歸檔，在 MySQL 中，是一個(gè)相對高頻的操作。

它通常涉及以下兩個(gè)動作：

• 遷移。將數(shù)據(jù)從業(yè)務(wù)實(shí)例遷移到歸檔實(shí)例。
• 刪除。從業(yè)務(wù)實(shí)例中刪除已遷移的數(shù)據(jù)。

在處理類似需求時(shí)，都是開發(fā)童鞋提單給 DBA，由 DBA 來處理。

于是，很多開發(fā)童鞋就好奇，DBA 都是怎么執(zhí)行歸檔操作的？歸檔條件沒有索引會鎖表嗎？安全嗎，會不會數(shù)據(jù)刪了，卻又沒歸檔成功？

針對這些疑問，下面介紹 MySQL 中的數(shù)據(jù)歸檔神器 - pt-archiver。

本文主要包括以下幾部分：

• 什么是 pt-archiver
• 安裝
• 簡單入門
• 實(shí)現(xiàn)原理
• 批量歸檔
• 不同歸檔參數(shù)之間的速度對比
• 常見用法
• 如何避免主從延遲
• 常用參數(shù)

什么是 pt-archiver

pt-archiver 是 Percona Toolkit 中的一個(gè)工具。

Percona Toolkit 是 Percona 公司提供的一個(gè) MySQL 工具包。工具包里提供了很多實(shí)用的 MySQL 管理工具。

譬如，我們常用的表結(jié)構(gòu)變更工具 pt-online-schema-change ，主從數(shù)據(jù)一致性校驗(yàn)工具 pt-table-checksum 。

毫不夸張地說，熟練使用 Percona Toolkit 是 MySQL DBA 必備的技能之一。

安裝

Percona Toolkit 下載地址：https://www.percona.com/downloads/percona-toolkit/LATEST/

官方針對多個(gè)系統(tǒng)提供了現(xiàn)成的軟件包。

我常用的是 Linux - Generic 二進(jìn)制包。

下面以 Linux - Generic 版本為例，看看它的安裝方法。

# cd /usr/local/
# wget https://downloads.percona.com/downloads/percona-toolkit/3.3.1/binary/tarball/percona-toolkit-3.3.1_x86_64.tar.gz --no-check-certificate
# tar xvf percona-toolkit-3.3.1_x86_64.tar.gz
# cd percona-toolkit-3.3.1
# yum install perl-ExtUtils-MakeMaker perl-DBD-MySQL perl-Digest-MD5
# perl Makefile.PL
# make
# make install

簡單入門

首先，我們看一個(gè)簡單的歸檔 Demo。

測試數(shù)據(jù)

mysql> show create table employees.departments\G
*************************** 1. row ***************************
       Table: departments
Create 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_ci
1 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，我們將 employees.departments 表的數(shù)據(jù)從 192.168.244.10 歸檔到 192.168.244.128。

具體命令如下：

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"

命令行中指定了三個(gè)參數(shù)。

• --source：源庫（業(yè)務(wù)實(shí)例）的 DSN。

  DSN 在 Percona Toolkit 中比較常見，可理解為目標(biāo)實(shí)例相關(guān)信息的縮寫。

  支持的縮寫及含義如下：

  縮寫  含義
  ===  =============================================
  A    默認(rèn)的字符集
  D    庫名
  F    只從給定文件中讀取配置信息，類似于MySQL中的--defaults-file
  P    端口
  S    用于連接的socket文件
  h    主機(jī)名
  p    密碼
  t    表名
  u    用戶名

• --dest：目標(biāo)庫（歸檔實(shí)例）的 DSN。

• --where：歸檔條件。"1=1"代表歸檔全表。

實(shí)現(xiàn)原理

下面結(jié)合 General log 的輸出看看 pt-archiver 的實(shí)現(xiàn)原理。

源庫日志

2022-03-06T10:58:20.612857+08:00       10 Query SELECT /*!40001 SQL_NO_CACHE */ `dept_no`,`dept_name` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) ORDER BY `dept_no` LIMIT 1

2022-03-06T10:58:20.613451+08:00       10 Query DELETE FROM `employees`.`departments` WHERE (`dept_no` = 'd001')
2022-03-06T10:58:20.620327+08:00       10 Query commit

2022-03-06T10:58:20.628409+08:00       10 Query SELECT /*!40001 SQL_NO_CACHE */ `dept_no`,`dept_name` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd001')) ORDER BY `dept_no` LIMIT 1

2022-03-06T10:58:20.629279+08:00       10 Query DELETE FROM `employees`.`departments` WHERE (`dept_no` = 'd002')
2022-03-06T10:58:20.636154+08:00       10 Query commit
...

目標(biāo)庫日志

2022-03-06T10:58:20.613144+08:00       18 Query INSERT INTO `employees`.`departments`(`dept_no`,`dept_name`) VALUES ('d001','Marketing')
2022-03-06T10:58:20.613813+08:00       18 Query commit

2022-03-06T10:58:20.628843+08:00       18 Query INSERT INTO `employees`.`departments`(`dept_no`,`dept_name`) VALUES ('d002','Finance')
2022-03-06T10:58:20.629784+08:00       18 Query commit
...

結(jié)合源庫和目標(biāo)庫的日志，可以看到，

• pt-archiver 首先會從源庫查詢一條記錄，然后再將該記錄插入到目標(biāo)庫中。

  目標(biāo)庫插入成功，才會從源庫中刪除這條記錄。

  這樣就能確保數(shù)據(jù)在刪除之前，一定是歸檔成功的。

• 仔細(xì)觀察這幾個(gè)操作的執(zhí)行時(shí)間，其先后順序如下。

  （1）源庫查詢記錄。

  （2）目標(biāo)庫插入記錄。

  （3）源庫刪除記錄。

  （4）目標(biāo)庫 COMMIT。

  （5）源庫 COMMIT。

  這種實(shí)現(xiàn)借鑒了分布式事務(wù)中的兩階段提交算法。

• --where 參數(shù)中的 "1=1" 會傳遞到 SELECT 操作中。

  "1=1" 代表歸檔全表，也可指定其它條件，如我們常用的時(shí)間。

• 每次查詢都是使用主鍵索引，這樣即使歸檔條件中沒有索引，也不會產(chǎn)生全表掃描。

• 每次刪除都是基于主鍵，這樣可避免歸檔條件沒有索引導(dǎo)致全表被鎖的風(fēng)險(xiǎn)。

批量歸檔

如果使用 Demo 中的參數(shù)進(jìn)行歸檔，在數(shù)據(jù)量比較大的情況下，效率會非常低，畢竟 COMMIT 是一個(gè)昂貴的操作。

所以在線上，我們通常都會進(jìn)行批量操作。

具體命令如下：

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" --bulk-delete --limit 1000 --commit-each --bulk-insert

相對于之前的歸檔命令，這條命令額外指定了四個(gè)參數(shù)，其中，

• --bulk-delete：批量刪除。

• --limit：每批歸檔的記錄數(shù)。

• --commit-each：對于每一批記錄，只會 COMMIT 一次。

• --bulk-insert：歸檔數(shù)據(jù)以 LOAD DATA INFILE 的方式導(dǎo)入到歸檔庫中。

看看上述命令對應(yīng)的 General log 。

源庫

2022-03-06T12:13:56.117984+08:00       53 Query SELECT /*!40001 SQL_NO_CACHE */ `dept_no`,`dept_name` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) ORDER BY `dept_no` LIMIT 1000
...
2022-03-06T12:13:56.125129+08:00       53 Query DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd001'))) AND (((`dept_no` <= 'd009'))) AND (1=1) LIMIT 1000
2022-03-06T12:13:56.130055+08:00       53 Query commit

目標(biāo)庫

2022-03-06T12:13:56.124596+08:00    51 Query LOAD DATA LOCAL INFILE '/tmp/hitKctpQTipt-archiver' INTO TABLE `employees`.`departments`(`dept_no`,`dept_name`)
2022-03-06T12:13:56.125616+08:00    51 Query commit：

注意：

• 如果要執(zhí)行 LOAD DATA LOCAL INFILE 操作，需將目標(biāo)庫的 local_infile 參數(shù)設(shè)置為 ON。

• 如果不指定 --bulk-insert 且沒指定 --commit-each，則目標(biāo)庫的插入還是會像 Demo 中顯示的那樣，逐行提交。

• 如果不指定 --commit-each，即使表中的 9 條記錄是通過一條 DELETE 命令刪除的，但因?yàn)樯婕傲?9 條記錄，pt-archiver 會執(zhí)行 COMMIT 操作 9 次。目標(biāo)庫同樣如此。

• 在使用 --bulk-insert 歸檔時(shí)要注意，如果導(dǎo)入的過程中出現(xiàn)問題，譬如主鍵沖突，pt-archiver 是不會提示任何錯(cuò)誤的。

不同歸檔參數(shù)之間的速度對比

下表是歸檔 20w 數(shù)據(jù)，不同參數(shù)之間的執(zhí)行時(shí)間對比。

通過表格中的數(shù)據(jù)，我們可以得出以下幾點(diǎn)：

• 第一種方式是最慢的。

  這種情況下，無論是源庫還是歸檔庫，都是逐行操作并提交的。

• 只指定 --bulk-delete --limit 1000 依然很慢。

  這種情況下，源庫是批量刪除，但 COMMIT 次數(shù)并沒有減少。

  歸檔庫依然是逐行插入并提交的。

• --bulk-delete --limit 1000 --commit-each

  相當(dāng)于第二種歸檔方式，源庫和目標(biāo)庫都是批量提交的。

• --limit 1000 和 --limit 5000 歸檔性能相差不大。

• --bulk-delete --limit 1000 --bulk-insert 與 --bulk-delete --limit 1000 --commit-each --bulk-insert 相比，沒有設(shè)置 --commit-each。

  雖然都是批量操作，但前者會執(zhí)行 COMMIT 操作 1000 次。

  由此來看，空事務(wù)并不是沒有代價(jià)的。

其它常見用法

（1）刪除數(shù)據(jù)

刪除數(shù)據(jù)是 pt-archiver 另外一個(gè)常見的使用場景。

具體命令如下：

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 --commit-each --purge --primary-key-only

命令行中的 --purge 代表只刪除，不歸檔。

指定了 --primary-key-only ，這樣，在執(zhí)行 SELECT 操作時(shí)，就只會查詢主鍵，不會查詢所有列。

接下來，我們看看刪除命令相關(guān)的 General log 。

為了直觀地展示 pt-archiver 刪除數(shù)據(jù)的實(shí)現(xiàn)邏輯，實(shí)際測試時(shí)將 --limit 設(shè)置為了 3。

# 開啟事務(wù)
set autocommit=0;

# 查看表結(jié)構(gòu)，獲取主鍵
SHOW CREATE TABLE `employees`.`departments`;

# 開始刪除第一批數(shù)據(jù)
# 通過 FORCE INDEX(`PRIMARY`) 強(qiáng)制使用主鍵
# 指定了 --primary-key-only，所以只會查詢主鍵
# 這里其實(shí)無需獲取所有滿足條件的主鍵值，只取一個(gè)最小值和最大值即可。
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) ORDER BY `dept_no` LIMIT 3;

# 基于主鍵進(jìn)行刪除，刪除的時(shí)候同時(shí)帶上了 --where 指定的刪除條件，以避免誤刪
DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd001'))) AND (((`dept_no` <= 'd003'))) AND (1=1) LIMIT 3;

# 提交
commit;

# 刪除第二批數(shù)據(jù)
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd003')) ORDER BY `dept_no` LIMIT 3;
DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd004'))) AND (((`dept_no` <= 'd006'))) AND (1=1); LIMIT 3
commit;


# 刪除第三批數(shù)據(jù)
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd006')) ORDER BY `dept_no` LIMIT 3;
DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd007'))) AND (((`dept_no` <= 'd009'))) AND (1=1) LIMIT 3;
commit;

# 刪除最后一批數(shù)據(jù)
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd009')) ORDER BY `dept_no` LIMIT 3;
commit;

在業(yè)務(wù)代碼中，如果我們有類似的刪除需求，不妨借鑒下 pt-archiver 的實(shí)現(xiàn)方式。

（2）將數(shù)據(jù)歸檔到文件中

數(shù)據(jù)除了能歸檔到數(shù)據(jù)庫，也可歸檔到文件中。

具體命令如下：

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號，支持的符號及含義如下：

%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，后續(xù)可通過 LOAD DATA INFILE 命令加載到數(shù)據(jù)庫中。

如何避免主從延遲

無論是數(shù)據(jù)歸檔還是刪除，對于源庫，都需要執(zhí)行 DELETE 操作。

很多人擔(dān)心，如果刪除的記錄數(shù)太多，會造成主從延遲。

事實(shí)上，pt-archiver 本身就具備了基于主從延遲來自動調(diào)節(jié)歸檔（刪除）操作的能力。

如果從庫的延遲超過 1s（由 --max-lag 指定）或復(fù)制狀態(tài)不正常，則會暫停歸檔（刪除）操作，直到從庫恢復(fù)。

默認(rèn)情況下，pt-archiver 不會檢查從庫的延遲情況。

如果要檢查，需通過 --check-slave-lag 顯式設(shè)置從庫的地址，譬如，

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 --commit-each --primary-key-only --purge --check-slave-lag h=192.168.244.20,P=3306,u=pt_user,p=pt_pass

這里只會檢查 192.168.244.20 的延遲情況。

如果有多個(gè)從庫需要檢查，需將 --check-slave-lag 指定多次，每次對應(yīng)一個(gè)從庫。

常用參數(shù)

--analyze

在執(zhí)行完歸檔操作后，執(zhí)行 ANALYZE TABLE 操作。

后面可接任意字符串，如果字符串中含有 s ，則會在源庫執(zhí)行 ANALYZE 操作。

如果字符串中含有 d ，則會在目標(biāo)庫執(zhí)行 ANALYZE 操作。

如果同時(shí)帶有 d 和 s ，則源庫和目標(biāo)庫都會執(zhí)行 ANALYZE 操作。如，

--analyze ds

--optimize

在執(zhí)行完歸檔操作后，執(zhí)行 OPTIMIZE TABLE 操作。

用法同 --analyze 類似。

--charset

指定連接（Connection）字符集。

在 MySQL 8.0 之前，默認(rèn)是 latin1。

在 MySQL 8.0 中，默認(rèn)是 utf8mb4 。

注意，這里的默認(rèn)值與 MySQL 服務(wù)端字符集 character_set_server 無關(guān)。

若顯式設(shè)置了該值，pt-archiver 在建立連接后，會首先執(zhí)行 SET NAMES 'charset_name' 操作。

--[no]check-charset

檢查源庫（目標(biāo)庫）連接（Connection）字符集和表的字符集是否一致。

如果不一致，會提示以下錯(cuò)誤：

Character set mismatch: --source DSN uses latin1, table uses gbk.  You can disable this check by specifying --no-check-charset.

這個(gè)時(shí)候，切記不要按照提示指定  --no-check-charset 忽略檢查，否則很容易導(dǎo)致亂碼。

針對上述報(bào)錯(cuò)，可將 --charset 指定為表的字符集。

注意，該選項(xiàng)并不是比較源庫和目標(biāo)庫的字符集是否一致。

--[no]check-columns

檢查源表和目標(biāo)表列名是否一致。

注意，只會檢查列名，不會檢查列的順序、列的數(shù)據(jù)類型是否一致。

--columns

歸檔指定列。

在有自增列的情況下，如果源表和目標(biāo)表的自增列存在交集，可不歸檔自增列，這個(gè)時(shí)候，就需要使用 --columns 顯式指定歸檔列。

--dry-run

只打印待執(zhí)行的 SQL，不實(shí)際執(zhí)行。

常用于實(shí)際操作之前，校驗(yàn)待執(zhí)行的 SQL 是否符合自己的預(yù)期。

--ignore

使用 INSERT IGNORE 歸檔數(shù)據(jù)。

--no-delete

不刪除源庫的數(shù)據(jù)。

--replace

使用 REPLACE 操作歸檔數(shù)據(jù)。

--[no]safe-auto-increment

在歸檔有自增主鍵的表時(shí)，默認(rèn)不會刪除自增主鍵最大的那一行。

這樣做，主要是為了規(guī)避 MySQL 8.0 之前自增主鍵不能持久化的問題。

在對全表進(jìn)行歸檔時(shí)，這一點(diǎn)需要注意。

如果需要刪除，需指定 --no-safe-auto-increment 。

--source

給出源端實(shí)例的信息。

除了常用的選項(xiàng)，其還支持如下選項(xiàng)：

• a：指定連接的默認(rèn)數(shù)據(jù)庫。

• b：設(shè)置 SQL_LOG_BIN=0 。

  如果是在源庫指定，則 DELETE 操作不會寫入到 Binlog 中。

  如果是在目標(biāo)庫指定，則 INSERT 操作不會寫入到 Binlog 中。

• i：設(shè)置歸檔操作使用的索引，默認(rèn)是主鍵。

--progress

顯示進(jìn)度信息，單位行數(shù)。

如 --progress 10000，則每歸檔（刪除）10000 行，就打印一次進(jìn)度信息。

TIME                ELAPSED   COUNT
2022-03-06T18:24:19       0       0
2022-03-06T18:24:20       0   10000
2022-03-06T18:24:21       1   20000

第一列是當(dāng)前時(shí)間，第二列是已經(jīng)消耗的時(shí)間，第三列是已歸檔（刪除）的行數(shù)。

總結(jié)

前面，我們對比了歸檔操作中不同參數(shù)的執(zhí)行時(shí)間。

其中，--bulk-delete --limit 1000 --commit-each --bulk-insert 是最快的。不指定任何批量操作參數(shù)是最慢的。

但在使用 --bulk-insert 時(shí)要注意 ，如果導(dǎo)入的過程中出現(xiàn)問題，pt-archiver 是不會提示任何錯(cuò)誤的。

常見的錯(cuò)誤有主鍵沖突，數(shù)據(jù)和目標(biāo)列的數(shù)據(jù)類型不一致。

如果不使用 --bulk-insert，而是通過默認(rèn)的 INSERT 操作來歸檔，大部分錯(cuò)誤是可以識別出來的。

譬如，主鍵沖突，會提示以下錯(cuò)誤。

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.

導(dǎo)入的數(shù)據(jù)和目標(biāo)列的數(shù)據(jù)類型不一致，會提示以下錯(cuò)誤。

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.

當(dāng)然，數(shù)據(jù)和類型不一致，能被識別出來的前提是歸檔實(shí)例的 SQL_MODE 為嚴(yán)格模式。

如果待歸檔的實(shí)例中有 MySQL 5.6 ，我們其實(shí)很難將歸檔實(shí)例的 SQL_MODE 開啟為嚴(yán)格模式。

因?yàn)?MySQL 5.6 的 SQL_MODE 默認(rèn)為非嚴(yán)格模式，所以難免會產(chǎn)生很多無效數(shù)據(jù)，譬如時(shí)間字段中的 0000-00-00 00:00:00 。

這種無效數(shù)據(jù)，如果插入到開啟了嚴(yán)格模式的歸檔實(shí)例中，會直接報(bào)錯(cuò)。

從數(shù)據(jù)安全的角度出發(fā)，最推薦的歸檔方式是：

• 先歸檔，但不刪除源庫的數(shù)據(jù)。
• 比對源庫和歸檔庫的數(shù)據(jù)是否一致。
• 如果比對結(jié)果一致，再刪除源庫的歸檔數(shù)據(jù)。

其中，第一步和第三步可通過 pt-archiver 搞定，第二步可通過 pt-table-sync 搞定。

相對于邊歸檔邊刪除的這種方式，雖然麻煩不少，但相對來說，更安全。

到此這篇關(guān)于MySQL 中如何歸檔數(shù)據(jù)的實(shí)現(xiàn)方法的文章就介紹到這了,更多相關(guān)MySQL  歸檔數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！