DB 中的 API for Cassandra 帐户的各种选项进行了说明。

本教程涵盖以下任务：

规划迁移
迁移的先决条件
使用 cqlshCOPY 命令迁移数据
使用 Spark 迁移数据

如果还没有 Azure 订阅，可以在开始前创建一个免费帐户。

迁移的先决条件

估计吞吐量需求： 将数据迁移到 Azure Cosmos DB 中 Cassandra 帐户的 API 之前，请估计工作负荷的吞吐量需求。一般情况下，从CRUD操作所需的平均吞吐量开始。然后，包含提取转换加载或突发操作所需的额外吞吐量。需要以下详细信息来规划迁移：
- 现有数据大小或估计的数据大小： 定义最小数据库大小和吞吐量要求。如果估计新应用程序的数据大小，则可以假定数据在行中均匀分布，并通过乘以数据大小来估计值。
- 所需的吞吐量：大概的读取（查询/获取）和写入（更新/删除/插入）吞吐率。需要使用此值来计算所需的请求单位以及状态稳定的数据大小。
- 架构：通过连接到现有的 Cassandra 群集并从 Cassandra 中导出架构：
```
cqlsh [IP] "-e DESC SCHEMA" > orig_schema.cql
```
  确定现有工作负载的需求后，应根据收集到的吞吐量需求创建一个 Azure Cosmos DB 帐户、数据库和容器。
- 确定操作的 RU 费用：可以使用 API for Cassandra 支持的任何 SDK 来确定 RU。此示例演示获取 RU 费用的 .NET 版本。
```
var tableInsertStatement = table.Insert(sampleEntity);
var insertResult = await tableInsertStatement.ExecuteAsync();

foreach (string key in insertResult.Info.IncomingPayload)
  {
     byte[] valueInBytes = customPayload[key];
     double value = Encoding.UTF8.GetString(valueInBytes);
     Console.WriteLine($"CustomPayload:  {key}: {value}");
  }
```
分配所需的吞吐量： 随着吞吐量需求的增长，Azure Cosmos DB 可以自动扩展存储和吞吐量。可以使用 Azure Cosmos DB 请求单位计算器来估计吞吐量需求。
在用于 Cassandra 帐户的 API 中创建表： 开始迁移数据之前，请从 Azure 门户或 Azure cqlsh门户预先创建所有表。如果要迁移到具有数据库级别吞吐量的 Azure Cosmos DB 帐户，请确保在创建容器时提供分区键。
增加吞吐量： 数据迁移的持续时间取决于为 Azure Cosmos DB 中的表预配的吞吐量。在迁移期间增加吞吐量。提高吞吐量后，可避免受到速率限制，并缩短迁移时间。完成迁移后，请降低吞吐量以节省成本。此外，我们还建议在源数据库所在的同一区域中拥有 Azure Cosmos DB 帐户。
启用 TLS：Azure Cosmos DB 具有严格的安全要求和标准。请确保在与帐户进行交互时启用 TLS。将 CQL 与 SSH 配合使用时，可以提供 TLS 信息。

迁移数据的选项

你可以使用 cqlshCOPY 命令或 Spark 将数据从现有的 Cassandra 工作负载移到 Azure Cosmos DB。

使用 cqlsh COPY 命令迁移数据

警告

请只使用 CQL COPY 来迁移小数据集。若要移动大数据集，请通过使用 Spark 来迁移数据。

若要确定 csv 文件包含正确的文件结构，请使用 COPY TO 命令将数据直接从源 Cassandra 表导出到 csv 文件。确保 cqlsh 使用相应的凭据连接到源表。
```
COPY exampleks.tablename TO 'data.csv' WITH HEADER = TRUE;   
```
现在获取 API for Cassandra 帐户的连接字符串信息：
- 登录到 Azure 门户，并转到你的 Azure Cosmos DB 帐户。
- 打开“连接字符串”窗格。可在此处查看从 cqlsh 连接到 API for Cassandra 帐户所需的所有信息。
使用 Azure 门户中的连接信息登录 cqlsh 。
使用 CQLCOPY FROM 命令来复制 data.csv。此文件仍位于已安装的用户根目录中 cqlsh 。
```
COPY exampleks.tablename FROM 'data.csv' WITH HEADER = TRUE;
```

注意

API for Cassandra 支持 Cassandra 3.11 随附的协议版本 4。在 API 中使用更高版本的协议版本时可能会遇到问题。具有更高协议版本的 COPY FROM 可以进入循环并返回重复行。

将协议版本添加到 cqlsh 命令。

cqlsh <USERNAME>.cassandra.cosmos.azure.com 10350 -u <USERNAME> -p <PASSWORD> --ssl --protocol-version=4

将吞吐量限制选项添加到 CQL Copy 命令

cqlsh 中的 COPY 命令支持各种参数来控制将文档引入 Azure Cosmos DB 的速率。

COPY 命令的默认配置尝试以非常快的速度引入数据。它不考虑 Cosmos DB 的速率限制行为。应根据对集合配置的吞吐量减少 CHUNKSIZE 或 INGESTRATE。

如果文档或记录大小为 1 KB，建议对 20,000 RU 的集合使用以下配置（至少）。

CHUNKSIZE = 100
INGESTRATE = 500
MAXATTEMPTS = 10

示例命令

将数据从 API for Cassandra 复制到本地 csv 文件

COPY standard1 (key, "C0", "C1", "C2", "C3", "C4") TO 'backup.csv' WITH PAGESIZE=100 AND MAXREQUESTS=1 ;

将数据从本地 csv 文件复制到 API for Cassandra

COPY standard2 (key, "C0", "C1", "C2", "C3", "C4") FROM 'backup.csv' WITH CHUNKSIZE=100 AND INGESTRATE=100 AND MAXATTEMPTS=10;

重要

仅支持 CQLSH COPY 的开源 Apache Cassandra 版本。 CQLSH 的 Datastax Enterprise （DSE）版本可能会遇到错误。

使用 Spark 迁移数据

通过以下步骤使用 Spark 将数据迁移到 API for Cassandra 帐户：

预配 Azure Databricks 群集或 Azure HDInsight 群集。
将数据移到目标 API for Cassandra 终结点。有关详细信息，请参阅将数据从 Cassandra 迁移到 Azure Cosmos DB for Apache Cassandra 帐户。

如果有数据驻留在 Azure 虚拟机或任何其他云的现有群集中，则建议使用 Spark 作业迁移数据。将 Spark 设置为用于一次性引入或常规引入的中介。你可以通过使用本地环境和 Azure 之间的 Azure ExpressRoute 连接加速此迁移。

实时迁移

如果需要从本机 Apache Cassandra 群集进行零停机迁移，建议配置双写入和单独的大容量数据加载来迁移历史数据。使用开源双写入代理实现此模式更为简单，以允许最少的应用程序代码更改。有关详细信息，请参阅实时将数据从 Apache Cassandra 迁移到 Azure Cosmos DB for Apache Cassandra。

清理资源

不再需要资源组、Azure Cosmos DB 帐户和所有相关的资源时，可将其删除。为此，请选择虚拟机的资源组，选择“删除”，然后确认要删除的资源组的名称。

后续步骤

本教程介绍了如何将数据迁移到 Azure Cosmos DB 中 Cassandra 帐户的 API。你先可了解 Azure Cosmos DB 的其他概念：

Azure Cosmos DB 中的可优化数据一致性级别

通过