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/(5*60+48.30);
- +------------------------+
- | 200000000/(5*60+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***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 。
