Migrace z Oracle

Migrace Oracle datového skladu do Databricks není jeden velký přesun, ale fázovaný projekt. Databricks i praxe partnerů se shodují na stejné kostře: assessment (inventura objektů, závislostí a workloadů), konverze schématu a kódu, přenos a synchronizace dat, validace (rekonsiliace výsledků proti Oracle) a teprve nakonec cutover — přepnutí konzumentů a vypnutí staré platformy. Fáze se navíc iterují po doménách: nemigruje se „celý sklad", ale postupně datamarty či subject areas podle rizika a byznysové hodnoty.

Zásadní strategické rozhodnutí je lift-and-shift vs redesign. Lift-and-shift (přeložit kód 1:1, zachovat struktury) je rychlejší a levnější na projekt, ale přenáší do lakehouse i dvacet let technického dluhu — a některé Oracle konstrukty stejně 1:1 nepřeložíte. Redesign (přepis na medallion architekturu, deklarativní pipelines, viz kapitoly 7 a 10) dá dlouhodobě lepší výsledek, ale stojí víc analýzy. V praxi vítězí hybrid: core tabulky a ETL lift-and-shift s automatickým převodem, nejbolavější a nejhodnotnější části (staging logika v PL/SQL balíčcích, MV kaskády) redesign.

Lakebridge je bezplatný open-source migrační toolkit od Databricks Labs (ohlášen v červnu 2025; vznikl spojením akvizice BladeBridge a interního projektu Remorph). Pokrývá tři fáze migrace a Oracle podporuje ve všech:

Instaluje se jako CLI přes databricks labs install lakebridge. Realistické očekávání od converteru: Databricks uvádí automatizaci až 80 % pracnosti; u Oracle počítejte spíš se 70–80 % podle složitosti PL/SQL — zbytek (dynamické SQL, DBMS_* balíčky, kurzorová logika) je ruční práce. Přesný stav podpory jednotlivých enginů ověřte v dokumentaci, projekt se vyvíjí rychle.

Celý cyklus se dá projet z příkazové řádky:

# instalace CLI a transpileru (vyzaduje Databricks CLI a profil)
databricks labs install lakebridge
databricks labs lakebridge install-transpile

# 1) assessment: inventura a slozitost zdroje -> Excel report
databricks labs lakebridge analyze \
    --source-directory /migrace/oracle/src \
    --report-file /migrace/reports/oracle-inventory.xlsx \
    --source-tech oracle

# 2) transpile: prevod Oracle SQL a PL/SQL do Databricks SQL
databricks labs lakebridge transpile \
    --input-source /migrace/oracle/src \
    --output-folder /migrace/databricks/out \
    --source-dialect oracle \
    --error-file-path /migrace/reports/errors.log

# 3) reconcile: konfigurace a porovnani zdroje s cilem
databricks labs lakebridge configure-reconcile
databricks labs lakebridge reconcile

# presne nazvy a hodnoty prepinacu overte pres --help,
# CLI se mezi verzemi meni

Na přenos dat Lakebridge není — tam patří:

• Azure Data Factory s Oracle konektorem (self-hosted integration runtime pro on-prem) — klasika pro historický load i plánované inkrementy. Berte ji jako orchestrátor a „přistávací dráhu" do bronze vrstvy, ne jako transformační engine (viz kapitola 7).
• Lakeflow Connect — managed Oracle konektory: query-based konektor (dotazuje zdroj přes watermark sloupec) a integrovaný CDC konektor postavený na Oracle LogMiner přes JDBC (bez GoldenGate/XStream). Obě varianty jsou k srpnu 2026 v Beta / Public Preview — dostupnost ve vašem regionu a přesný stav ověřte v dokumentaci, než na nich postavíte produkční migraci.
• Lakehouse Federation — dotazování Oracle „na místě" bez kopírování; hodí se během přechodného období na porovnávání a na dosud nemigrované tabulky.

Než se pustíte do jednotlivých objektů, pomůže vidět mapování po vrstvách:

Největší mentální posun: v lakehouse neexistují B-tree indexy, sekvence s triggery ani optimizer hinty. Jejich funkci přebírají jiné mechanismy:

Dvě rychlé ukázky. Typická PL/SQL procedura „smaž a nahraj agregát" se v Databricks zjednoduší na MERGE nebo ještě lépe na deklarativní materialized view:

-- Oracle: PL/SQL procedura + MV log + fast refresh
-- Databricks: deklarativni MV, refresh ridi engine
CREATE MATERIALIZED VIEW main.gold.sales_daily
AS SELECT order_date, sum(amount) AS total_amount
FROM main.silver.orders
GROUP BY order_date;

A náhrada sekvence s triggerem za identity sloupec:

-- misto CREATE SEQUENCE cust_seq + BEFORE INSERT trigger:
CREATE TABLE silver.customers (
  customer_sk BIGINT GENERATED ALWAYS AS IDENTITY,
  customer_id STRING,
  valid_from  TIMESTAMP
);

A nejčastější antipattern celé migrace — kurzorová smyčka, která se musí přepsat množinově:

-- Oracle: radek po radku, jeden UPDATE na kazdou objednavku
--   FOR r IN (SELECT order_id, amount FROM orders) LOOP
--     UPDATE order_stats SET total = total + r.amount WHERE id = r.order_id;
--   END LOOP;

-- Databricks: jeden mnozinovy MERGE misto smycky
MERGE INTO main.gold.order_stats AS t
USING (
  SELECT order_id, sum(amount) AS amount
  FROM main.silver.orders
  GROUP BY order_id
) AS s
ON t.id = s.order_id
WHEN MATCHED THEN UPDATE SET t.total = t.total + s.amount
WHEN NOT MATCHED THEN INSERT (id, total) VALUES (s.order_id, s.amount);

-- Oracle: SELECT employee_id, manager_id, LEVEL FROM employees
--         START WITH manager_id IS NULL
--         CONNECT BY PRIOR employee_id = manager_id;

-- Databricks: rekurzivni CTE v ANSI syntaxi
WITH RECURSIVE org (employee_id, manager_id, lvl) AS (
  SELECT employee_id, manager_id, 1
  FROM main.silver.employees
  WHERE manager_id IS NULL
  UNION ALL
  SELECT e.employee_id, e.manager_id, o.lvl + 1
  FROM main.silver.employees e
  JOIN org o ON e.manager_id = o.employee_id
)
SELECT * FROM org;

Automatický převod přepíše syntaxi, ale sémantické rozdíly musíte pohlídat sami. Tohle jsou ty, na kterých se migrace z Oracle spálí nejčastěji:

• NULL vs prázdný řetězec. Oracle notoricky zachází s '' jako s NULL. Ve Spark SQL je prázdný řetězec regulérní hodnota různá od NULL. Každé WHERE col IS NULL, konkatenace a join klíč s textovými sloupci může po migraci vracet jiné výsledky.
• Implicitní konverze typů. Oracle tiše převádí string ↔ number ↔ date podle NLS nastavení session. Spark má vlastní (a v ANSI módu přísnější) pravidla — dotazy spoléhající na implicitní TO_DATE spadnou nebo vrátí NULL. Formátovací masky TO_CHAR/TO_DATE se navíc liší od masek date_format().
• Oracle DATE má čas. Bezmyšlenkovitý převod na Spark DATE ořízne časovou složku — a inkrementální loady postavené na porovnávání „dat" se rozbijí.
• Transakční sémantika. Delta Lake garantuje ACID na úrovni jedné tabulky; multi-statement transakce přes více tabulek à la BEGIN…COMMIT v PL/SQL nemají přímý ekvivalent. Logiku „všechno nebo nic" přes více tabulek je nutné přestavět (idempotentní kroky, orchestraci a případné kompenzace řeší pipeline). Stav multi-table transactions ověřte v dokumentaci — oblast se vyvíjí.
• MERGE rozdíly. Delta MERGE selže, pokud více zdrojových řádků matchuje jeden cílový — Oracle v témže případě hlásí ORA-30926, takže chování je v jádru stejné. Rozdíl je v tom, že na tuhle chybu se v Oracle často naráželo až v produkci a týmy si zvykly ji obcházet v ETL; po migraci ji Delta odhalí znovu. Zdroj před MERGE deduplikujte (row_number() = 1).
• Řazení a case sensitivity. Jiné výchozí collation, jiné řazení NULL hodnot (NULLS FIRST/LAST explicitně!), citlivost identifikátorů na velikost písmen.

Na úrovni jednotlivých funkcí je převod přímočarý — zrádné jsou až formátovací masky:

-- Oracle
SELECT NVL(discount, 0)                                AS discount,
       DECODE(status, 'A', 'aktivni',
                      'C', 'zavreno', 'ostatni')  AS status_txt,
       TO_DATE(order_dt_txt, 'DD.MM.YYYY')          AS order_date
FROM stage.orders;

-- Databricks SQL
SELECT coalesce(discount, 0)                           AS discount,
       CASE status WHEN 'A' THEN 'aktivni'
                   WHEN 'C' THEN 'zavreno'
                   ELSE 'ostatni' END            AS status_txt,
       to_date(order_dt_txt, 'dd.MM.yyyy')          AS order_date
FROM main.silver.orders;

Migrace z Oracle je proveditelná a dobře prošlapaná cesta: fázujte po doménách, nechte Lakebridge udělat hrubou práci (assessment, převážná část konverze, rekonsiliace), data tahejte přes ADF nebo Lakeflow Connect a než přepnete uživatele, provozujte paralelní běh. Největší rizika nejsou v syntaxi, ale v sémantice — NULL, typy, transakce.

Kurátorovaný seznam zdrojů (vše EN):

• Lakebridge — dokumentace — instalace, podporované zdroje a enginy, návody pro analyzer/converter/reconcile. Startovní bod pro celý toolkit.
• Lakebridge — GitHub — zdrojový kód, releases a changelog; sledujte, podpora dialektů přibývá po měsících.
• Introducing Lakebridge (Databricks blog) — ohlášení a architektura toolkitu, kontext akvizice BladeBridge.
• Navigating the Oracle to Databricks Migration (Databricks blog) — nejucelenější oficiální text přímo k Oracle: fázování, datové typy, partitioning, anti-patterny.
• Lakebridge Agentic Converter (docs) — LLM-powered konverze SQL (engine Switch); hodí se na konstrukce, které pravidlové enginy nezvládnou.
• Lakeflow Connect — managed konektory (Microsoft Learn) — přehled database/query-based konektorů včetně Oracle CDC (LogMiner) a jejich release stavů.
• ADF Oracle connector (Microsoft Learn) — konfigurace self-hosted IR, výkonové ladění paralelního čtení z Oracle.
• Databricks Migration hub — rozcestník migračních guides, webinářů a partnerského programu.