开源项目地址:GitHub - hcymysql/pt-archiver: Percona pt-archiver重构版--大表数据归档工具
一张大表,我们姑且说1亿条记录,原表我要保存近7天的数据。Percona pt-archiver工具是这样做的,逐条把历史数据insert到归档表,同时删除原表数据。7天数据比如说只有10万行,那么原表会直接删除9990万行记录,操作成本太高,固需要考虑重构。
重构版是这样做的,提取你要保留的7天数据至临时表,然后老表和临时表交换名字,这样大大缩减了可用时间。
工作原理阐述
具体的工作原理:
1、如果表有触发器、或者表有外键、或者表没有主键、或者binlog_format设置的值不是ROW格式,工具将直接退出,不予执行。
2、创建一个归档临时表和原表一样的空表结构。
CREATE TABLE IF NOT EXISTS ${mysql_table}_tmp like ${mysql_table};
3、在原表上创建增,删,改三个触发器将数据拷贝的过程中,原表产生的数据变更更新到临时表里。
DROP TRIGGER IF EXISTS pt_archiver_${mysql_database}_${mysql_table}_insert;
CREATE TRIGGER pt_archiver_${mysql_database}_${mysql_table}_insert AFTER INSERT
ON ${mysql_table} FOR EACH ROW
REPLACE INTO ${mysql_database}.${mysql_table}_tmp ($column) VALUES ($new_column);
DROP TRIGGER IF EXISTS pt_archiver_${mysql_database}_${mysql_table}_update;
CREATE TRIGGER pt_archiver_${mysql_database}_${mysql_table}_update AFTER UPDATE
ON ${mysql_table} FOR EACH ROW
REPLACE INTO ${mysql_database}.${mysql_table}_tmp ($column) VALUES ($new_column);
DROP TRIGGER IF EXISTS pt_archiver_${mysql_database}_${mysql_table}_delete;
CREATE TRIGGER pt_archiver_${mysql_database}_${mysql_table}_delete AFTER DELETE
ON ${mysql_table} FOR EACH ROW
DELETE IGNORE FROM ${mysql_database}.${mysql_table}_tmp
WHERE ${mysql_database}.${mysql_table}_tmp.id <=> OLD.id;
这三个触发器分别对应于INSERT、UPDATE、DELETE三种操作:
(1)INSERT操作,所有的INSERT INTO转换为REPLACE INTO,当有新的记录插入到原表时,如果触发器还未把该记录同步到临时表,而这条记录之前因某种原因已经存在了,那么我们就可以利用REPLACE INTO进行覆盖,这样数据也是一致的;
(2)UPDATE操作,所有的UPDATE也转换为REPLACE INTO,如果临时表不存在原表更新的该记录,那么我们就直接插入该条记录;如果该记录已经同步到临时表了,那么直接进行覆盖插入即可,所有数据与原表也是一致的;
(3)DELETE操作,原表有删除操作,会触发至临时表执行删除。如果删除的记录还未同步到临时表,那么可以不在临时表执行,因为原表中该行的数据已经被删除了,这样数据也是一致的。
4、拷贝原表数据到临时表(默认1000条一批次插入并休眠1秒)
INSERT LOW_PRIORITY IGNORE INTO ${mysql_database}.${mysql_table}_tmp
SELECT * FROM ${mysql_database}.${mysql_table} WHERE id>=".$begin_Id."
AND id<".($begin_Id=$begin_Id+$limit_chunk)." LOCK IN SHARE MODE;
通过主键id(主键名字可以是非id)进行范围查找,分批次控制插入行数,已减少对原表的锁定时间(读锁/共享锁)---将大事务拆分成若干块小事务,如果临时表已经存在该记录将会忽略插入,并且在数据导入时,我们能通过sleep参数控制休眠时间,以减少对磁盘IO的冲击。
5、Rename原表为_bak,临时表Rename为原表,名字互换。
RENAME TABLE ${mysql_table} to ${mysql_table}_bak, ${mysql_table}_tmp to ${mysql_table};
执行表改名字,会加table metadata lock元数据表锁,但基本是瞬间结束,故对线上影响不大。
6、删除原表上的三个触发器。
DROP TRIGGER IF EXISTS pt_archiver_${mysql_database}_${mysql_table}_insert;
DROP TRIGGER IF EXISTS pt_archiver_${mysql_database}_${mysql_table}_update;
DROP TRIGGER IF EXISTS pt_archiver_${mysql_database}_${mysql_table}_delete;
至此全部过程结束,类似pt-osc原理。
注:考虑到删库跑路等安全性问题,工具没有对原表进行任何删除归档数据的操作。
安装使用
yum install php php-mysqlnd -y
wget https://github.com/hcymysql/pt-archiver/archive/refs/heads/master.zip
unzip pt-archiver-master.zip
# 执行数据归档按id
php pt-archiver.php -h 10.10.10.7 -P 3306 -u dbaadmin -p'nf**nEFGF' -d test -t role_permission -w "id>=2863030" --limit 10000 --sleep 60
注:
-w 过滤条件,例如"update_time >= DATE_FORMAT(DATE_SUB(now(),interval 10 day),'%Y-%m-%d')"
--limit 分批次插入,默认一批插入10000行
--sleep 每次插完1000行休眠1秒
# 数据库归档按天:10天前的( create_time>=2024-03-09)
php pt-archiver.php -h 10.10.10.7 -P 3306 -u dbaadmin -p'nfgh**EFGF' -d test -t company_license -w "create_time >= DATE_FORMAT(DATE_SUB(now(),interval 10 day),'%Y-%m-%d')" --limit 10000 --sleep 60
如果对原表进行删除归档数据,可以借助原生工具 pt-archiver 进行分批缓慢删除。
shell> pt-archiver --source h=127.0.0.1,P=3306,u=admin,p='hechunyang',D=test,t=sbtest1 --purge --charset=utf8 --where "id <= 500000" --progress=200 --limit=200 --sleep=1 --txn-size=200 --statistics
解释:删除test库,sbtest1表数据,字符集为utf8,删除条件是 id <= 5000000,每次取出200行进行处理,每处理200行则进行一次提交,每完成一次处理休眠1秒。
针对mysql 5.7特别说明
mysql> set global show_compatibility_56=on;
mysql> set global sql_mode='';
学下一下,做个记录