mydumper原理4

Mydumper是一个针对mysql和Drizzle的高性能多线程备份和恢复工具。开发人员分别来自MySQL，Facebook，SkySQL公司。目前已经在有一些大型产品业务上测试并使用了Mydumper。分稳定版和开发版两种，目前最新稳定版是0.2.3和最新开发版是0.5.1。恢复时可使用myloader工具。

Mydumper主要特性：

1. 轻量级C语言写的代码
2. 比mysqldump接近快10倍的速度
3. 事务性和非事务性表一致的快照（适用于0.22+）
4. 快速的文件压缩(file compression on-the-fly)
5. 支持导出binlog
6. 多线程恢复（ 0.2.1+）
7. 可以用守护进程的工作方式，定时的扫描和输出连续的二进制日志
8. 开源 (GNU GPLv3)

mydumper安装方法：

# wget http://launchpadlibrarian.net/77098505/mydumper-0.5.1.tar.gz

在CentOS 6.0上测试的，安装前：

#yum install glib2-devel mysql-devel zlib-devel pcre-devel
#apt-get install libglib2.0-dev libmysqlclient15-dev zlib1g-dev libpcre3-dev（Ubuntu/Debian用户）
#tar -xzvf mydumper-0.5.1.tar.gz 
#cd mydumper-0.5.1 
#cmake . 
#make;make install

mydumper的使用和源代码分析

解析参数：

使用glib的g_option_context_parse，比libc里的getopt_long简单多了。连接目标数据库，通过show processlist来判断是否有长查询，如果有长查询则退出dump，可以通过–long-query-guard加长时间，或者使用–kill-long-queries杀掉长查询，锁定myisam表，针对innodb table开启事务。

产生3个消息队列(线程ready队列、任务队列、myisam表处理完毕队列)。

conf.queue = g_async_queue_new();
conf.ready = g_async_queue_new();
conf.unlock_tables= g_async_queue_new();

产生指定的线程个数，–threads可以指定，默认是4个。

GThread **threads = g_new(GThread*,num_threads);
struct thread_data *td= g_new(struct thread_data, num_threads);
for (n=0; n<num_threads; n++) {
    td[n].conf= &conf;
    td[n].thread_id= n+1;
    threads[n] = g_thread_create((GThreadFunc)process_queue,&td[n],TRUE,NULL);
    g_async_queue_pop(conf.ready);
}

dump_database，从DATA_DICTIONARY.TABLES读取所有表，通过–ignore, –tables-list, regex等过滤条件，产生需要dump的目标表列表，分别插入innodb_tables、non_innodb_table、table_schemas三个链表。

query= g_strdup_printf("SELECT TABLE_NAME, ENGINE, TABLE_TYPE as COMMENT FROM DATA_DICTIONARY.TABLES WHERE TABLE_SCHEMA='%s'", database);
    ....
innodb_tables= g_list_append(innodb_tables, dbt);
    ....
non_innodb_table= g_list_append(non_innodb_table, dbt);
    ....
table_schemas= g_list_append(table_schemas, dbt);

dump non-innodb table 把需要导出myisam表加入到任务队列。

for (non_innodb_table= g_list_first(non_innodb_table); non_innodb_table; non_innodb_table= g_list_next(non_innodb_table)) {
         dbt= (struct db_table*) non_innodb_table->data;
         dump_table(conn, dbt->database, dbt->table, &conf, FALSE);
         g_atomic_int_inc(&non_innodb_table_counter);
}

dump innodb table把需要导出innodb表加入任务队列。

for (innodb_tables= g_list_first(innodb_tables); innodb_tables; innodb_tables= g_list_next(innodb_tables)) {
         dbt= (struct db_table*) innodb_tables->data;
         dump_table(conn, dbt->database, dbt->table, &conf, TRUE);
}

dump schema 把需要导出表结构任务加入到任务队列。

for (table_schemas= g_list_first(table_schemas); table_schemas; table_schemas= g_list_next(table_schemas)) {
         dbt= (struct db_table*) table_schemas->data;
         dump_schema(dbt->database, dbt->table, &conf);
         g_free(dbt->table);
         g_free(dbt->database);
         g_free(dbt);
}

典型的生产者（主线程）消费者（子线程）模式，子线程会从任务队列里读取需要处理的表名字和表类型，再通过select * from table_name 读入数据各自写入到各自的文件。

for(;;) {
    ....
    job=(struct job *)g_async_queue_pop(conf->queue);
    ....
    switch (job->type) {
        case JOB_DUMP:
            ....
            dump_table_data_file(thrconn, tj->database, tj->table, tj->where, tj->filename);
            ....
        case JOB_DUMP_NON_INNODB:
            ....
            dump_table_data_file(thrconn, tj->database, tj->table, tj->where, tj->filename);
        case JOB_SCHEMA:
            ....
            dump_schema_data(thrconn, sj->database, sj->table, sj->filename);
}

所有导数据的任务加入任务队列之后，会再加入让线程退出的任务，让线程自然退出。

case JOB_SHUTDOWN:
    g_message("Thread %d shutting down", td->thread_id);
    if (thrconn)
        mysql_close(thrconn);
    g_free(job);
    mysql_thread_end();
    return NULL;
    break;

解除myisam表锁，等待子线程退出。

使用

导出test database的数据

mydumper -h 127.0.0.1 -u root --database test

指定某个目录

mydumper -h 127.0.0.1 -u root --outputdir=.

不导出表结构

mydumper -h 127.0.0.1 -u root --no-schema

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）

mydumper -h 127.0.0.1 -u root --build-empty-files

设置长查询的上限，如果存在比这个还长的查询则退出mydumper，也可以设置杀掉这个长查询

mydumper -h 127.0.0.1 -u root --long-query-guard 200 --kill-long-queries

设置要dump的列表–tables-list，不需要设置db名字，逗号分割

mydumper -h 127.0.0.1 -u root --tables-list=ddd,zzz

通过regex也设置正则表达，需要设置db名字

mydumper -h 127.0.0.1 -u root --regex=test.z

把单表分成多个chunks，这个后面会讲分割的原理

mydumper -h 127.0.0.1 -u root --rows 10000

过滤某个引擎的表

mydumper -h 127.0.0.1 -u root -B test --ignore-engines=innodb

详细日志

mydumper -h 127.0.0.1 -u root -B test -v 3

几个注意点

各自线程都要自己连接到数据库，因为libmysql是线程不安全的。
因为对myisam表有有表锁，所有先处理myisam表，记录myisam表个数，每处理一个myisam都原子操作数量减一。并在myisam表都处理完毕后，立即解锁，尽量减少锁定的时间，而不是在导出innodb表数据的时候还在lock myisam表。

main_thread

for (non_innodb_table= g_list_first(non_innodb_table); non_innodb_table; non_innodb_table= g_list_next(non_innodb_table)) {
        dbt= (struct db_table*) non_innodb_table->data;
        dump_table(conn, dbt->database, dbt->table, &conf, FALSE);
        g_atomic_int_inc(&non_innodb_table_counter);
}

child_thread

if (g_atomic_int_dec_and_test(&non_innodb_table_counter) && g_atomic_int_get(&non_innodb_done)) {
        g_async_queue_push(conf->unlock_tables, GINT_TO_POINTER(1));
}

main_thread

g_async_queue_pop(conf.unlock_tables);
g_message("Non-InnoDB dump complete, unlocking tables");
mysql_query(conn, "UNLOCK TABLES");

–regex的处理在–tables-list后， 先满足–tables-list再满足–regex，如下只会dump表z1

mydumper -h 127.0.0.1 -u root --regex=test.z1 --outputdir=. --rows=10000 -v 3 -e --tables-list=z2,z1
** Message: Thread 1 dumping data for `test`.`z1`
** Message: Thread 2 dumping schema for `test`.`z1`

–rows的使用，设置–rows可以把一个表分成多个文件。分块的原则并不是根据–rows设定的行数来决定生成文件里包含的函数，而是通过rows和表的总行数计算出要生成的文件个数，尽量保证每个文件的大小一致。

表的总行数是如何获得的？
首先mydumper会选择一个索引，顺序是pk、uk或者show index from table里Cardinality最高的一个索引，再通过explain select index from table的rows字段获得总行数total_nums（可能不准确），于是第一个文件就是从select * from table where index >=1 and index < total_nums/ (int(total_nums/ rows) – 1) + 1。每个分块可以分到不同的线程，所以即便同一个表dump都可以很快加速。

ps：这个项目大量使用glib（gnome）比较少见，看了一下glib doc觉得glib设计的挺好的用起来很方便，否则实现一个消息队列加多线程还是要几百行代码的。接下来要看mydumper0.50的代码。

mydumper主要参数：

–host, -h 连接的mysql服务器 
–user, -u 用户备份的连接用户
–password, -p
–port, -P 连接端口
–socket, -S 连接socket文件
–database, -B 需要备份的数据库
–table-list, -T 需要备份的表，用,分隔
–outputdir, -o 输出的目录 
–build-empty-files ，-e 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 
–regex, -x 支持正则表达式，如mydumper –regex ’^(?!(mysql|test))’
–ignore-engines, -i 忽略的存储引擎
–no-schemas, -m 不导出表结构 
–long-query-guard 长查询，默认60s,超过则通过mydumper
–kill-long-queries, -k 可以设置kill长查询
–verbose, -v 0 = silent, 1 = errors, 2 = warnings, 3 = info，默认是2
–binlogs, -b 导出binlog
–daemon, -D 启用守护进程模式 
–snapshot-interval, -I dump快照间隔时间，默认60s 
–logfile, -L mysqldumper日志输出，一般在Daemon模式下使用
myloader 大多参数和mydumper一样
–directory, -d 要还原的数据目录
–overwrite-tables, -o Drop any existing tables when restoring schemas