MySQL 安全批量delete数据行及数据归档
前言
随着业务量的增长，存储在 MySQL 中的数据日益剧增达到千万及上亿数据量，这就导致跟其 Join 的表的 SQL 变得很慢，对应用接口的 response time 也变长了，影响了用户体验。
一般常见增长量巨大的表都是一些记录、日志类型数据，只需要保留 2 到 3 月。此时需要对表做数据清理实现瘦身。那么这么大的数据如何进行删除，而不影响数据库的正常使用呢？
如何进行删除？都有哪些方案？
根据前辈多年的删表经验来说( • ̀ω•́ )✧，删除大量数据时一定要分批缓慢删除，否则很容易阻塞整个表，还有可能因为产生的 binlog 过大让从库原地 GG。
delete * from where create_time <= ? limit ?;
确定删除方案后，我们就可以使用 pt-archiver 进行删除，对没错这个家伙不只可以用个归档，删除数据也是行家。
下面这介绍两种方案，比较有局限性，但对业务可以停的场景有用：
1. mysqldump 备份出来需要的数据，然后 drop table，导入
2. mysqldump 备份出来需要的数据，然后 truncate table，导入
明显都会造成表一段时间的不可用。同时还会引起 IO 飙升的风险
如果这张大表仍然还有被高频的访问，你敢直接 drop table&truncate 那基本上就是茅坑里点灯，找死！具体有哪些风险，等下篇文章进行解读！o(╥﹏╥)o
使用 pt-archiver 进行分批缓慢删除
pt-archiver是Percona-Toolkit工具集中的一个组件，是一个主要用于对MySQL表数据进行归档和清除工具。它可以将数据归档到另一张表或者是一个文件中。pt-archiver在清除表数据的过程中并不会影响OLTP事务的查询性能。对于数据的归档，它可以归档到另一台服务器上的另一张表，也可归档到一个文件中，文件可以用LOAD DATA INFILE进行数据装载，这个功能其实就类似是表历史数据的增量删除。
pt-archiver 优势
- pt-archiver是一个十分高效的表数据归档工具，归档数据可以分批进行事务处理，减少性能消耗；
- 如果实例开启了GTID，因为GTID不支持CTAS创建表的语法，可以使用pt-archiver处理；
- 对于跨实例或者跨服务器的表数据归档，pt-archiver可以运行在目标端服务器，因为生成的临时文件是在工具执行所在的服务器。
- 对于大表的过期数据的批量删除也可以通过pt-archiver指定选项
--purge进行处理。
参数介绍
删除历史数据主要用到的参数
pt-archiver --help --progress 每多少行打印进度信息 --limit 限制select返回的行数 --sleep 指定select语句休眠时间 --txn-size 指定多少行提交一次事务 --bulk-delete 用单个DELETE语句批量删除每个行块。该语句删除块的第一行和最后一行之间的每一行，隐含--commit-each --dry-run 打印查询，不做任何操作后退出
详细参数
--analyze 指定工具完成数据归档后对表执行'ANALYZE TABLE'操作。指定方法如'--analyze=ds'，s代表源端表，d代表目标端表，也可以单独指定。 --ask-pass 命令行提示密码输入，保护密码安全，前提需安装模块perl-TermReadKey。 --buffer 指定缓冲区数据刷新到选项'--file'指定的文件并且在提交时刷新。 只有当事务提交时禁用自动刷新到'--file'指定的文件和刷新文件到磁盘，这意味着文件是被操作系统块进行刷新，因此在事务进行提交之前有一些数据隐式刷新到磁盘。默认是每一行操作后进行文件刷新到磁盘。 --bulk-delete 指定单个语句删除chunk的方式来批量删除行，会隐式执行选项'--commit-each'。 使用单个DELETE语句删除每个chunk对应的表行，通常的做法是通过主键进行逐行的删除，批量删除在速度上会有很大的提升，但如果有复杂的'WHERE'条件就可能会更慢。 --[no]bulk-delete-limit 默认值：yes 指定添加选项'--bulk-delete'和'--limit'到进行归档的语句中。 --bulk-insert 使用LOAD DATA LOCAL INFILE的方法，通过批量插入chunk的方式来插入行(隐式指定选项'--bulk-delete'和'--commit-each') 而不是通过逐行单独插入的方式进行，它比单行执行INSERT语句插入的速度要快。通过隐式创建临时表来存储需要批量插入的行(chunk)，而不是直接进行批量插入操作，当临时表中完成每个chunk之后再进行统一数据加载。为了保证数据的安全性，该选项会强制使用选项'--bulk-delete'，这样能够有效保证删除是在插入完全成功之后进行的。 --channel 指定当主从复制环境是多源复制时需要进行归档哪个主库的数据，适用于多源复制中多个主库对应一个从库的情形。 --charset，-A 指定连接字符集。 --[no]check-charset 默认值：yes 指定检查确保数据库连接时字符集和表字符集相同。 --[no]check-columns 默认值：yes 指定检查确保选项'--source'指定的源端表和'--dest'指定的目标表具有相同的字段。 不检查字段在表的排序和字段类型，只检查字段是否在源端表和目标表当中都存在，如果有不相同的字段差异，则工具报错退出。如果需要禁用该检查，则指定'--no-check-columns'。 --check-slave-lag 指定主从复制延迟大于选项'--max-lag'指定的值之后暂停归档操作。默认情况下，工具会检查所有的从库，但该选项只作用于指定的从库(通过DSN连接方式)。 --check-interval 默认值：1s 如果同时指定了选项'--check-slave-lag'，则该选项指定的时间为工具发现主从复制延迟时暂停的时间。每进行操作100行时进行一次检查。 --columns，-c 指定需要归档的表字段，如有多个则用','(逗号)隔开。 --commit-each 指定按每次获取和归档的行数进行提交，该选项会禁用选项'--txn-size'。 在每次获取表数据并进行归档之后，在获取下一次数据和选项'--sleep'指定的休眠时间之前，进行事务提交和刷新选项'--file'指定的文件，通过选项'--limit'控制事务的大小。 --host，-h 指定连接的数据库IP地址。 --port，-P 指定连接的数据库Port端口。 --user，-u 指定连接的数据库用户。 --password，-p 指定连接的数据库用户密码。 --socket，-S 指定使用SOCKET文件连接。 --databases，-d 指定连接的数据库 --source 指定需要进行归档操作的表，该选项是必须指定的选项，使用DSN方式表示。 --dest 指定要归档到的目标端表，使用DSN方式表示。 如果该选项没有指定的话，则默认与选项'--source'指定源端表为相同表。 --where 指定通过WHERE条件语句指定需要归档的数据，该选项是必须指定的选项。不需要加上'WHERE'关键字，如果确实不需要WHERE条件进行限制，则指定'--where 1=1'。 --file 指定表数据需要归档到的文件。使用类似MySQL DATE_FORMAT()格式化命名方式。 文件内容与MySQL中SELECT INTO OUTFILE语句使用相同的格式，文件命名选项如下所示： ' %Y：年，4位数(Year, numeric, four digits) %m：月，2位数(Month, numeric (01..12)) %d：日，2位数(Day of the month, numeric (01..31)) %H：小时(Hour (00..23)) %i：分钟(Minutes, numeric (00..59)) %s：秒(Seconds (00..59)) %D：数据库名(Database name) %t：表名(Table name) 例如：--file '/var/log/archive/%Y-%m-%d-%D.%t' ' --output-format 指定选项'--file'文件内容输出的格式。 默认不指定该选项是以制表符进行字段的分隔符，如果指定该选项，则使用','(逗号)作为字段分隔符，使用'"'(双引号)将字段括起。用法示例：'--output-format=dump'。 --for-update 指定为每次归档执行的SELECT语句添加FOR UPDATE子句。 --share-lock 指定为每次归档执行的SELECT语句添加LOCK IN SHARE MODE子句。 --header 指定在文件中第一行写入字段名称作为标题。 --ignore 指定为INSERT语句添加IGNORE选项。 --limit 默认值：1 指定每条语句获取表和归档表的行数。 --local 指定不将OPTIMIZE和ANALYZE语句写入binlog。 --max-lag 默认值：1s 指定允许主从复制延迟时长的最大值，单位秒。如果在每次获取行数据之后主从延迟超过指定的值，则归档操作将暂停执行，暂停休眠时间为选项'--check-interval'指定的值。待休眠时间结束之后再次检查主从延迟时长，检查方法是通过从库查询的'Seconds_Behind_Master'值来确定。如果主从复制延迟一直大于该参数指定值或者从库停止复制，则操作将一直等待直到从库重新启动并且延迟小于该参数指定值。 --no-delete 指定不删除已被归档的表数据。 --optimize 指定工具完成数据归档后对表执行'OPTIMIZE TABLE'操作。指定方法如'--analyze=ds'，s代表源端表，d代表目标端表，也可以单独指定。 --primary-key-only 指定只归档主键字段，是选项'--columns=主键'的简写。 如果工具归档的操作是进行DELETE清除时最有效，因为只需读取主键一个字段而无需读取行所有字段。 --progress 指定每多少行打印进度信息，打印当前时间，已用时间以及多少行进行归档。 --purge 指定执行的清除操作而不是归档操作。允许忽略选项'--dest'和'--file'进行操作，如果只是清除操作可以结合选项'--primary-key-only'会更高效。 --quiet，-q 指定工具静默执行，不输出任何的执行信息。 --replace 指定写入选项'--dest'指定目标端表时改写INSERT语句为REPLACE语句。 --retries 默认值：1 指定归档操作遇到死锁或超时的重试次数。当重试次数超过该选项指定的值时，工具将报错退出。 --run-time 指定工具归档操作在退出之前需要运行的时间。允许的时间后缀名为s=秒，m=分，h=小时，d=天，如果没指定，默认为s。 --[no]safe-auto-increment 默认值：yes 指定不使用自增列(AUTO_INCREMENT)最大值对应的行进行归档。 该选项在进行归档清除时会额外添加一条WHERE子句以防止工具删除单列升序字段具有的具有AUTO_INCREMENT属性最大值的数据行，为了在数据库重启之后还能使用到AUTO_INCREMENT对应的值，但这会引起无法归档或清除字段对应最大值的行。 --set-vars 默认： wait_timeout=10000 innodb_lock_wait_timeout=1 lock_wait_timeout=60 工具归档时指定参数值，如有多个用','(逗号)分隔。如'--set-vars=wait_timeout=5000'。 --skip-foreign-key-checks 指定使用语句SET FOREIGN_KEY_CHECKS = 0禁用外键检查。 --sleep 指定工具在通过SELECT语句获取归档数据需要休眠的时间，默认值是不进行休眠。在休眠之前事务并不会提交，并且选项'--file'指定的文件不会被刷新。如果指定选项'--commit-each'，则在休眠之前会进行事务提交和文件刷新。 --statistics 指定工具收集并打印操作的时间统计信息。 统计信息示例如下： ' Started at 2008-07-18T07:18:53, ended at 2008-07-18T07:18:53 Source: D=db,t=table SELECT 4 INSERT 4 DELETE 4 Action Count Time Pct commit 10 0.1079 88.27 select 5 0.0047 3.87 deleting 4 0.0028 2.29 inserting 4 0.0028 2.28 other 0 0.0040 3.29 ' --txn-size 默认：1 指定每个事务处理的行数。如果是0则禁用事务功能。 --version 显示工具的版本并退出。 --[no]version-check 默认值：yes 检查Percona Toolkit、MySQL和其他程序的最新版本。 --why-quit 指定工具打印当非因完成归档行数退出的原因。 在执行一个自动归档任务时该选项与选项'--run-time'一起使用非常方便，这样可以确定归档任务是否在指定的时间内完成。如果同时指定了选项'--statistics'，则会打印所有退出的原因。
删除数据
把大象装进冰箱一共分三步：
1. 打印查询
2. 打开会话保持功能 screen（防止窗口意外断开造成程序中断；笔者曾经因为忘记打开会话保持在机器面前守了半天；因为 10 分钟没操作堡垒机会断线(ಥ﹏ಥ)）
3. 执行删除
# 打印查询 $ pt-archiver --source h=10.186.65.19,P=3306,u=root,p='123',D=sbtest,t=sbtest1 --purge --charset=utf8mb4 --where "id <= 400000" --progress=200 --limit=200 --sleep=1 --txn-size=200 --statistics --dry-run # 解释：删除sbtest库，sbtest1表数据，字符集为utf8mb4，删除条件是 id <= 400000，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sleep 1s SELECT /*!40001 SQL_NO_CACHE */ `id`,`k`,`c`,`pad` FROM `sbtest`.`sbtest1` FORCE INDEX(`PRIMARY`) WHERE (id <= 400000) AND (`id` < '23132073') ORDER BY `id` LIMIT 200 SELECT /*!40001 SQL_NO_CACHE */ `id`,`k`,`c`,`pad` FROM `sbtest`.`sbtest1` FORCE INDEX(`PRIMARY`) WHERE (id <= 400000) AND (`id` < '23132073') AND ((`id` >= ?)) ORDER BY `id` LIMIT 200 DELETE FROM `sbtest`.`sbtest1` WHERE (`id` = ?) # 打开会话保持功能 screen -S archiver # 执行删除 $ pt-archiver --source h=10.186.65.19,P=3306,u=root,p='123',D=sbtest,t=sbtest1 --purge --charset=utf8mb4 --where "id <= 400000" --progress=200 --limit=200 --sleep=1 --txn-size=200 --statistics ...... 2021-02-16T17:52:24 2115 398200 2021-02-16T17:52:25 2116 398400 2021-02-16T17:52:26 2117 398600 2021-02-16T17:52:27 2118 398800 2021-02-16T17:52:28 2119 399000 2021-02-16T17:52:29 2120 399200 2021-02-16T17:52:30 2121 399400 2021-02-16T17:52:31 2123 399600 2021-02-16T17:52:32 2124 399800 2021-02-16T17:52:33 2125 400000 2021-02-16T17:52:33 2125 400000 Started at 2021-02-16T17:17:08, ended at 2021-02-16T17:52:34 Source: A=utf8mb4,D=sbtest,P=3306,h=10.186.65.19,p=...,t=sbtest1,u=root SELECT 400000 INSERT 0 DELETE 400000 Action Count Time Pct sleep 2000 2003.1843 94.22 deleting 400000 88.6074 4.17 select 2001 2.9120 0.14 commit 2001 1.4004 0.07 other 0 30.0424 1.41
在删除数据后的处理：
MySQL 的机制下 delete 后磁盘不会立即释放，在业务空闲时间进行分析表以便真正从磁盘上移除数据解除空间占用（极端情况可能需要重启释放），非必做（一般可不做）；视场景而定。这里不做过多讲解。
此外pt-archiver除了可以安全的删除数据之外还可以归档数据到历史表或者文件
表归档到表(逐行进行)
- 归档表数据，但不删除源端表已归档数据
-- 需要归档的数据量 mysql admin@192.168.58.3:employees> select count(*) from employees where first_name = 'Anneke'; +----------+ | count(*) | +----------+ | 225 | +----------+ 1 row in set Time: 0.025s -- 执行归档操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --dest h=192.168.58.3,P=3308,u=admin,D=test,t=employees_arc,A=utf8 --charset=utf8 --where 'first_name = 'Anneke'' --progress 50 --txn-size=1000 --statistics --no-delete --ask-pass Enter password: Enter password: DBD::mysql::db selectrow_hashref failed: Table 'test.employees_arc' doesn't exist [for Statement "SHOW CREATE TABLE `test`.`employees_arc`"] at /usr/bin/pt-archiver line 1923, <STDIN> line 2.
通过报错信息可以看出目标端表不存在，先创建目标端表，与源端表结构一致，再进行归档操作。
-- 创建目标端表 percona admin@192.168.58.3:test> show create table employees_arc; +---------------+----------------------------------------------------+ | Table | Create Table | +---------------+----------------------------------------------------+ | employees_arc | CREATE TABLE `employees_arc` ( | | | `emp_no` int(11) NOT NULL, | | | `birth_date` date NOT NULL, | | | `first_name` varchar(14) NOT NULL, | | | `last_name` varchar(16) NOT NULL, | | | `gender` enum('M','F') NOT NULL, | | | `hire_date` date NOT NULL, | | | PRIMARY KEY (`emp_no`), | | | KEY `idx_first_last` (`first_name`,`last_name`), | | | KEY `idx_birth_hire` (`birth_date`,`hire_date`), | | | KEY `idx_empno` (`emp_no`) | | | ) ENGINE=InnoDB DEFAULT CHARSET=utf8 | +---------------+----------------------------------------------------+ 1 row in set Time: 0.024s -- 再次进行归档操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --dest h=192.168.58.3,P=3308,u=admin,D=test,t=employees_arc,A=utf8 --charset=utf8 --where "first_name = 'Anneke'" --progress=50 --txn-size=1000 --statistics --no-delete --ask-pass Enter password: Enter password: TIME ELAPSED COUNT 2019-04-16T10:31:36 0 0 2019-04-16T10:31:37 0 50 2019-04-16T10:31:37 0 100 2019-04-16T10:31:37 0 150 2019-04-16T10:31:37 0 200 2019-04-16T10:31:37 0 225 Started at 2019-04-16T10:31:36, ended at 2019-04-16T10:31:37 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees,u=admin Dest: A=utf8,D=test,P=3308,h=192.168.58.3,p=...,t=employees_arc,u=admin SELECT 225 INSERT 225 DELETE 0 Action Count Time Pct select 114 0.5027 80.47 inserting 225 0.0572 9.15 commit 2 0.0469 7.50 other 0 0.0180 2.88 -- 查询源表和归档表的归档数据量 mysql admin@192.168.58.3:employees> select count(*) from employees where first_name = 'Anneke'; +----------+ | count(*) | +----------+ | 225 | +----------+ 1 row in set Time: 0.049s percona admin@192.168.58.3:test> select count(*) from employees_arc where first_name = 'Anneke'; +----------+ | count(*) | +----------+ | 225 | +----------+ 1 row in set Time: 0.023s
表归档到表(批量进行)
批量进行归档涉及的选项是--limit，批量进行插入涉及的选项为--bulk-insert，指定选项--bulk-insert同时也会指定选项--bulk-delete，如果不删除已归档数据，则需要指定选项--no-delete。 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --dest h=192.168.58.3,P=3308,u=admin,D=test,t=employees_arc,A=utf8 --charset=utf8 --where "first_name = 'Anneke'" --progress=50 --txn-size=1000 --limit=50 --statistics --no-delete --bulk-insert --ask-pass Enter password: Enter password: TIME ELAPSED COUNT 2019-04-16T10:34:17 0 0 2019-04-16T10:34:17 0 50 2019-04-16T10:34:17 0 100 2019-04-16T10:34:17 0 150 2019-04-16T10:34:17 0 200 2019-04-16T10:34:17 0 225 Started at 2019-04-16T10:34:17, ended at 2019-04-16T10:34:17 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees,u=admin Dest: A=utf8,D=test,P=3308,h=192.168.58.3,p=...,t=employees_arc,u=admin SELECT 225 INSERT 225 DELETE 0 Action Count Time Pct select 6 0.1171 81.13 bulk_inserting 5 0.0086 5.98 commit 2 0.0025 1.72 print_bulkfile 225 -0.0004 -0.25 other 0 0.0165 11.42 表归档到文件 表归档到文件将选项--dest换成--file，并且根据需要添加选项--output-format。 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --file='/data/employees_arc_%Y-%m-%d.sql' --charset=utf8 --output-format='dump' --where "first_name = 'Anneke'" --progress=50 --txn-size=1000 --limit=50 --statistics --no-delete --ask-pass Enter password: TIME ELAPSED COUNT 2019-04-16T10:36:02 0 0 2019-04-16T10:36:02 0 50 2019-04-16T10:36:02 0 100 2019-04-16T10:36:02 0 150 2019-04-16T10:36:02 0 200 2019-04-16T10:36:02 0 225 Started at 2019-04-16T10:36:02, ended at 2019-04-16T10:36:02 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees,u=admin SELECT 225 INSERT 0 DELETE 0 Action Count Time Pct select 6 0.1253 93.68 print_file 225 0.0004 0.33 commit 1 0.0001 0.05 other 0 0.0079 5.93
表清除数据
如果只是进行表数据清除操作而不做归档操作，则可以忽略选项--dest或--file，通过指定选项--purge，可以先使用选项--dry-run打印查询需要清除数据的执行语句，做好确认之后再执行。
-- 先使用选项--dry-run # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --purge --charset=utf8 --where "first_name = 'Anneke'" --progress=50 --txn-size=1000 --limit=50 --statistics --ask-pass --dry-run Enter password: SELECT /*!40001 SQL_NO_CACHE */ `emp_no`,`birth_date`,`first_name`,`last_name`,`gender`,`hire_date` FROM `employees`.`employees` FORCE INDEX(`PRIMARY`) WHERE (first_name = 'Anneke') ORDER BY `emp_no` LIMIT 50 SELECT /*!40001 SQL_NO_CACHE */ `emp_no`,`birth_date`,`first_name`,`last_name`,`gender`,`hire_date` FROM `employees`.`employees` FORCE INDEX(`PRIMARY`) WHERE (first_name = 'Anneke') AND ((`emp_no` >= ?)) ORDER BY `emp_no` LIMIT 50 DELETE FROM `employees`.`employees` WHERE (`emp_no` = ?) -- 执行清除操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --purge --charset=utf8 --where "first_name = 'Anneke'" --progress=50 --txn-size=1000 --limit=50 --statistics --ask-pass Enter password: TIME ELAPSED COUNT 2019-04-16T10:40:57 0 0 2019-04-16T10:40:57 0 50 2019-04-16T10:40:58 0 100 2019-04-16T10:40:58 0 150 2019-04-16T10:40:58 0 200 2019-04-16T10:40:58 0 225 Started at 2019-04-16T10:40:57, ended at 2019-04-16T10:40:58 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees,u=admin SELECT 225 INSERT 0 DELETE 225 Action Count Time Pct deleting 225 0.6943 79.10 select 6 0.1386 15.79 commit 1 0.0265 3.02 other 0 0.0183 2.08 -- 也可以使用选项--bulk-delete进行批量清除 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees,A=utf8 --purge --charset=utf8 --where "first_name = 'Anneke'" --progress=50 --txn-size=1000 --limit=50 --bulk-delete --statistics --ask-pass Enter password: TIME ELAPSED COUNT 2019-04-16T10:43:07 0 0 2019-04-16T10:43:07 0 50 2019-04-16T10:43:07 0 100 2019-04-16T10:43:07 0 150 2019-04-16T10:43:07 0 200 2019-04-16T10:43:07 0 225 Started at 2019-04-16T10:43:07, ended at 2019-04-16T10:43:07 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees,u=admin SELECT 225 INSERT 0 DELETE 225 Action Count Time Pct select 6 0.1131 66.43 bulk_deleting 5 0.0384 22.54 commit 1 0.0153 8.97 other 0 0.0035 2.06
表自增字段处理
默认情况下，pt-archiver工具在进行表数据归档或是清除时，通过添加WHERE子句条件限制具有AUTO_INCREMENT属性字段所对应的数据行操作，这是为了在数据库重启之后，之前AUTO_INCREMENT对应的值还可以使用()，但这会造成归档数据少一条或是清除数据少一条的情况。
-- 待归档数据表employees_ptarc信息 可以查看'环境与数据准备'信息。 -- 指定选项--dry-run执行归档操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees_ptarc,A=utf8 --dest h=192.168.58.3,P=3308,u=admin,D=test,t=employees_ptarc,A=utf8 --charset=utf8 --where "1 = 1" --progress=10000 --txn-size=10000 --limit=10000 --statistics --no-delete --bulk-insert --ask-pass --dry-run Enter password: Enter password: SELECT /*!40001 SQL_NO_CACHE */ `id`,`v_int`,`v_string`,`s_string` FROM `employees`.`employees_ptarc` FORCE INDEX(`PRIMARY`) WHERE (1 = 1) AND (`id` < '200000') ORDER BY `id` LIMIT 10000 SELECT /*!40001 SQL_NO_CACHE */ `id`,`v_int`,`v_string`,`s_string` FROM `employees`.`employees_ptarc` FORCE INDEX(`PRIMARY`) WHERE (1 = 1) AND (`id` < '200000') AND ((`id` > ?)) ORDER BY `id` LIMIT 10000 LOAD DATA LOCAL INFILE ? INTO TABLE `test`.`employees_ptarc`CHARACTER SET utf8(`id`,`v_int`,`v_string`,`s_string`) -- 指定选项--dry-run执行清除操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees_ptarc,A=utf8 --purge --charset=utf8 --where "1 = 1" --progress=10000 --txn-size=10000 --limit=10000 --statistics --bulk-delete --ask-pass --dry-run Enter password: SELECT /*!40001 SQL_NO_CACHE */ `id`,`v_int`,`v_string`,`s_string` FROM `employees`.`employees_ptarc` FORCE INDEX(`PRIMARY`) WHERE (1 = 1) AND (`id` < '200000') ORDER BY `id` LIMIT 10000 SELECT /*!40001 SQL_NO_CACHE */ `id`,`v_int`,`v_string`,`s_string` FROM `employees`.`employees_ptarc` FORCE INDEX(`PRIMARY`) WHERE (1 = 1) AND (`id` < '200000') AND ((`id` >= ?)) ORDER BY `id` LIMIT 10000 DELETE FROM `employees`.`employees_ptarc` WHERE (((`id` >= ?))) AND (((`id` <= ?))) AND (1 = 1) LIMIT 10000
可以看出工具在执行查询归档数据的语句时，指定了条件id < 200000，而实际上表中是有id = 200000这条数据的，并且在归档操作时并没有指定条件排除这条语句，显然是pt-archiver工具自动添加的条件。
这样可以避免AUTO_INCREMENT属性的值在数据库重启后还可以重用，可以做如下测试说明：
-- 表employees_ptarc当前的AUTO_INCREMENT属性值 mysql admin@192.168.58.3:employees> select auto_increment from information_schema.tables where table_schema = 'employees' and table_name = 'employees_ptarc'; +----------------+ | auto_increment | +----------------+ | 200001 | +----------------+ 1 row in set Time: 0.048s -- 需要清除的数据量 mysql admin@192.168.58.3:employees> select count(*) from employees_ptarc where id <=199990 or id > 199995; +----------+ | count(*) | +----------+ | 199995 | +----------+ 1 row in set Time: 0.102s -- 执行数据清除操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees_ptarc,A=utf8 --purge --charset=utf8 --where "id <= 199990 or id > 199995" --progress=50000 --txn-size=50000 --limit=50000 --statistics --bulk-delete --ask-pass Enter password: TIME ELAPSED COUNT 2019-04-16T10:47:59 0 0 2019-04-16T10:48:00 0 50000 2019-04-16T10:48:00 1 100000 2019-04-16T10:48:01 2 150000 2019-04-16T10:48:02 2 199994 Started at 2019-04-16T10:47:59, ended at 2019-04-16T10:48:02 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees_ptarc,u=admin SELECT 199994 INSERT 0 DELETE 199994 Action Count Time Pct bulk_deleting 4 0.9030 28.23 select 5 0.2095 6.55 commit 4 0.1562 4.88 other 0 1.9298 60.33 可以看出只清除了199994行数据。 -- 查询未清除数据 mysql admin@192.168.58.3:employees> select * from employees_ptarc; +--------+--------+---------------+----------------------+ | id | v_int | v_string | s_string | +--------+--------+---------------+----------------------+ | 199991 | 60305 | 526ed | 0240a2d81e255c915b5a | | 199992 | 546438 | a85b6a18d | 0bf1d636cd0e536eb044 | | 199993 | 543327 | 1367a1c | 68908231ca18ed631907 | | 199994 | 99632 | 2f | 5c10f8d106a30bb1ef95 | | 199995 | 164172 | e57bba13eb3c1 | 3208ac758bd8c912c39f | | 200000 | 108936 | 3bc1db70b | 079f744bf2800ad62a9b | +--------+--------+---------------+----------------------+ 6 rows in set Time: 0.018s -- 重启后，查询当前AUTO_INCREMENT属性值 mysql admin@192.168.58.3:employees> select auto_increment from information_schema.tables where table_schema = 'employees' and table_name = 'employees_ptarc'; +----------------+ | auto_increment | +----------------+ | 200001 | +----------------+ 1 row in set Time: 0.014s
为了不保护AUTO_INCREMENT属性最大值的数据行，工具提供了选项--no-safe-auto-increment，指定该选项后再进行测试：
-- 指定选项--dry-run执行清除操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees_ptarc,A=utf8 --purge --charset=utf8 --where "id <= 199990 or id > 199995" --progress=50000 --txn-size=50000 --limit=50000 --statistics --bulk-delete --no-safe-auto-increment --ask-pass --dry-run Enter password: SELECT /*!40001 SQL_NO_CACHE */ `id`,`v_int`,`v_string`,`s_string` FROM `employees`.`employees_ptarc` FORCE INDEX(`PRIMARY`) WHERE (id <= 199990 or id > 199995) ORDER BY `id` LIMIT 50000 SELECT /*!40001 SQL_NO_CACHE */ `id`,`v_int`,`v_string`,`s_string` FROM `employees`.`employees_ptarc` FORCE INDEX(`PRIMARY`) WHERE (id <= 199990 or id > 199995) AND ((`id` >= ?)) ORDER BY `id` LIMIT 50000 DELETE FROM `employees`.`employees_ptarc` WHERE (((`id` >= ?))) AND (((`id` <= ?))) AND (id <= 199990 or id > 199995) LIMIT 50000 从以上信息看出并没有对AUTO_INCREMENT属性字段最大值进行排除。 -- 执行数据清除操作 # pt-archiver --source h=192.168.58.3,P=3306,u=admin,D=employees,t=employees_ptarc,A=utf8 --purge --charset=utf8 --where "id <= 199990 or id > 199995" --progress=50000 --txn-size=50000 --limit=50000 --statistics --bulk-delete --no-safe-auto-increment --ask-pass Enter password: TIME ELAPSED COUNT 2019-04-16T10:52:19 0 0 2019-04-16T10:52:20 0 50000 2019-04-16T10:52:20 1 100000 2019-04-16T10:52:21 1 150000 2019-04-16T10:52:22 2 199995 Started at 2019-04-16T10:52:19, ended at 2019-04-16T10:52:22 Source: A=utf8,D=employees,P=3306,h=192.168.58.3,p=...,t=employees_ptarc,u=admin SELECT 199995 INSERT 0 DELETE 199995 Action Count Time Pct bulk_deleting 4 0.7500 27.80 select 5 0.1851 6.86 commit 4 0.0622 2.30 other 0 1.7007 63.03 可以看出清除了199995行数据。 -- 查询未清除数据 mysql admin@192.168.58.3:employees> select * from employees_ptarc; +--------+--------+---------------+----------------------+ | id | v_int | v_string | s_string | +--------+--------+---------------+----------------------+ | 199991 | 60305 | 526ed | 0240a2d81e255c915b5a | | 199992 | 546438 | a85b6a18d | 0bf1d636cd0e536eb044 | | 199993 | 543327 | 1367a1c | 68908231ca18ed631907 | | 199994 | 99632 | 2f | 5c10f8d106a30bb1ef95 | | 199995 | 164172 | e57bba13eb3c1 | 3208ac758bd8c912c39f | +--------+--------+---------------+----------------------+ 5 rows in set Time: 0.027s -- 重启后，查询当前AUTO_INCREMENT属性值 mysql admin@192.168.58.3:employees> select auto_increment from information_schema.tables where table_schema = 'employees' and table_name = 'employees_ptarc'; +----------------+ | auto_increment | +----------------+ | 199996 | +----------------+ 1 row in set Time: 0.046s
从以上查询信息可以看出AUTO_INCREMENT属性值发生了变化。如果要恢复成之前的状态值，可以通过手动执行命令进行修复：
mysql admin@192.168.58.3:employees> alter table employees_ptarc auto_increment = 200001; Query OK, 0 rows affected Time: 0.013s mysql admin@192.168.58.3:employees> select auto_increment from information_schema.tables where table_schema = 'employees' and table_name = 'employees_ptarc'; +----------------+ | auto_increment | +----------------+ | 200001 | +----------------+ 1 row in set Time: 0.020s
参考：https://www.cnblogs.com/dbabd/p/10721857.html
https://www.actionsky.com/3451.html
