SymmetricDS 太麻煩，而且是每張表都要配置觸發器，性能影響太大了。
其他類型數據庫到GP：
轉自：https://blog.csdn.net/inrgihc/article/details/103739629
一、背景
開源MPP數據庫Greenplum是一種基於PostgreSQL的分布式數據庫，其采用shared-nothing架構，其架構專門用於管理大規模分析數據倉庫，Greenplum主要定位在OLAP領域，利用Greenplum MPP數據庫做大數據計算或分析平台非常適合，典型的就是數據倉庫系統。
雖然Greenplum支持JDBC 、libpg、copy、gpfdist等多種方式加載數據。但是通常的業務系統中的數據存儲往往是MySQL、Oracle、SQLServer、PostegreSQL等數據庫。要想把這些數據庫中的數據導入至Greenplum數據庫中，需要借助一定的（離線同步）工具，典型的工具包括：
（1）利用kettle+gpload工具
優點：工具開源且現成，導入速度快，kettle支持表結構同步和表數據同步；
缺點：gpload配置過於復雜，kettle功能多，學習成本高，每張表都需要單獨配置，不適用於大批量表的操作；
（2）使用Greenplum工具gpfdist或外部表方式
優點：導入速度快
缺點：需要先將MySQL、Oracle、SQLServer、PostegreSQL等數據庫內的數據導出為文本文件，同樣不適用於大批量表的操作；
（3）datax工具
優點：工具現成，支持插件擴展；
缺點：不支持表結構同步，需要人工參與目的端表的創建；
地址：https://github.com/alibaba/DataX
（4）dbsync 工具
優點：支持表結構與數據的同步；
缺點：同步千萬級數據量時會OOM、對於含有大小寫的表名或字段名進行DDL轉換存在問題、只支持MySQL/PostgreSQL到Greenplum/PostgreSQL的表結構與數據同步同步等等，其他問題請參考issue：https://github.com/aliyun/rds_dbsync/issues
地址：https://github.com/aliyun/rds_dbsync
二、dbswitch工具
結合kettle的表結構同步功能及網上高僧基於copy方式改良的datax，dbswitch提供常見的oracle/SqlServer/mysql/PostgreSQL向Greenplum數據庫的表結構及數據同步功能。功能點如下：
表（視圖）結構向GP轉換及在GP中自動建表；
表數據抽取至GP數據庫中；
支持同一schema下的多張表同步；
提供RESTfull的表結構轉換服務接口；
項目地址：https://gitee.com/inrgihc/dbswitch
工具缺點：
不支持二進制字段數據的數據抽取同步；
當前為單線程處理，並發同步有待提高；
對於GP建表時未考慮分布式鍵問題
另外一個：
https://www.cnblogs.com/lolo-garden/p/12061055.html
需求：
異構數據庫oracle到PG同步，后續可能到hadoop等大數據平台。
工具以及對比：
| 工具 |
支持異構 |
數據方向 |
開源 |
GUI |
| kettle |
√ |
多種（大數據和RDBMS）->多種 |
√ |
√ |
| DataX |
√ |
多種->多種 |
√ |
× |
| Sqoop |
√ |
大數據->RDBMS， RDBMS->大數據 |
√ |
× |
| Streamsets |
√ |
多種->多種 |
√ |
√ |
| Informatica |
√ |
多種->多種 |
× |
√ |
| Talend |
√ |
多種->多種 |
√ |
√ |
| DataPipeline |
√ |
多種->多種 |
× |
√ |
| datastage |
√ |
多種->多種 |
× |
√ |
| ODI |
√ |
多種->多種 |
× |
√ |
| Apatar |
√ |
多種->多種 |
√ |
√ |
DataX：
1.使用在hadoop時，如果文件過大，作為源端數據導入目標數據庫時會有數據缺失；
2.datax往gp中寫數最好使用gp的writer方式，否則會很慢。
Kettle:
性能較DataX等較差。
Datastage和Informatica商業，功能完備，市場占有率高。
ODI：oracle耦合度高。
Sqoop和Streamsets更適用於大數據相關的數據源。
Talend:開源版沒有調度程序，且后續的維護運維成本高，建議商業版。按照用戶數收費，開發用戶多不合算。
結論：
開源采用DataX，或者（大數據場景時）Sqoop和Streamsets，
商用Talend，Datastage，Informatica。
再來一個總結的：
https://www.cnblogs.com/laoqing/p/11359224.html