[转帖]使用 mydumper/loader 全量导入数据

数据迁移

mydumper 是一个更强大的数据迁移工具，具体可以参考 https://github.com/maxbube/mydumper。

我们使用 mydumper 从 MySQL 导出数据，然后用 loader 将其导入到 TiDB 里面。

注意：虽然 TiDB 也支持使用 MySQL 官方的 mysqldump 工具来进行数据的迁移工作，但相比于 mydumper / loader，性能会慢很多，大量数据的迁移会花费很多时间，这里我们并不推荐。

mydumper/loader 全量导入数据最佳实践

为了快速的迁移数据 (特别是数据量巨大的库), 可以参考下面建议

• mydumper 导出数据至少要拥有 SELECT , RELOAD , LOCK TABLES 权限
• 使用 mydumper 导出来的数据文件尽可能的小, 最好不要超过 64M, 可以设置参数 -F 64
• loader的 -t 参数可以根据 tikv 的实例个数以及负载进行评估调整，例如 3个 tikv 的场景， 此值可以设为 3 *（1 ～ n)；当 tikv 负载过高，loader 以及 tidb 日志中出现大量 backoffer.maxSleep 15000ms is exceeded 可以适当调小该值，当 tikv 负载不是太高的时候，可以适当调大该值。

某次导入示例，以及相关的配置

• mydumper 导出后总数据量 214G，单表 8 列，20 亿行数据
• 集群拓扑
  • TIKV * 12
  • TIDB * 4
  • PD * 3
• mydumper -F 设置为 16, loader -t 参数 64

结果：导入时间 11 小时左右，19.4 G/小时

从 MySQL 导出数据

我们使用 mydumper 从 MySQL 导出数据，如下:

1. ./bin/mydumper -h 127.0.0.1 -P 3306 -u root -t 16 -F 64 -B test -T t1,t2 --skip-tz-utc -o ./var/test

上面，我们使用 -B test 表明是对 test 这个 database 操作，然后用 -T t1,t2 表明只导出 t1，t2 两张表。

-t 16 表明使用 16 个线程去导出数据。-F 64 是将实际的 table 切分成多大的 chunk，这里就是 64MB 一个 chunk。

--skip-tz-utc 添加这个参数忽略掉 MySQL 与导数据的机器之间时区设置不一致的情况，禁止自动转换。

注意：在阿里云等一些需要 super privilege 的云上面，mydumper 需要加上 --no-locks 参数，否则会提示没有权限操作。

向 TiDB 导入数据

注意：目前 TiDB 支持 UTF8mb4 字符编码，假设 mydumper 导出数据为 latin1 字符编码，请使用 iconv -f latin1 -t utf-8 $file -o /data/imdbload/$basename 命令转换，$file 为已有文件，$basename 为转换后文件。

注意：如果 mydumper 使用 -m 参数，会导出不带表结构的数据，这时 loader 无法导入数据。

我们使用 loader 将之前导出的数据导入到 TiDB。Loader 的下载和具体的使用方法见 Loader 使用文档

1. ./bin/loader -h 127.0.0.1 -u root -P 4000 -t 32 -d ./var/test

导入成功之后，我们可以用 MySQL 官方客户端进入 TiDB，查看:

1. mysql -h127.0.0.1 -P4000 -uroot
3. mysql> show tables;
4. +----------------+
5. | Tables_in_test |
6. +----------------+
7. | t1 |
8. | t2 |
9. +----------------+
11. mysql> select * from t1;
12. +----+------+
13. | id | age |
14. +----+------+
15. | 1 | 1 |
16. | 2 | 2 |
17. | 3 | 3 |
18. +----+------+
20. mysql> select * from t2;
21. +----+------+
22. | id | name |
23. +----+------+
24. | 1 | a |
25. | 2 | b |
26. | 3 | c |
27. +----+------+

使用 syncer 增量导入数据

上面我们介绍了如何使用 mydumper/loader 将 MySQL 的数据全量导入到 TiDB，但如果后续 MySQL 的数据有更新，我们仍然希望快速导入，使用全量的方式就不合适了。

TiDB 提供 syncer 工具能方便的将 MySQL 的数据增量的导入到 TiDB 里面。

syncer 属于 TiDB 企业版工具集，如何获取可以参考 下载 TiDB 企业版工具集。

下载 TiDB 企业版工具集 (Linux)

1. # 下载 tool 压缩包
2. wget http://download.pingcap.org/tidb-enterprise-tools-latest-linux-amd64.tar.gz
3. wget http://download.pingcap.org/tidb-enterprise-tools-latest-linux-amd64.sha256
5. # 检查文件完整性，返回 ok 则正确
6. sha256sum -c tidb-enterprise-tools-latest-linux-amd64.sha256
7. # 解开压缩包
8. tar -xzf tidb-enterprise-tools-latest-linux-amd64.tar.gz
9. cd tidb-enterprise-tools-latest-linux-amd64

假设我们之前已经使用 mydumper/loader 导入了 t1 和 t2 两张表的一些数据，现在我们希望这两张表的任何更新，都是实时的同步到 TiDB 上面。

获取同步 position

如上文所提，mydumper 导出的数据目录里面有一个 metadata 文件，里面就包含了我们所需的 position 信息。

medadata 文件信息内容举例：

1. Started dump at: 2017-04-28 10:48:10
2. SHOW MASTER STATUS:
3. Log: mysql-bin.000003
4. Pos: 930143241
5. GTID:
7. Finished dump at: 2017-04-28 10:48:11

我们将 position 相关的信息保存到一个 syncer.meta 文件里面，用于 syncer 的同步:

1. # cat syncer.meta
2. binlog-name = "mysql-bin.000003"
3. binlog-pos = 930143241
4. binlog-gtid = "2bfabd22-fff7-11e6-97f7-f02fa73bcb01:1-23,61ccbb5d-c82d-11e6-ac2e-487b6bd31bf7:1-4"

• 注意：syncer.meta 只需要第一次使用的时候配置，后续 syncer 同步新的 binlog 之后会自动将其更新到最新的 position。

• 注意： 如果使用 binlog position 同步则只需要配置 binlog-name binlog-pos; 使用 gtid 同步则需要设置 gtid，且启动 syncer 时带有 --enable-gtid

启动 syncer

启动 syncer 服务之前请详细阅读 Syncer 增量导入

syncer 的配置文件 config.toml:

1. log-level = "info"
3. server-id = 101
5. ## meta 文件地址
6. meta = "./syncer.meta"
8. worker-count = 16
9. batch = 10
11. ## pprof 调试地址, Prometheus 也可以通过该地址拉取 syncer metrics
12. ## 将 127.0.0.1 修改为相应主机 IP 地址
13. status-addr = "127.0.0.1:10086"
15. ## 跳过 DDL 或者其他语句，格式为 **前缀完全匹配**，如: `DROP TABLE ABC`,则至少需要填入`DROP TABLE`.
16. # skip-sqls = ["ALTER USER", "CREATE USER"]
18. ## 在使用 route-rules 功能后，
19. ## replicate-do-db & replicate-ignore-db 匹配合表之后(target-schema & target-table )数值
20. ## 优先级关系: replicate-do-db --> replicate-do-table --> replicate-ignore-db --> replicate-ignore-table
21. ## 指定要同步数据库名；支持正则匹配，表达式语句必须以 `~` 开始
22. #replicate-do-db = ["~^b.*","s1"]
24. ## 指定要同步的 db.table 表
25. ## db-name 与 tbl-name 不支持 `db-name ="dbname，dbname2"` 格式
26. #[[replicate-do-table]]
27. #db-name ="dbname"
28. #tbl-name = "table-name"
30. #[[replicate-do-table]]
31. #db-name ="dbname1"
32. #tbl-name = "table-name1"
34. ## 指定要同步的 db.table 表；支持正则匹配，表达式语句必须以 `~` 开始
35. #[[replicate-do-table]]
36. #db-name ="test"
37. #tbl-name = "~^a.*"
39. ## 指定**忽略**同步数据库；支持正则匹配，表达式语句必须以 `~` 开始
40. #replicate-ignore-db = ["~^b.*","s1"]
42. ## 指定**忽略**同步数据库
43. ## db-name & tbl-name 不支持 `db-name ="dbname，dbname2"` 语句格式
44. #[[replicate-ignore-table]]
45. #db-name = "your_db"
46. #tbl-name = "your_table"
48. ## 指定要**忽略**同步数据库名；支持正则匹配，表达式语句必须以 `~` 开始
49. #[[replicate-ignore-table]]
50. #db-name ="test"
51. #tbl-name = "~^a.*"
54. # sharding 同步规则，采用 wildcharacter
55. # 1. 星号字符 (*) 可以匹配零个或者多个字符,
56. # 例子, doc* 匹配 doc 和 document, 但是和 dodo 不匹配;
57. # 星号只能放在 pattern 结尾，并且一个 pattern 中只能有一个
58. # 2. 问号字符 (?) 匹配任一一个字符
60. #[[route-rules]]
61. #pattern-schema = "route_*"
62. #pattern-table = "abc_*"
63. #target-schema = "route"
64. #target-table = "abc"
66. #[[route-rules]]
67. #pattern-schema = "route_*"
68. #pattern-table = "xyz_*"
69. #target-schema = "route"
70. #target-table = "xyz"
72. [from]
73. host = "127.0.0.1"
74. user = "root"
75. password = ""
76. port = 3306
78. [to]
79. host = "127.0.0.1"
80. user = "root"
81. password = ""
82. port = 4000

启动 syncer:

1. ./bin/syncer -config config.toml
3. 2016/10/27 15:22:01 binlogsyncer.go:226: [info] begin to sync binlog from position (mysql-bin.000003, 1280)
4. 2016/10/27 15:22:01 binlogsyncer.go:130: [info] register slave for master server 127.0.0.1:3306
5. 2016/10/27 15:22:01 binlogsyncer.go:552: [info] rotate to (mysql-bin.000003, 1280)
6. 2016/10/27 15:22:01 syncer.go:549: [info] rotate binlog to (mysql-bin.000003, 1280)

在 MySQL 插入新的数据

1. INSERT INTO t1 VALUES (4, 4), (5, 5);

登录到 TiDB 查看：

1. mysql -h127.0.0.1 -P4000 -uroot -p
2. mysql> select * from t1;
3. +----+------+
4. | id | age |
5. +----+------+
6. | 1 | 1 |
7. | 2 | 2 |
8. | 3 | 3 |
9. | 4 | 4 |
10. | 5 | 5 |
11. +----+------+

syncer 每隔 30s 会输出当前的同步统计，如下

1. 2017/06/08 01:18:51 syncer.go:934: [info] [syncer]total events = 15, total tps = 130, recent tps = 4,
2. master-binlog = (ON.000001, 11992), master-binlog-gtid=53ea0ed1-9bf8-11e6-8bea-64006a897c73:1-74,
3. syncer-binlog = (ON.000001, 2504), syncer-binlog-gtid = 53ea0ed1-9bf8-11e6-8bea-64006a897c73:1-17
4. 2017/06/08 01:19:21 syncer.go:934: [info] [syncer]total events = 15, total tps = 191, recent tps = 2,
5. master-binlog = (ON.000001, 11992), master-binlog-gtid=53ea0ed1-9bf8-11e6-8bea-64006a897c73:1-74,
6. syncer-binlog = (ON.000001, 2504), syncer-binlog-gtid = 53ea0ed1-9bf8-11e6-8bea-64006a897c73:1-35

可以看到，使用 syncer，我们就能自动的将 MySQL 的更新同步到 TiDB。