MySQL 快速刪除大量資料（千萬級別）的幾種實踐方案——附原始碼

那肉香腸發表於2020-09-19
MySql原始碼

筆者最近工作中遇見一個效能瓶頸問題，MySQL表，每天大概新增776萬條記錄，儲存週期為7天，超過7天的資料需要在新增記錄前老化。連續執行9天以後，刪除一天的資料大概需要3個半小時（環境：128G, 32核，4T硬碟），而這是不能接受的。當然如果要整個表刪除，毋庸置疑用

TRUNCATE TABLE就好。

最初的方案（因為未預料到刪除會如此慢），程式碼如下（最簡單和樸素的方法）:

delete from table_name where cnt_date <= target_date

 

 後經過研究，最終實現了飛一般(1秒左右)的速度刪除770多萬條資料，單張表總資料量在4600萬上下，最佳化過程的方案層層遞進，詳細記錄如下：

  • 批次刪除（每次限定一定數量），然後迴圈刪除直到全部資料刪除完畢；同時 key_buffer_size  由預設的8M提高到512M

  執行效果：刪除時間大概從3個半小時提高到了3小時

（1）透過 limit (具體size 請酌情設定）限制一次刪除的資料量，然後判斷資料是否刪除完，附原始碼如下（Python實現）：

def delete_expired_data(mysqlconn, day):
    mysqlcur = mysqlconn.cursor()
    delete_sql = "DELETE from table_name where cnt_date<='%s' limit 50000" % day
    query_sql = "select srcip from table_name  where cnt_date <= '%s' limit 1" % day    try: 
        df = pd.read_sql(query_sql, mysqlconn)        while True:            if df is None or df.empty:                break
            mysqlcur.execute(delete_sql)
            mysqlconn.commit()
            df = pd.read_sql(query_sql, mysqlconn)    except:
       mysqlconn.rollback()

 

（2）增加 key_buffer_size

mysqlcur.execute("SET GLOBAL key_buffer_size = 536870912")

key_buffer_size是global變數，詳情參見Mysql官方文件：  https://dev.mysql.com/doc/refman/5.7/en/server-configuration.html

  • DELETE QUICK + OPTIMIZE TABLE

  適用場景：MyISAM Tables

  Why: MyISAM刪除的資料維護在一個連結串列中，這些空間和行的位置接下來會被Insert的資料複用。 直接的delete後，mysql會合並索引塊，涉及大量記憶體的複製移動；而OPTIMIZE TABLE直接重建索引，即直接把資料塊情況，再重新搞一份（聯想JVM垃圾回收演算法）。

執行效果：刪除時間大3個半小時提高到了1小時40分

具體程式碼如下：

def delete_expired_data(mysqlconn, day):
    mysqlcur = mysqlconn.cursor()
    delete_sql = "DELETE QUICK from table_name where cnt_date<='%s' limit 50000" % day
    query_sql = "select srcip from table_name where cnt_date <= '%s' limit 1" % day
    optimize_sql = "OPTIMIZE TABLE g_visit_relation_asset"
    try: 
        df = pd.read_sql(query_sql, mysqlconn)        while True:            if df is None or df.empty:                break
            mysqlcur.execute(delete_sql)
            mysqlconn.commit()
            df = pd.read_sql(query_sql, mysqlconn)
        mysqlcur.execute(optimize_sql)
        mysqlconn.commit()    except:
       mysqlconn.rollback()
  • 表分割槽，直接刪除過期日期所在的分割槽（最終方案—秒殺）

 MySQL表分割槽有幾種方式，包括RANGE、KEY、LIST、HASH，具體參見官方文件。因為這裡的應用場景日期在變化，所以不適合用RANGE設定固定的分割槽名稱，HASH分割槽更符合此處場景

（1）分割槽表定義，SQL語句如下：

ALTER TABLE table_name PARTITION BY HASH(TO_DAYS(cnt_date)) PARTITIONS 7;

TO_DAYS將日期（必須為日期型別，否則會報錯: Constant, random or timezone-dependent expressions in (sub)partitioning function are not allowed）轉換為天數（年月日總共的天數），然後HASH；建立7個分割槽。實際上，就是  days MOD  7 。


（2）查詢出需要老化的日期所在的分割槽,SQL語句如下：

"explain partitions select * from g_visit_relation_asset where cnt_date = '%s'" % expired_day

執行結果如下（ partitions列即為所在分割槽）：

+----+-------------+------------------+------------+------+----------------+------+---------+------+---------+----------+-------------+
| id | select_type | table            | partitions | type | possible_keys  | key  | key_len | ref  | rows    | filtered | Extra       |
+----+-------------+------------------+------------+------+----------------+------+---------+------+---------+----------+-------------+
|  1 | SIMPLE      | table_name       | p1         | ALL  | cnt_date_index | NULL | NULL    | NULL | 1325238 |   100.00 | Using where |
+----+-------------+------------------+------------+------+----------------+------+---------+------+---------+----------+-------------+1 row in set, 2 warnings (0.00 sec)

（3）OPTIMIZE or REBUILD partition,SQL語句如下：

"ALTER TABLE g_visit_relation_asset OPTIMIZE PARTITION '%s'" % partition

完整程式碼如下【Python實現】，迴圈刪除小於指定日期的資料：

def clear_partition_data(mysqlconn, day):
    mysqlcur = mysqlconn.cursor()
    expired_day = day
    query_partition_sql = "explain partitions select * from table_name where cnt_date = '%s'" % expired_day    # OPTIMIZE or REBUILD after truncate partition
    try: 
        while True:
            df = pd.read_sql(query_partition_sql, mysqlconn)            if df is None or df.empty:                break
            partition = df.loc[0, 'partitions']            if partition is not None:
                clear_partition_sql = "alter table table_name TRUNCATE PARTITION %s" % partition
                mysqlcur.execute(clear_partition_sql)
                mysqlconn.commit()
                optimize_partition_sql = "ALTER TABLE table_name OPTIMIZE PARTITION %s" % partition
                mysqlcur.execute(optimize_partition_sql)
                mysqlconn.commit()
            
            expired_day = (expired_day - timedelta(days = 1)).strftime("%Y-%m-%d")
            df = pd.read_sql(query_partition_sql, mysqlconn)    except:
       mysqlconn.rollback()

 

  •  其它

 如果刪除的資料超過表資料的百分之50，建議複製所需資料到臨時表，然後刪除原表，再重新命名臨時表為原表，附MySQL如下：

   INSERT INTO New
      SELECT * FROM Main
         WHERE ...;  -- just the rows you want to keep
   RENAME TABLE main TO Old, New TO Main;
   DROP TABLE Old;   -- Space freed up here

可透過：  ALTER TABLE table_name REMOVE PARTITIONING 刪除分割槽，而不會刪除相應的資料

參考：

1） https://dev.mysql.com/doc/refman/5.7/en/alter-table-partition-operations.html 具體分割槽說明

2）   刪除大資料的解決方案

  本文版權歸作者和部落格園共有，歡迎轉載，但未經作者同意必須保留此段宣告，且在文章頁面明顯位置給出原文連線，否則保留追究法律責任的權利。

************************************************************************

精力有限，想法太多，專注做好一件事就行

  • 我只是一個程式猿。5年內把程式碼寫好，技術部落格字字推敲，堅持零複製和原創
  • 寫部落格的意義在於 打磨文筆，訓練邏輯條理性，加深對知識的系統性理解；如果恰好又對別人有點幫助，那真是一件令人開心的事


來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69959503/viewspace-2722526/，如需轉載，請註明出處，否則將追究法律責任。

相關文章