>>分享SPSS,Hadoop等大数据处理技术,以及分布式架构以及集群系统的构建 书籍支持  卫琴直播  品书摘要  在线测试  资源下载  联系我们
发表一个新主题 开启一个新投票 回复文章 您是本文章第 21397 个阅读者 刷新本主题
 * 贴子主题:  MySQL 每秒 570000 的写入,如何实现 回复文章 点赞(0)  收藏  
作者:flybird    发表时间:2020-01-22 04:47:58     消息  查看  搜索  好友  邮件  复制  引用

一、需求

    一个朋友接到一个需求,从大数据平台收到一个数据写入在20亿+,需要快速地加载到MySQL中,供第二天业务展示使用。

二、实现再分析

    对于单表20亿, 在MySQL运维,说真的这块目前涉及得比较少,也基本没什么经验,但对于InnoDB单表Insert 如果内存大于数据情况下,可以维持在10万-15万行写入。 但很多时间我们接受的项目还是数据超过内存的。 这里使用XeLabs TokuDB做一个测试。

三、XeLabs TokuDB 介绍

    项目地址: https://github.com/XeLabs/tokudb

    相对官方TokuDB的优化:

    内置了jemalloc 内存分配

引入更多的内置的TokuDB性能指标

支持Xtrabackup备份

引入ZSTD压缩算法

支持TokuDB的binlog_group_commit特性

四、测试表

TokuDB核心配置:

loose_tokudb_cache_size=4G

loose_tokudb_directio=ON

loose_tokudb_fsync_log_period=1000

tokudb_commit_sync=0

表结构

CREATE TABLE   user_summary  (

  user_id  bigint(20) unsigned NOT NULL COMMENT '用户id/手机号',

  weight  varchar(5) DEFAULT NULL COMMENT '和码体重(KG)',

  level  varchar(20) DEFAULT NULL COMMENT '重量级',

  beat_rate  varchar(12) DEFAULT NULL COMMENT '击败率',

  level_num  int(10) DEFAULT NULL COMMENT '同吨位人数',

UNIQUE KEY   u_user_id  (  user_id )

) ENGINE=TokuDB DEFAULT CHARSET=utf8

利用load data写入数据

root@localhost [zst]>LOAD DATA INFILE '/u01/work/134-136.txt'

INTO TABLE user_summary(user_id, weight, level, beat_rate,level_num);

Query OK, 200000000 rows affected (5 min 48.30 sec)

Records: 200000000 Deleted: 0 Skipped: 0 Warnings: 0

计算一下每秒写入速度:

    root@localhost [zst]>select 200000000/(560+48.30);

+------------------------+

| 200000000/(560+48.30) |

+------------------------+

| 574217.6285 |

+------------------------+

1 row in set (0.00 sec)

文件大小:

-rw-r--r-- 1 root root 8.5G 11月 25 20:05 134-136.txt

-rw-r----- 1 mysql mysql 8.6K 11月 25 20:44 user_summary.frm

-rw-r----- 1 mysql mysql 3.5G 11月 25 20:51 user_summary_main_229_1_1d_B_0.tokudb

实际文件8.5G,写入TokuDB大小3.5G,只是接近于一半多点的压缩量。 对于20亿数据写入,实际测试在58分钟多点就可以完成。可以满足实际需求,另外对于磁盘IO比较好的机器(SSD类盘,云上的云盘),如果内存和数据差不多情况,这量级数据量测试在Innodb里需要添加自增列,可以在3个小多一点完成。 从最佳实战上来看,Innodb和TokuDB都写入同样的数据,InnoDB需要花大概是TokuDB3-4倍时间。文件大小区别,同样20亿数据:

-rw-r----- 1 mysql mysql 35G 11月 25 23:29 user2_main_26a_1_1d_B_0.tokudb

-rw-r----- 1 mysql mysql 176G 11月 26 03:32 user5.ibd

文件大小在5倍大小的区别。

    测试结论:

    利用TokuDB在某云环境中8核8G内存,500G高速云盘环境,多次测试可以轻松实现57万每秒的写入量。

    另外测试几种场景也供大家参考: 如果在TokuDB中使用带自增的主键,主键无值让MySQL内部产生写入速度,下降比较明显,同样写入2亿数据,带有自建主键:

    root@localhost [zst]>CREATE TABLE   user3  (

->   user_id  bigint(20) unsigned NOT NULL COMMENT '用户id/手机号',

->   weight  varchar(5) DEFAULT NULL COMMENT '和码体重(KG)',

->   level  varchar(20) DEFAULT NULL COMMENT '重量级',

->   beat_rate  varchar(12) DEFAULT NULL COMMENT '击败率',

->   level_num  int(10) DEFAULT NULL COMMENT '同吨位人数',

->   id  bigint(20) NOT NULL AUTO_INCREMENT,

-> PRIMARY KEY (  id ),

-> UNIQUE KEY   u_user_id  (  user_id )

-> ) ENGINE=TokuDB;

Query OK, 0 rows affected (0.03 sec)

    root@localhost [zst]>LOAD DATA INFILE '/u01/work/134-136.txt' INTO TABLE user3(user_id, weight, level, beat_rate,level_num);

Query OK, 200000000 rows affected (22 min 43.62 sec)

Records: 200000000 Deleted: 0 Skipped: 0 Warnings: 0

同样的数据写入在主键自增无值产生时,不能使用TokuDB的 Bulk loader data特性,相当于转换为了单条的Insert实现,所以效果上慢太多。

    关于TokuDB Bulk Loader前提要求,这个表是空表,对于自增列,如自增列有值的情况下,也可以使用。 建议实际使用中,如果自增列有值的情况下,可以考虑去除自增属性,改成唯一索引,这样减少自增的一些处理逻辑,让TokuDB能跑地更快一点。 另外在Bulk Loader处理中为了追求更快速的写入,压缩方面并不是很好。

    关于TokuDB Bulk Loader :https://github.com/percona/PerconaFT/wiki/TokuFT-Bulk-Loader

五、测试环境说明

测试使用CentOS7环境,编译的XeLabs TokuDB版本百度云地址:https://pan.baidu.com/s/1qYRyH3I


----------------------------
原文链接:https://www.jianshu.com/p/9bf3d0dfafdc

程序猿的技术大观园:www.javathinker.net



[这个贴子最后由 flybird 在 2020-01-22 21:29:57 重新编辑]
  Java面向对象编程-->继承
  JavaWeb开发-->JSP技术详解(Ⅱ)
  JSP与Hibernate开发-->Spring、JPA与Hibernate的整合
  Java网络编程-->RMI框架
  精通Spring-->Vue组件开发高级技术
  Vue3开发-->Vue组件开发基础
  大数据存储单位介绍(TB、PB、EB、ZB、YB有多大)
  glusterfs 7 分布式存储 目前最新版实战详解
  TiDB在360的落地及实战干货
  Hadoop、Spark、HBase与Redis的适用性讨论(全文)-数据视野
  spark DAGScheduler、TaskSchedule、Executor执行task源码分...
  kafka作为流式处理的上一层,为什么吞吐量那么大?
  Java处理大数据小技巧总结
  Flume+Kafka+Storm+Redis构建大数据实时处理系统:实时统计网...
  Hadoop的简单单词统计案例
  Hadoop小文件优化
  大数据的学习方向
  将 Java 应用程序扩展到移动领域和云
  数据仓库的两种建模方法
  Hadoop的安装和基本操作命令
  大数据的处理技术
  更多...
 IPIP: 已设置保密
树形列表:   
1页 0条记录 当前第1
发表一个新主题 开启一个新投票 回复文章


中文版权所有: JavaThinker技术网站 Copyright 2016-2026 沪ICP备16029593号-2
荟萃Java程序员智慧的结晶,分享交流Java前沿技术。  联系我们
如有技术文章涉及侵权,请与本站管理员联系。