使用tar+pigz+ssh實現大資料的高效傳輸

以前我們跨主機拷貝大資料的時候，比如要拷貝超過100GB的mysql原始資料，我們通常的做法如下：

• 在源端打包壓縮為tar.gz檔案
• 採用scp或者rsync等方式拷貝到目標主機
• 在目標主機解壓檔案

這三個過程是同步阻塞，即不能同時非同步執行，導致效率低下。

現在我們將過程優化為以資料流的方式，同時執行（非阻塞模式），則效率一般可以提高到原來的3倍以上，具體實現如下：

磁碟讀取---->打包---->壓縮------>傳輸---->解壓縮-->拆包---->落盤

                     |->tar     |->gzip      |->ssh      |->gzip   |->tar

比如我要將本地的test目錄拷貝到“目標IP”的的data目錄，則命令如下：

tar -c test/ |pigz |ssh -c arcfour128 目標IP "gzip -d|tar -xC /data"

當然，這裡的解壓過程仍然用了效率比較低下的gzip，如果將解壓工具換成lz4（但需要單獨編譯安裝），則效率可以再提高不少。

如果不需要解壓，則命令變為：

tar -c test/ |pigz |ssh -c arcfour128 目標IP "cat >/data/test.tar.gz"

注：因為採用了流式壓縮，解壓過程必須加上-i引數，及tar –ixf /data/test.tar.gz 。

說明： pigz是一個高效的壓縮工具，可以將多核CPU的每一分剩餘效能都用來做壓縮計算。而傳統的gzip則只能用單核CPU。比如一臺2個8core cpu伺服器採用pigz和gzip壓縮相同的資料，一般效能差距至少在7-8倍以上（一般不會達到理論的16倍，因為受限於磁碟的讀寫速度和記憶體等資源）。