Migrar um fórum vBulletin 4 para Discourse

I’m only a recent discourse convert, so after a lot of trial and error I’ve combined everything above into a full command by command list (thanks @titusca and @enigmaty).

Hopefully this will help (or at least accelerate) fellow newcomers go from start to finish. Would like to incorporate this into the first post given the updates to mysql->mariadb that I think have thrown a lot of confusion into the process.

Background:

  • 1.6 million post transfer.
  • Utilized Digital Ocean Droplet (CPU Optimized 4 vCPU/8GB)

#1 - Install Digital Ocean Discourse 1-click droplet

#2 - Finish discourse install through SSH by following prompts

Open SSH console
root
(yourrootpassword)
(enter)
(yourdomain).com
(etc…)

#3 - Login to SFTP to upload database dump

sftp root@XXX.XXX.XX.XX
y
yes
(yourrootpassword)
put db.sql /var/discourse/shared/standalone/db.sql

#4 - Login to new discourse website to setup admin account

#5 - Login to SSH - begin process

ssh root@XXX.XXX.XX.XX
cd /var/discourse
./launcher start app
docker exec -it app bash
sudo apt-get update
sudo apt-get upgrade
y

#6 - Install MariaDB (replacement for mysql)

apt-get update && apt-get install mariadb-server-10.3 libmariadbd-dev
y

#7 - Mysql Database Setup

service mysql start
mysql -u root -p
password
create database vbulletin;
exit;

#8 - Vbulletin → Mysql Database Transfer

mysql -u root -p vbulletin < /shared/db.sql
password

#9 - GEM File

echo “gem ‘mysql2’” >>Gemfile
echo “gem ‘mysql2’, require: false” >> /var/www/discourse/Gemfile
echo “gem ‘php_serialize’, require: false” >> /var/www/discourse/Gemfile
cd /var/www/discourse
su discourse -c ‘bundle install --no-deployment --without test --without development --path vendor/bundle’
(Ignore red text result)

#10 - Configure install script

vi /var/www/discourse/script/import_scripts/vbulletin.rb

#10.a - Make edits to text file as needed

DB_HOST ||= ENV[‘DB_HOST’] || “localhost”
DB_NAME ||= ENV[‘DB_NAME’] || “vbulletin”
DB_PW ||= ENV[‘DB_PW’] || “password”
DB_USER ||= ENV[‘DB_USER’] || “root”
TIMEZONE ||= ENV[‘TIMEZONE’] || “America/Los_Angeles”
TABLE_PREFIX ||= ENV[‘TABLE_PREFIX’] || “”
ATTACHMENT_DIR ||= ENV[‘ATTACHMENT_DIR’] || ‘/shared/attachments/’

#10.c - End edits

:wq

#11 - Bundle Config

bundle config set path ‘vendor/bundle’
bundle config set without ‘development:test’
bundle config unset deployment
su discourse -c ‘bundle install’

#12 - Mysql config (may be possible to do this with previous)

mysql --version
sudo mysql -u root -p
password
ALTER USER 'root'@'localhost' IDENTIFIED BY 'password';
FLUSH PRIVILEGES;
exit

#13 - Install Script

su discourse -c ‘bundle exec ruby script/import_scripts/vbulletin.rb’

Good luck!

8 curtidas

Just wanted to leave feedback after our migration from vB4:

  • FIXED Soft-Deleted posts where not properly hidden: https://github.com/discourse/discourse/pull/12057
  • [ul] + [li] and nested [LIST] were not migrated properly and the BBcode plugin doesn’t seem to handle this either → This seems to be expected: CommonMark testing started here! (Quote: Core will not implement [ul] [ol] and [li] support for BBCode cause it is a recipe for failure.) → I will need to build some RegEx magic post-fixup for this.
  • We made an initial migration using the normale importer (took > 3 days) and restarted the migration with newer DB snapshots a couple of times to keep the import “fresh” and reduce the downtime to effectively 30 minutes. This procedure worked quite well, except for everything that was edited after we initially imported the threads, posts. We need to manually rework this information now.
  • Creating Plugins for Discourse is really hard due to lack of documentation and a big picture of how the folder structure works. Though it is getting nicer and better after you understand how it works.

Questions that i have left:

  • I not not sure how the importer maps already imported posts and how to match the old vB4 post_id to the new Discourse post_id to hide those “soft-deleted” post. If someone can give me a hint that would be very welcome! Found it: import_id inside the post_custom_fields table. Nice. Now i need to write some handy script to fix this :slight_smile: → Edit: An even better way is to use the importer script, which maps all imported id’s for easy use.
2 curtidas

Unfortunately I can’t edit my previous post :slight_smile:

I found another issue: Every attachment that is not linked into a post, will not be available to Discourse.

My draft PR for fixing this issue: https://github.com/discourse/discourse/pull/12187

Thanks!

3 curtidas

Just a quick followup on my issue list. I fixed the visibility problem.

Dump all affected posts from your old vBulletin database:

SELECT postid
FROM `vb4_post`
WHERE `visible` > '1'
ORDER BY postid

Make an imported_post_ids.txt file which has all the postid’s line by line

Create a new file for the fixing script:

nano script/import_scripts/fix_visibility.rb 

Content:

require_relative '../../config/environment'
require_relative 'base/lookup_container'

@lookup = ImportScripts::LookupContainer.new

broken_postids = []
broken_real_postids = []

File.foreach("imported_post_ids.txt") do |line|
  broken_postids.append(line.to_i)
end

broken_postids.each do |id|
  broken_real_postids.append(@lookup.post_id_from_imported_post_id(id))
end

broken_real_postids.each do |id|
  puts id
  Post.find(id).trash!
end

Run the script:

su discourse -c 'bundle exec ruby script/import_scripts/fix_visibility.rb'

The script will use the logic from the importer to map the imported post_id’s to the read discourse post_id’s which we want to hide.

4 curtidas

Olá pessoal,

Tenho o script rodando em uma migração vb3. Estou fazendo um passo de cada vez e ele está atualmente processando 122 mil usuários a 330/minuto. Depois teremos 2,5 milhões de posts para processar.

Estamos fazendo isso em um servidor de produção. Ninguém está usando o site discourse, nós apenas o configuramos e ele está em uma URL anônima. Se eu fizer login, posso ver as notificações de novos usuários aumentando. Provavelmente é uma pergunta boba, mas me pergunto se a migração processaria mais rápido se suspendêssemos ou desabilitássemos o site ao vivo de alguma forma?

1 curtida

Isso depende da carga e da quantidade de CPUs no seu servidor de produção. Você sempre pode tentar parar o servidor web por 5 minutos e ver se a importação fica mais rápida.

3 curtidas

A importação demora muito. Pelo que sei, o importador em massa deve ser mais rápido. Fizemos uma primeira importação de um backup em nossa máquina de desenvolvimento robusta e, em seguida, fizemos uma incremental de outro backup para fazer a transição para o Discourse com apenas meia hora de inatividade. Cuidado com as coisas que podem dar errado ao fazer atualizações incrementais :slight_smile: (Veja aqui: Migrate a vBulletin 4 forum to Discourse - #132 by paresy)

paresy

3 curtidas

Vejo um núcleo ocupado que acredito ser o servidor ingerindo os dados atualizados, e outro núcleo ocupado ao executar o script de importação. Eu realmente não tenho o conhecimento de domínio para saber se a competição entre esses dois processos pelo recurso do banco de dados pode estar retardando o importador, e também não tenho o conhecimento de domínio para saber se é possível parar a ingestão enquanto o contêiner permanece ativo. A ingestão tem que acontecer de qualquer forma, então suponho que a coisa mais segura a fazer é apenas deixá-la continuar processando.

Uma dica para futuros leitores, vejo que 27 mil (22%!) de nossos usuários são spambots banidos. Nós os purgaremos no lado da origem antes de fazer a importação final.

[adicionando] Uma edição necessária que não vejo mencionada acima:

--- a/script/import_scripts/vbulletin.rb
+++ b/script/import_scripts/vbulletin.rb
@@ -134,6 +133,7 @@ EOM
        , usertitle
        , usergroupid
        , joindate
+       , lastvisit
        , email
        , password
        , salt

E uma edição que pode ser específica do vb3:

--- a/script/import_scripts/vbulletin.rb
+++ b/script/import_scripts/vbulletin.rb
@@ -987,7 +989,7 @@ EOM
   end

   def parse_timestamp(timestamp)
-    Time.zone.at(@tz.utc_to_local(timestamp))
+    Time.zone.at(@tz.utc_to_local(Time.at(timestamp)))
   end

[adicionando] A importação está sendo executada em uma instância Ampere de 4 núcleos da Oracle Cloud. Para comparação, instalei um servidor de desenvolvimento Discourse localmente/nativamente em um MacBook Air M1 e fiquei surpreso que o processo de importação foi significativamente mais lento.

6 curtidas

Você estava recebendo erros com o script pré-existente? Perdi as informações de data e hora de todas as nossas postagens antigas do vBulletin 4 por causa disso. Se esta for uma correção, eu adoraria saber se a reimportação seria uma boa ideia se todas as postagens tivessem sido copiadas.

2 curtidas

Sim, o script daria erro porque estava alimentando um inteiro a uma função de tempo.

3 curtidas

Não. O script ignora postagens que já foram importadas.

3 curtidas

Olá,

Você descobriu como consertar isso?

Nossos dois fóruns principais/inferiores têm parentid = -1 (acho que isso se deve à nossa conversão do v3 antigamente).

Não tenho certeza de como prosseguir, devo apenas defini-los como 0 se for -1 no script de conversão? Assumindo que 0 é a categoria principal do Discourse?

Na verdade, olhando o site do Discourse agora; esses dois parecem ser os únicos que foram importados?

 importing top level categories...
         2 / 2 (100.0%)  [211 items/min]  in]
 importing children categories...
 Traceback (most recent call last):
         5: from script/import_scripts/vbulletin.rb:1003:in `<main>'
         4: from /var/www/discourse/script/import_scripts/base.rb:47:in `perform'
         3: from script/import_scripts/vbulletin.rb:84:in `execute'
         2: from script/import_scripts/vbulletin.rb:287:in `import_categories'
         1: from script/import_scripts/vbulletin.rb:287:in `each'
script/import_scripts/vbulletin.rb:289:in `block in import_categories': undefined method `[]' for nil:NilClass (NoMethodError)
1 curtida

Provavelmente. Eu fiz várias importações do vBulletin desde então. :person_shrugging:

Você só terá que tentar e ver o que acontece. Parece a mesma coisa que descrevi.

Eu apenas modificaria o script para . . . fazer alguma coisa . . . se essa coisa for nula.

1 curtida

Com certeza, mas não sei o suficiente sobre como o discourse funciona para saber o que definir.
O que o discourse faria se eu definisse um número aleatório como 0? Ou devo encontrar um número de categoria já no banco de dados e defini-lo para ele?

Não sou muito bom em Ruby, você acha que isso funcionaria?

        if categories.detect { |c| c["forumid"] == cc["parentid"] }["parentid"].nil?
          cc["parentid"] = 52
        else
          cc["parentid"] = categories.detect { |c| c["forumid"] == cc["parentid"] }["parentid"]
        end

Na verdade, parece que há muitos fóruns excluídos cujo parentid não existe mais.

EDIT
Acabei de definir todos eles para um tópico pai e posso corrigir mais tarde.

1 curtida

Chegamos finalmente à parte de importação de anexos, chegou a cerca de 1,9% e agora recebemos este erro

    67406 / 3550728 (  1.9%)  Traceback (most recent call last):
        23: from script/import_scripts/vbulletin.rb:1006:in `<main>'
        22: from /var/www/discourse/script/import_scripts/base.rb:47:in `perform'
        21: from script/import_scripts/vbulletin.rb:88:in `execute'
        20: from script/import_scripts/vbulletin.rb:610:in `import_attachments'
        19: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/querying.rb:22:in `find_each'
        18: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:70:in `find_each'
        17: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:137:in `find_in_batches'
        16: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:229:in `in_batches'
        15: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:229:in `loop'
        14: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:245:in `block in in_batches'
        13: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:138:in `block in find_in_batches'
        12: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:71:in `block in find_each'
        11: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:71:in `each'
        10: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-6.1.4.1/lib/active_record/relation/batches.rb:71:in `block (2 levels) in find_each'
         9: from script/import_scripts/vbulletin.rb:651:in `block in import_attachments'
         8: from script/import_scripts/vbulletin.rb:651:in `each'
         7: from script/import_scripts/vbulletin.rb:659:in `block (2 levels) in import_attachments'
         6: from /var/www/discourse/script/import_scripts/base.rb:873:in `html_for_upload'
         5: from /var/www/discourse/script/import_scripts/base/uploader.rb:40:in `html_for_upload'
         4: from /var/www/discourse/lib/upload_markdown.rb:10:in `to_markdown'
         3: from /var/www/discourse/lib/upload_markdown.rb:19:in `image_markdown'
         2: from /var/www/discourse/app/models/upload.rb:206:in `short_url'
         1: from /var/www/discourse/app/models/upload.rb:534:in `short_url_basename'
/var/www/discourse/app/models/upload.rb:270:in `base62_sha1': undefined method `hex' for nil:NilClass (NoMethodError)

undefined method `hex’ for nil:NilClass (NoMethodError)

Alguém tem alguma ideia de como corrigir isso?

Está tentando ler short_url_basename, e ele retorna nil; então .hex falha?

1 curtida

Minha suposição, sem olhar o código, é que o arquivo está faltando ou talvez haja um campo de nome de arquivo e ele esteja vazio? Eu provavelmente colocaria um puts em import_attachments e veria o que está no registro que ele está tentando importar.

1 curtida

Obrigado pela ajuda! Sou novo no Ruby, esta seria a maneira correta de fazer isso?

      unless mapping[post.id].nil? || mapping[post.id].empty?
        mapping[post.id].each do |attachment_id|
          upload, filename = find_upload(post, attachment_id)
          unless upload
            fail_count += 1
            next
          end

          puts "{short_url_basename}"

          # A desduplicação interna de upload garantirá que não importemos anexos novamente
          html = html_for_upload(upload, filename)
          if !new_raw[html]
            new_raw += "\n\n#{html}\n\n"
          end
        end
      end

Aha, short_url_basename é uma função, então isso não funcionará.

É simplesmente, puts “{post}”? E isso exibirá todo o conteúdo do objeto post?

Esta parece ser a linha em que está falhando em upload.rb

upload_markdown 19
"![#{@upload.original_filename}|#{@upload.width}x#{@upload.height}](#{@upload.short_url})"

upload.rb 534
"#{Upload.base62_sha1(sha1)}#{extension.present? ? ".#{extension}" : ""}"

upload.rb 270
Base62.encode(sha1.hex)

Então é upload.original_filename, upload.width, upload.height ou upload.short_url então

Então, se eu fizer uma verificação de nulo em upload_markdown, isso deve evitar o erro, certo?

Precisa do shortURL para funcionar; posso criar meu próprio shortURL aleatório?

2 curtidas

Acho que é aí que está o problema. Ele não encontra o upload, então retorna nil. Talvez o arquivo esteja faltando ou seja inválido.

1 curtida

Mas isso não o pegaria então?

unless upload
  fail_count += 1
  next
end

Ou unless não verifica nil?

Ou ele passa porque criou o objeto upload, mas a propriedade upload.short_url no objeto upload está faltando, talvez?

1 curtida

Desculpe. Certo. Isso resolveria. Receio que seja por isso que este nível de depuração não é realmente apropriado para um fórum. :person_shrugging:

Você está no caminho certo, no entanto. Continue. Parece que você sabe o suficiente para descobrir. Eu escrevi pelo menos alguns importadores antes de aprender Ruby.

1 curtida