MySQL兩千萬資料優化&遷移

sibenx發表於2016-08-31
MySql優化

最近有一張2000W條記錄的資料表需要優化和遷移。2000W資料對於MySQL來說很尷尬，因為合理的建立索引速度還是挺快的，再怎麼優化速度也得不到多大提升。不過這些資料有大量的冗餘欄位和錯誤資訊，極不方便做統計和分析。所以我需要建立一張新表，把舊錶中的資料一條一條取出來優化後放回新表；

一. 清除冗餘資料，優化欄位結構

2000W資料中，能作為查詢條件的欄位我們是預知的。所以將這部分資料單獨建立新的欄位，對於有規則的資料合理改變欄位結構，比如身份證就是varchar(18)。對於不重要的資料我們合併後存在一個結構為text的欄位。

對於一些有關聯的資料我們需要計算，常見的比如身份證種能獲取到準確的性別，出生地、生日、年齡。

二. 資料遷移

我們從資料庫中取出一條舊資料，再通過計算處理後得到想要的新資料，最後將新資料插入新表。不過在獲取新資料時遇到如下問題。

  1. 資料量太大，無法一次獲取（2000W資料扔到記憶體挺可怕的）；

    我們可以通過MySQL的limit語法分批獲取。比如每次獲取50000，SQL語句如下：

    select * from table_name limit 15000000,50000;

    通過這種方法能解決資料量太大的問題，但是隨著limit的第一個引數越來越大，查詢速度會慢的嚇人（上面這條SQL執行會花35秒）。時間就是生命，於是我們開始優化SQL語句，優化後變成下面這樣：

    select * from table_name order by id desc limit 5000000,50000;

    可通過二分法拆分2000W資料，當執行到1000W資料時，將資料倒序。優化後SQL執行效率顯著提升，從35秒降到9秒；

    不過還是很慢，時間就是生命……還好我們有自增ID（建立資料表第一條定律，一定要有自增欄位），優化後的SQl如下：

    1. select * from table_name where id>15000000 and id<15050000；
2. select * from table_name where id>15000000 limit 50000;

    為了直觀演示，我寫了兩條功能一樣的SQL。相比第一條，第二條的limit會導致SQL的索引命中變差，效率同樣也會下降。第一條SQL的執行時間是2毫秒，第二條執行時間5毫秒（我取的平均值）。每次資料的查詢速度直接從35秒降到2毫秒……

  2. 資料量太大並且資料無法預估，某些特殊資料會導致資料匯入失敗；

    我們有三種方案去將新資料存入新表，分別如下：

    1. 一條一條插入資料；

    開始肯定會想這種方案一定不行，因為每次插入都會有一次資料庫IO操作。但是該方案有個好處是能及時發現有問題的資料，修改後再繼續執行； 在Oracle中使用『繫結變數』能帶來效能提升，正好MySQL也提供了『繫結變數』的功能。於是在不改變邏輯的情況下，嘗試優化資料儲存速度。程式碼如下：

    public function actionTest(array $data)
{
    $mysqli = new mysqli("192.168.1.106", "username", "password", "test");
    $sql = "insert into table_name(name,identity) values (?,?)";

    $stmt = $connection->prepare($sql);
    $name = "";
    $identity = "";
    //使用繫結變數
    $stmt->bind_param("si", $name, $identity);
    foreach($data as $val)
    {
        $name = $val[name];
        $identity = $val[card_id];
        //執行
        $stmt->execute();
    }
    $stmt->close();
}

    最後效果不怎麼好，MySQL的『繫結變數』並沒帶來明顯的速度提升，不過能有效的防止SQL隱碼攻擊；

    1. 一次插入50000條資料；

    這是我最後選中的方案，一是能及時發現有問題的資料，二是匯入資料非常穩定。就像支援斷點續傳一樣，每一步都能看到效果。在執行指令碼時，也能同步開始寫分析邏輯；

    1. 組裝成SQL檔案，最後統一匯入；

    組裝一個大的SQL檔案，最後通過MySQL自帶的工具匯入也是極好的。但如果有一條SQL有問題，你可能需要重跑一次指令碼。因為在9G大小的文字檔案中修改一個符號是很痛苦的事情……

三. 總結

通過各種優化，最後將指令碼執行時間縮短到了20分鐘內。優化後資料質量得到了較高保證，下次將嘗試2億資料的優化&遷移……

PS：原文地址 http://blog.it2048.cn/article_2000w-data.html 之後我會陸續把自己部落格遷移到雲棲社群，希望大家關注！


相關文章