黄东旭解析 TiDB 的核心优势
1220
2023-06-07
怎么还有人问 MySQL 是如何归档数据的呢?
归档,在MySQL中,是一个相对高频的操作。
它通常涉及以下两个动作:
迁移:将数据从业务实例迁移到归档实例。删除:从业务实例中删除已迁移的数据。
在处理类似需求时,都是开发童鞋提单给DBA,由DBA来处理。
于是,很多开发童鞋就好奇,DBA都是怎么执行归档操作的?归档条件没有索引会锁表吗?安全吗,会不会数据删了,却又没归档成功?
针对这些疑问,下面介绍MySQL中的数据归档神器——pt-archiver。
一、什么是 pt-archiver
pt-archiver是Percona Toolkit中的一个工具。
Percona Toolkit是Percona公司提供的一个MySQL工具包。
工具包里提供了很多实用的MySQL管理工具。
譬如,我们常用的表结构变更工具pt-online-schema-change,主从数据一致性校验工具pt-table-checksum。
毫不夸张地说,熟练使用Percona Toolkit是MySQL DBA必备的技能之一。
二、安装
官方针对多个系统提供了现成的软件包。
我常用的是Linux - Generic二进制包。
下面以Linux - Generic版本为例,看看它的安装方法。
三、简单入门
首先,我们看一个简单的归档Demo。
测试数据
mysql> show create table employees.departments\G*************************** 1. row *************************** Table: departmentsCreate Table: CREATE TABLE `departments` ( `dept_no` char(4) NOT NULL, `dept_name` varchar(40) NOT NULL, PRIMARY KEY (`dept_no`), UNIQUE KEY `dept_name` (`dept_name`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci1 row in set (0.00 sec)mysql> select * from employees.departments;+---------+--------------------+| dept_no | dept_name |+---------+--------------------+| d009 | Customer Service || d005 | Development || d002 | Finance || d003 | Human Resources || d001 | Marketing || d004 | Production || d006 | Quality Management || d008 | Research || d007 | Sales |+---------+--------------------+9 rows in set (0.00 sec)
下面,我们将employees.departments表的数据从192.168.244.10归档到192.168.244.128。
具体命令如下:
pt-archiver --source h=192.168.244.10,P=3306,u=pt_user,p=pt_pass,D=employees,t=departments --dest h=192.168.244.128,P=3306,u=pt_user,p=pt_pass,D=employees,t=departments --where "1=1"
命令行中指定了三个参数。
--source:源库(业务实例)的DSN。
DSN在Percona Toolkit中比较常见,可理解为目标实例相关信息的缩写。
支持的缩写及含义如下:
--dest:目标库(归档实例)的DSN。--where:归档条件。"1=1"代表归档全表。
四、实现原理
下面结合General log的输出看看pt-archiver的实现原理。
源库日志
目标库日志
结合源库和目标库的日志,可以看到:
1)pt-archiver首先会从源库查询一条记录,然后再将该记录插入到目标库中。
目标库插入成功,才会从源库中删除这条记录。
这样就能确保数据在删除之前,一定是归档成功的。
2)仔细观察这几个操作的执行时间,其先后顺序如下。
源库查询记录。目标库插入记录。源库删除记录。目标库COMMIT。源库COMMIT。
这种实现借鉴了分布式事务中的两阶段提交算法。
3)--where参数中的 "1=1" 会传递到SELECT操作中。
"1=1" 代表归档全表,也可指定其它条件,如我们常用的时间。
4)每次查询都是使用主键索引,这样即使归档条件中没有索引,也不会产生全表扫描。
5)每次删除都是基于主键,这样可避免归档条件没有索引导致全表被锁的风险。
五、批量归档
如果使用Demo中的参数进行归档,在数据量比较大的情况下,效率会非常低,毕竟COMMIT是一个昂贵的操作。
所以在线上,我们通常都会进行批量操作。
具体命令如下:
相对于之前的归档命令,这条命令额外指定了四个参数,其中,
看看上述命令对应的General log。
源库
目标库
注意:
1)如果要执行LOAD DATA LOCAL INFILE操作,需将目标库的local_infile参数设置为ON。
4)在使用--bulk-insert归档时要注意,如果导入的过程中出现问题,譬如主键冲突,pt-archiver是不会提示任何错误的。
六、不同归档参数之间的速度对比
下表是归档20w数据,不同参数之间的执行时间对比。
通过表格中的数据,我们可以得出以下几点:
1)第一种方式是最慢的。
这种情况下,无论是源库还是归档库,都是逐行操作并提交的。
2)只指定--bulk-delete --limit 1000依然很慢。
这种情况下,源库是批量删除,但COMMIT次数并没有减少。
归档库依然是逐行插入并提交的。
相当于第二种归档方式,源库和目标库都是批量提交的。
4)--limit 1000 和 --limit 5000归档性能相差不大。
虽然都是批量操作,但前者会执行COMMIT操作1000次。
由此来看,空事务并不是没有代价的。
七、其它常见用法
1、删除数据
删除数据是pt-archiver另外一个常见的使用场景。
具体命令如下:
命令行中的 --purge 代表只删除,不归档。
指定了 --primary-key-only ,这样,在执行 SELECT 操作时,就只会查询主键,不会查询所有列。
接下来,我们看看删除命令相关的General log。
为了直观地展示pt-archiver删除数据的实现逻辑,实际测试时将--limit设置为了 3。
在业务代码中,如果我们有类似的删除需求,不妨借鉴下pt-archiver的实现方式。
2、将数据归档到文件中
数据除了能归档到数据库,也可归档到文件中。
具体命令如下:
pt-archiver --source h=192.168.244.10,P=3306,u=pt_user,p=pt_pass,D=employees,t=departments --where "1=1" --bulk-delete --limit 1000 --file '/tmp/%Y-%m-%d-%D.%t'
指定的是--file ,而不是--dest。
文件名使用了日期格式化符号,支持的符号及含义如下:
%d Day of the month, numeric (01..31)%H Hour (00..23)%i Minutes, numeric (00..59)%m Month, numeric (01..12)%s Seconds (00..59)%Y Year, numeric, four digits%D Database name%t Table name
生成的文件是CSV格式,后续可通过LOAD DATA INFILE命令加载到数据库中。
八、如何避免主从延迟
无论是数据归档还是删除,对于源库,都需要执行DELETE操作。
很多人担心,如果删除的记录数太多,会造成主从延迟。
事实上,pt-archiver本身就具备了基于主从延迟来自动调节归档(删除)操作的能力。
如果从库的延迟超过1s(由 --max-lag 指定)或复制状态不正常,则会暂停归档(删除)操作,直到从库恢复。
默认情况下,pt-archiver不会检查从库的延迟情况。
如果要检查,需通过--check-slave-lag显式设置从库的地址,譬如,
这里只会检查192.168.244.20的延迟情况。
如果有多个从库需要检查,需将--check-slave-lag指定多次,每次对应一个从库。
九、常用参数
--analyze
在执行完归档操作后,执行ANALYZE TABLE操作。
后面可接任意字符串,如果字符串中含有 s ,则会在源库执行 ANALYZE 操作。
如果字符串中含有 d ,则会在目标库执行ANALYZE操作。
如果同时带有 d 和 s ,则源库和目标库都会执行ANALYZE操作。如,
--analyze ds
--optimize
在执行完归档操作后,执行OPTIMIZE TABLE操作。
用法同 --analyze 类似。
--charset
指定连接(Connection)字符集。
在 MySQL 8.0之前,默认是latin1。
在 MySQL 8.0中,默认是utf8mb4 。
注意,这里的默认值与MySQL服务端字符集character_set_server无关。
若显式设置了该值,pt-archiver在建立连接后,会首先执行SET NAMES 'charset_name'操作。
--[no]check-charset
检查源库(目标库)连接(Connection)字符集和表的字符集是否一致。
如果不一致,会提示以下错误:
Character set mismatch: --source DSN uses latin1, table uses gbk. You can disable this check by specifying --no-check-charset.
这个时候,切记不要按照提示指定 --no-check-charset 忽略检查,否则很容易导致乱码。
针对上述报错,可将--charset指定为表的字符集。
注意,该选项并不是比较源库和目标库的字符集是否一致。
--[no]check-columns
检查源表和目标表列名是否一致。
注意,只会检查列名,不会检查列的顺序、列的数据类型是否一致。
--columns
归档指定列。
在有自增列的情况下,如果源表和目标表的自增列存在交集,可不归档自增列,这个时候,就需要使用--columns显式指定归档列。
--dry-run
只打印待执行的SQL,不实际执行。
常用于实际操作之前,校验待执行的SQL是否符合自己的预期。
--ignore
使用INSERT IGNORE归档数据。
--no-delete
不删除源库的数据。
--replace
使用REPLACE操作归档数据。
--[no]safe-auto-increment
在归档有自增主键的表时,默认不会删除自增主键最大的那一行。
这样做,主要是为了规避MySQL 8.0之前自增主键不能持久化的问题。
在对全表进行归档时,这一点需要注意。
如果需要删除,需指定--no-safe-auto-increment。
--source
给出源端实例的信息。
除了常用的选项,其还支持如下选项:
a:指定连接的默认数据库。
b:设置 SQL_LOG_BIN=0 。
如果是在源库指定,则DELETE操作不会写入到Binlog中。
如果是在目标库指定,则INSERT操作不会写入到Binlog中。
i:设置归档操作使用的索引,默认是主键。
--progress
显示进度信息,单位行数。
如 --progress 10000,则每归档(删除)10000行,就打印一次进度信息。
TIME ELAPSED COUNT2022-03-06T18:24:19 0 02022-03-06T18:24:20 0 100002022-03-06T18:24:21 1 20000
第一列是当前时间,第二列是已经消耗的时间,第三列是已归档(删除)的行数。
十、总结
前面,我们对比了归档操作中不同参数的执行时间。
但在使用--bulk-insert时要注意 ,如果导入的过程中出现问题,pt-archiver是不会提示任何错误的。
常见的错误有主键冲突,数据和目标列的数据类型不一致。
如果不使用--bulk-insert,而是通过默认的INSERT操作来归档,大部分错误是可以识别出来的。
譬如,主键冲突,会提示以下错误。
DBD::mysql::st execute failed: Duplicate entry 'd001' for key 'PRIMARY' [for Statement "INSERT INTO `employees`.`departments`(`dept_no`,`dept_name`) VALUES (?,?)" with ParamValues: 0='d001', 1='Marketing'] at /usr/local/bin/pt-archiver line 6772.
导入的数据和目标列的数据类型不一致,会提示以下错误。
DBD::mysql::st execute failed: Incorrect integer value: 'Marketing' for column 'dept_name' at row 1 [for Statement "INSERT INTO `employees`.`departments`(`dept_no`,`dept_name`) VALUES (?,?)" with ParamValues: 0='d001', 1='Marketing'] at /usr/local/bin/pt-archiver line 6772.
当然,数据和类型不一致,能被识别出来的前提是归档实例的SQL_MODE为严格模式。
如果待归档的实例中有MySQL 5.6,我们其实很难将归档实例的SQL_MODE开启为严格模式。
因为MySQL 5.6的SQL_MODE默认为非严格模式,所以难免会产生很多无效数据,譬如时间字段中的0000-00-00 00:00:00 。
这种无效数据,如果插入到开启了严格模式的归档实例中,会直接报错。
从数据安全的角度出发,最推荐的归档方式是:
1)先归档,但不删除源库的数据。
2)比对源库和归档库的数据是否一致。
3)如果比对结果一致,再删除源库的归档数据。
其中,第一步和第三步可通过pt-archiver搞定,第二步可通过pt-table-sync搞定。
相对于边归档边删除的这种方式,虽然麻烦不少,但相对来说,更安全。
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。