原理: http://www.hoterran.info/mydumper_usage
转发: http://afei2.sinaapp.com/?p=456
MySQL多线程数据导入导出工具Mydumper
发表于 2013 年 8 月 2 日
今天在线上使用mysqldump将数据表从一个库导入到另外一个库，结果速度特别慢，印象中有个多线程的数据导入导出工具Mydumper，于是简单的调查和测试一下。
下午导数据的过程中，这个表是没有更新的，因此不需要确保多个数据之间的一致性，就简单的写个shell脚本启动多个mysqldumper来导数据，这样有几个问题：
- 需要处理表数据大小不均匀的问题，有的会很快结束，有的会比较慢。
- 如果需要保证多个导出之间的一致性时，则无法保证。
Mydumper是一个使用c语言编写的多线程导出导入工具，并且能够保证多个表之间的一致性。Mydumper已经好几篇blog在讨论：Mydumper性能测试，Mydumper使用和源码分析。通过stronghearted的测试，我们看到不是线程越多越好，6个线程的时候速度最快（这个肯定跟机器的配置等诸多因素有关，只能作为一个经验值而不是绝对值，机器好的时候，线程越多越好）。
一、原理
mydumper工作流程图
主要步骤概括
- 主线程 FLUSH TABLES WITH READ LOCK, 施加全局只读锁，以阻止DML语句写入，保证数据的一致性
- 读取当前时间点的二进制日志文件名和日志写入的位置并记录在metadata文件中，以供即使点恢复使用 N个（线程数可以指定，默认是4）
- dump线程 START TRANSACTION WITH CONSISTENT SNAPSHOT; 开启读一致的事物
- dump non-InnoDB tables, 首先导出非事物引擎的表
- 主线程 UNLOCK TABLES
- 非事物引擎备份完后，释放全局只读锁
- dump InnoDB tables, 基于事物导出InnoDB表 事物结束
备份所生成的文件
记录了备份数据库在备份时间点的二进制日志文件名，日志的写入位置，
如果是在从库进行备份，还会记录备份时同步至主库的二进制日志文件及写入位置
每个表有两个备份文件：
database.table-schema.sql 表结构文件
database.table.sql 表数据文件
如果对表文件分片，将生成多个备份数据文件，可以指定行数或指定大小分片
Mydumper如何保证数据的一致性？下面是官方给出的解答，摘抄如下，主要是使用flush tables with read lock和start transaction with consistent snapshot，在flush tables with read lock时开启所有的线程，并且通过show master status和show slave status获得当前的position（便于使用Mydumper重建slave以及确保多个表之间的数据一致性）。
- Global write lock is acquired (“FLUSH TABLES WITH READ LOCK”)
- Various metadata is read (“SHOW SLAVE STATUS”,”SHOW MASTER STATUS”)
- Other threads connect and establish snapshots (“START TRANSACTION WITH CONSISTENT SNAPSHOT”)，On pre-4.1.8 it creates dummy InnoDB table, and reads from it.
- Once all worker threads announce the snapshot establishment, master executes “UNLOCK TABLES” and starts queueing jobs.
二、安装
- 下载源码，https://launchpad.net/mydumper
- 所依赖的软件包，glibc, zlib, pcre, pcre-devel, gcc, gcc-c++, cmake, make, mysql客户端库文件
- cmake .
- make && make install
三、使用
Mydumper不能读取/etc/my.cnf中配置文件，需要手工制定用户名、密码等等
|
mydumper -P 3306 -u admin -p '***' -h db23 -B meituan -T test1,test2,test3,test4,test5 -o ./
myloader -v 3 --threads=6 -P 3306 -u admin -p '***' -h 127.0.0.1 -S /opt/tmp/mysql3306.sock -B test -d ./ |
四、测试
对mysqldump和Mydumper做了一个简单测试，测试结果如下（测试结果受环境影响，结果仅供参考）：
5张表，每张表600M。
导出：
远程进行，导出两遍，取最小值。
mysqldump 37s
Mydumper 21s
导入：
mysqldump 14m4s
mydumper 9m4s
五、结论
结论：Mydumper在导出导入过程因为可以多线程进行，因此速度上肯定是优于mysqldump，可以用来替换mysqldump；Mydumper不能读取/etc/my.cnf中的配置文件，这个挺麻烦的，必须进行指定。
-B, --database 要备份的数据库，不指定则备份所有库
-T, --tables-list 需要备份的表，逗号隔开
-o, --outputdir 备份文件输出的目录
-s, --statement-size 生成的insert语句的字节数，默认1000000
-r, --rows 将表按行分块时，指定的块行数，指定这个选项会关闭 --chunk-filesize
-F, --chunk-filesize 将表按大小分块时，指定的块大小，单位是 MB
-c, --compress 压缩输出文件
-e, --build-empty-files 如果表数据是空，还是产生一个空文件（默认无数据则只有表结构文件）
-x, --regex 是同正则表达式匹配 'db.table'
-i, --ignore-engines 忽略的存储引擎，逗号分割
-m, --no-schemas 不备份表结构
-k, --no-locks 不使用临时共享只读锁，使用这个选项会造成数据不一致
--less-locking 减少对InnoDB表的锁施加时间
-l, --long-query-guard 设定阻塞备份的长查询超时时间，单位是秒，默认是60秒（超时后默认mydumper将会退出）
--kill-long-queries 杀掉长查询 (不退出)
-b, --binlogs 导出binlog
-D, --daemon 启用守护进程模式，守护进程模式以某个间隔不间断对数据库进行备份
-I, --snapshot-interval dump快照间隔时间，默认60s，需要在daemon模式下
-L, --logfile 使用的日志文件名(mydumper所产生的日志), 默认使用标准输出
--tz-utc 跨时区是使用的选项，默认开启
--skip-tz-utc 同上
--use-savepoints 使用savepoints来减少采集metadata所造成的锁时间，需要 SUPER 权限
--success-on-1146 Not increment error count and Warning instead of Critical in case of table doesn't exist
-h, --host 连接的主机名
-u, --user 备份所使用的用户
-p, --pass 密码
-P, --port 端口
-S, --socket 使用socket通信时的socket文件
-t, --threads 开启的备份线程数，默认是4
-C, --compress-protocol 压缩与mysql通信的数据
-V, --version 显示版本号
-v, --verbose 输出信息模式, 0 = silent, 1 = errors, 2 = warnings, 3 = info, 默认为 2
myloader使用参数
-d, --directory 备份文件的文件夹
-q, --queries-per-transaction 每次事物执行的查询数量，默认是1000
-o, --overwrite-tables 如果要恢复的表存在，则先drop掉该表，使用该参数，需要备份时候要备份表结构
-B, --database 需要还原的数据库
-e, --enable-binlog 启用还原数据的二进制日志
-h, --host 主机
-u, --user 还原的用户
-p, --pass 密码
-P, --port 端口
-S, --socket
-t, --threads 还原所使用的线程数，默认是4
-C, --compress-protocol 压缩协议
-V, --version 显示版本
-v, --verbose 输出模式, 0 = silent, 1 = errors, 2 = warnings, 3 = info, 默认为2
六、参数
mydumper参数-B, --database 要备份的数据库，不指定则备份所有库
-T, --tables-list 需要备份的表，逗号隔开
-o, --outputdir 备份文件输出的目录
-s, --statement-size 生成的insert语句的字节数，默认1000000
-r, --rows 将表按行分块时，指定的块行数，指定这个选项会关闭 --chunk-filesize
-F, --chunk-filesize 将表按大小分块时，指定的块大小，单位是 MB
-c, --compress 压缩输出文件
-e, --build-empty-files 如果表数据是空，还是产生一个空文件（默认无数据则只有表结构文件）
-x, --regex 是同正则表达式匹配 'db.table'
-i, --ignore-engines 忽略的存储引擎，逗号分割
-m, --no-schemas 不备份表结构
-k, --no-locks 不使用临时共享只读锁，使用这个选项会造成数据不一致
--less-locking 减少对InnoDB表的锁施加时间
-l, --long-query-guard 设定阻塞备份的长查询超时时间，单位是秒，默认是60秒（超时后默认mydumper将会退出）
--kill-long-queries 杀掉长查询 (不退出)
-b, --binlogs 导出binlog
-D, --daemon 启用守护进程模式，守护进程模式以某个间隔不间断对数据库进行备份
-I, --snapshot-interval dump快照间隔时间，默认60s，需要在daemon模式下
-L, --logfile 使用的日志文件名(mydumper所产生的日志), 默认使用标准输出
--tz-utc 跨时区是使用的选项，默认开启
--skip-tz-utc 同上
--use-savepoints 使用savepoints来减少采集metadata所造成的锁时间，需要 SUPER 权限
--success-on-1146 Not increment error count and Warning instead of Critical in case of table doesn't exist
-h, --host 连接的主机名
-u, --user 备份所使用的用户
-p, --pass 密码
-P, --port 端口
-S, --socket 使用socket通信时的socket文件
-t, --threads 开启的备份线程数，默认是4
-C, --compress-protocol 压缩与mysql通信的数据
-V, --version 显示版本号
-v, --verbose 输出信息模式, 0 = silent, 1 = errors, 2 = warnings, 3 = info, 默认为 2
myloader使用参数
-d, --directory 备份文件的文件夹
-q, --queries-per-transaction 每次事物执行的查询数量，默认是1000
-o, --overwrite-tables 如果要恢复的表存在，则先drop掉该表，使用该参数，需要备份时候要备份表结构
-B, --database 需要还原的数据库
-e, --enable-binlog 启用还原数据的二进制日志
-h, --host 主机
-u, --user 还原的用户
-p, --pass 密码
-P, --port 端口
-S, --socket
-t, --threads 还原所使用的线程数，默认是4
-C, --compress-protocol 压缩协议
-V, --version 显示版本
-v, --verbose 输出模式, 0 = silent, 1 = errors, 2 = warnings, 3 = info, 默认为2
less locking模式
mydumper使用--less-locking可以减少锁等待时间，此时mydumper的执行机制大致为
-
主线程 FLUSH TABLES WITH READ LOCK （全局锁）
Dump线程 START TRANSACTION WITH CONSISTENT SNAPSHOT;
Dump线程 LOCK TABLES non-InnoDB （线程内部锁）
主线程UNLOCK TABLES
Dump线程 dump non-InnoDB tables
DUmp线程 UNLOCK non-InnoDB
Dump线程 dump InnoDB tables