如何半天搞定数据库迁移10亿级数据

如何半天搞定数据库迁移10亿级数据

一、问题分析

经过几分钟的排查，数据库情况如下：

数据库采用SQLserver 2008 R2，单表数据量21亿

无水平或者垂直切分，但是采用了分区表。分区表策略是按时间降序分的区，将近30个分区。正因为分区表的原因，系统才保证了在性能不是太差的情况下坚持至今。

此表除聚集索引之外，无其他索引，无主键(主键其实是利用索引来快速查重的)。所以在频繁插入新数据的情况下，索引调整所耗费的性能比较低。

至于聚集索引和非聚集索引等知识，请各位移步google或者百度。

至于业务，不是太复杂。经过相关人员咨询，大约40%的请求为单条Insert，大约60%的请求为按class_id 和in_time(倒序)分页获取数据。Select请求全部命中聚集索引，所以性能非常高。这也是聚集索引这样设计的目的。

二、解决问题

由于单表数据量已经超过21亿，并且2017年以前的数据几乎不影响业务，所以决定把2017年以前(不包括2017年)的数据迁移到新表，仅供以后特殊业务查询使用。经过查询大约有9亿数据量。

数据迁移工作包括三个个步骤：

从源数据表查询出要迁移的数据把数据插入新表把旧表的数据删除

1、传统做法

这里申明一点，就算是传统的做法也需要分页获取源数据，因为你的内存一次性装载不下9亿条数据。

1)从源数据表分页获取数据，具体分页条数，太少则查询原表太频繁，太多则查询太慢。

SQL语句类似于：

SELECT * FROM ( SELECT *,ROW_NUMBER() OVER(ORDER BY class_id,in_time) p FROM  tablexx WHERE in_time <'2017.1.1'   ) t WHERE t.p BETWEEN 1 AND 100

2)把查询出来的数据插入目标数据表，这里强调一点，一定不要用单条插入策略，必须用批量插入。

3)把数据删除，其实这里删除还是有一个小难点，表没有标示列。这里不展开，因为这不是本文要说的重点。

如果你的数据量不大，以上方法完全没有问题，但是在9亿这个数字前面，以上方法显得心有余而力不足。一个字：慢，太慢，非常慢。

可以大体算一下，假如每秒可以迁移1000条数据，大约需要的时间为(单位：分)：

900000000/1000/60=15000(分钟)

大约需要10天^ V ^

2、改进做法

以上的传统做法弊端在哪里呢?

在9亿数据前查询必须命中索引，就算是非聚集索引我也不推荐，首推聚集索引。如果你了解索引的原理，你应该明白，不停的插入新数据的时候，索引在不停的更新，调整，以保持树的平衡等特性。尤其是聚集索引影响甚大，因为还需要移动实际的数据。

提取以上两点共同的要素，那就是聚集索引。相应的解决方案也就应运而生：

按照聚集索分页引查询数据;批量插入数据迎合聚集索引，即：按照聚集索引的顺序批量插入;按照聚集索引顺序批量删除;

由于做了表分区，如果有一种方式把2017年以前的分区直接在磁盘物理层面从当前表剥离，然后挂载到另外一个表，可算是神级操作。有谁能指导一下，不胜感激~

三、扩展阅读

一个表的聚集索引的顺序就是实际数据文件的顺序，映射到磁盘上，本质上位于同一个磁道上，所以操作的时候磁盘的磁头不必跳跃着去操作。

存储在硬盘中的每个文件都可分为两部分：文件头和存储数据的数据区。文件头用来记录文件名、文件属性、占用簇号等信息，文件头保存在一个簇并映射在FAT表(文件分配表)中。

而真实的数据则是保存在数据区当中的。

平常所做的删除，其实是修改文件头的前2个代码，这种修改映射在FAT表中，就为文件作了删除标记，并将文件所占簇号在FAT表中的登记项清零，表示释放空间，这也就是平常删除文件后，硬盘空间增大的原因。

而真正的文件内容仍保存在数据区中，并未得以删除。要等到以后的数据写入，把此数据区覆盖掉，这样才算是彻底把原来的数据删除。如果不被后来保存的数据覆盖，它就不会从磁盘上抹掉。

四、实际运行代码

第一步：由于聚集索引需要class_id，所以宁可花2-4秒时间把要操作的class_id查询出来(ORM为dapper)，并且升序排列：

DateTime dtMax = DateTime.Parse("2017.1.1");  var allClassId = DBProxy.GeSourcetLstClassId(dtMax)?.OrderBy(s=>s);

按照第一步class_id列表顺序查询数据，每个class_id分页获取，然后插入目标表，全部完成然后删除源表相应class_id的数据。

D int pageIndex = 1; //页码            int pageCount = 20000;//每页的数据条数            DataTable tempData =null;            int successCount = 0;            foreach (var classId in allClassId)            {                tempData = null;                pageIndex = 1;                while (true)                {                    int startIndex = (pageIndex - 1) * pageCount+1;                    int endIndex = pageIndex * pageCount;                    tempData = DBProxy.GetSourceDataByClassIdTable(dtMax, classId, startIndex, endIndex);                    if (tempData == null || tempData.Rows.Count==0)                    {                        //末尾一页无数据了，删除源数据源数据然后跳出                         DBProxy.DeleteSourceClassData(dtMax, classId);                        break;                    }                    else                    {                        DBProxy.AddTargetData(tempData);                    }                    pageIndex++;                }                successCount++;                Console.WriteLine($"班级:{classId} 完成,已经完成：{successCount}个");            }

DBProxy完整代码：

运行报告：

程序本机运行，开虚拟专用网络连接远程DB服务器，运行1分钟，迁移的数据数据量为1915560，每秒约3万条数据。

1915560 / 60=31926 条/秒

CPU情况(不高)：

磁盘队列情况(不高)：

五、写在后面

在以下情况下速度还将提高：

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。