mysql pt-archiver
2022-10-09 20:31 youxin 阅读(81) 评论(0) 编辑 收藏 举报官方文档:https://www.percona.com/doc/percona-toolkit/LATEST/pt-archiver.html
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。
pt-archiver
usage:
1.归档A库数据到B库做备份
2.安全删除数据,不影响数据库性能,(但是不会回收碎片空)
3.导出数据文件,方便load data回去
4.合并数据
官方文档地址:
--no-delete 同步不删除原数据 --purge 删除数据 --progress=i 每操作多少行输出一次处理信息 --txn-size=i 一个事务操作多少行数据,默认1 --limit=i 每次拿出来多少条数据,类似游标fetch,默认1。 --replace 在归档的时候将insert into改成replace into --statistics 输出执行过程及最后的操作统计 --where 归档或者删除数据需要满足的条件 --source 源数据库的数据串,类似于h=localhost,u=root,p=pass,S=/data/mysql/mysql.sock,D=test,t= --dest 目标数据库的数据串,同上面 --check-slave-lag=s 控制延迟,当延迟超过这个值暂停归档 --bulk-insert 批量insert。load data file这种,效率会比普通insert快一倍 --ignore insert ignore 替代insert --replace replace into --no-check-charset 不检查变吗 #tips txn-size 不是越大越好,反而小一点会好,建议500 使用--bulk-insert 的时候qps不会上升很多,但是会有很多慢查询,因为是load data file导致的满查询。
--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。
先初始化数据:
mysqlslap -uroot -p -S /data/mysql/mysql.sock --number-of-queries=100000 --create-schema=test --concurrency=10 --query="insert into t(content,num) values(uuid(),rand()*1000);"
Enter password:
Benchmark
Average number of seconds to run all queries: 11.877 seconds
Minimum number of seconds to run all queries: 11.877 seconds
Maximum number of seconds to run all queries: 11.877 seconds
Number of clients running queries: 10
Average number of queries per client: 10000
————————————————
归档数据和删除数据
根据条件删除数据 #先看源表数据 root@localhost:mysql.sock:[test]>select count(*) from t where id <= 20000; +----------+ | count(*) | +----------+ | 20000 | +----------+ 1 row in set (0.01 sec) #开始删除数据 $ pt-archiver --source h=localhost,u=root,p=pass,S=/data/mysql/mysql.sock,D=test,t=t --where="id <= 20000" --progress=500 --statistics --txn-size=100 --limit=1000 --purge TIME ELAPSED COUNT 2022-03-16T21:30:06 0 0 2022-03-16T21:30:06 0 500 2022-03-16T21:30:06 0 1000
#通过上一步可以看到执行的时间,查询的时间,以及提交的时间
#接下来去数据库查询
root@localhost:mysql.sock:[test]>select count(*) from t where id <= 20000;
+----------+
| count(*) |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)
#可以看到删除成功了
#需要注意的一点,这里删除不会真正回收碎片空间,后边还是需要手动去analyze table或者optimize
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,
--bulk-delete:批量删除。
--limit:每批归档的记录数。
--commit-each:对于每一批记录,只会 COMMIT 一次。
--bulk-insert:归档数据以 LOAD DATA INFILE 的方式导入到归档库中。
看看上述命令对应的 General log 。
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。
归档参数 | 执行时间(s) |
---|---|
不指定任何批量相关参数 | 850.040 |
--bulk-delete --limit 1000 | 422.352 |
--bulk-delete --limit 1000 --commit-each | 46.646 |
--bulk-delete --limit 5000 --commit-each | 46.111 |
--bulk-delete --limit 1000 --commit-each --bulk-insert | 7.650 |
--bulk-delete --limit 5000 --commit-each --bulk-insert | 6.540 |
--bulk-delete --limit 1000 --bulk-insert | 47.273 |
通过表格中的数据,我们可以得出以下几点:
通过表格中的数据,我们可以得出以下几点:
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。
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。
--bulk-delete --limit 1000 --commit-each
相当于第二种归档方式,源库和目标库都是批量提交的。
--limit 1000 和 --limit 5000 归档性能相差不大。
--bulk-delete --limit 1000 --bulk-insert 与 --bulk-delete --limit 1000 --commit-each --bulk-insert 相比,没有设置 --commit-each。
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。
————————————————
原文链接:https://blog.csdn.net/Alinmei/article/details/123582625
https://www.modb.pro/db/58571
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。
# 开启事务 set autocommit=0; # 查看表结构,获取主键 SHOW CREATE TABLE `employees`.`departments`; # 开始删除第一批数据 # 通过 FORCE INDEX(`PRIMARY`) 强制使用主键 # 指定了 --primary-key-only,所以只会查询主键 # 这里其实无需获取所有满足条件的主键值,只取一个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; # 基于主键进行删除,删除的时候同时带上了 --where 指定的删除条件,以避免误删 DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd001'))) AND (((`dept_no` <= 'd003'))) AND (1=1) LIMIT 3; # 提交 commit; # 删除第二批数据 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; # 删除第三批数据 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; # 删除最后一批数据 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。
--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。
归档和清理过期数据,都会把原表中的数据Delete掉,而大量Delete存在以下问题:
1)对于MyISAM表,大的Delete操作,整个过程会lock表。
2) 对于Innodb表,大的delete,导致一个长事务,使innodb性能下降,purge操作延迟,undo量大。
3)导致从库延迟增大
3、使用分块删除原来数据, 如:delete xxx order by pk limit 1000;
这样删除比较整个删除好很多,但清理越来越慢。
https://blog.51cto.com/u_14286115/5004760
https://zhuanlan.zhihu.com/p/475302375
https://blog.csdn.net/TIME_1981/article/details/126114797
https://blog.csdn.net/m0_37389157/article/details/123533585
https://blog.csdn.net/w892824196/article/details/126214823
https://www.cnblogs.com/ivictor/p/16001965.html