Myloader导入更快吗？并没有......-51CTO.COM

0. 结论先行

重要结论先说：导入大批量数据时，采用GreatSQL 8.0.32-24中新增并行load data特性是最快的，关于该特性的描述详见：Changes in GreatSQL 8.0.32-24。

1. 背景介绍

前几天我用MySQL官网提供的airportdb库中的weatherdata表做测试，结论是相比原生快了约5倍。

群里有小伙伴反驳说用myloader更香，于是就有了本次测试。

由于weatherdata表较小，表空间只有228MB，所以我改用sysbench表做测试，该表共600万行数据，表空间约1.5GB，其他信息如下：

greatsql> show create table myload\G
*************************** 1. row ***************************
       Table: myload
Create Table:CREATE TABLE `myload` (
  `id` int NOT NULL AUTO_INCREMENT,
  `k` int NOT NULL DEFAULT '0',
  `c` char(120) NOT NULL DEFAULT '',
  `pad` char(60) NOT NULL DEFAULT '',
  PRIMARY KEY (`id`),
  KEY `k_2` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=6194244 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

greatsql> show table status like 'myload'\G
*************************** 1. row ***************************
           Name: myload
         Engine: InnoDB
        Version: 10
     Row_format: Dynamic
           Rows: 5930876
 Avg_row_length: 233
    Data_length: 1385168896
Max_data_length: 0
   Index_length: 153894912
      Data_free: 7340032
 Auto_increment: 6194244
    Create_time: 2023-07-08 09:25:02
    Update_time: 2023-07-08 09:25:33
     Check_time: NULL
      Collation: utf8mb4_0900_ai_ci
       Checksum: NULL
 Create_options:
        Comment:1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.

2. 测试过程

本次测试基于GreatSQL 8.0.32-24版本，其他相关信息如下：

# myloader版本
$ myloader --version
myloader0.15.0-1, built against MySQL 5.7.42-46 with SSL support with GZIP

# MySQL Shell版本
 JS > shell.version
Ver 8.0.32 for Linux on x86_64 - for MySQL 8.0.32 (MySQL Community Server (GPL))1.
2.
3.
4.
5.
6.
7.

默认开启binlog + 双1 + redo log + doublewrite buffer：

|binlog_rows_query_log_events |ON|
| innodb_buffer_pool_size | 8589934592|innodb_doublewrite |ON|
|innodb_flush_log_at_trx_commit |1|
|innodb_redo_log_capacity |2147483648|
|sync_binlog |1|1.
2.
3.
4.
5.

3. 结果对比

下面是几个不同导入方式的对比测试结果，每种方式我都测试至少3次，去除噪点数据后取平均值：

工具	耗时(秒)	binlog大小(MB)	mysqld内存增长(MB)
原生load data	62.801741	1091	1536
并行load data(chunk=4MB，并发16线程)	11.81	1091	1522
myloader（dump时chunk=64MB，load时并发16线程）	29.358	2246	1868
myloader（dump时chunk=64MB，load时并发16线程）+ 关binlog	21.426	无
myloader（默认 + 开binlog）	82.651	2246
myloader（默认 + 关binlog）	62.830	无
util.importTable（默认，chunk=64MB，并发8线程）	16.0034	1091	1662

从这个测试结果可以看到几个对比关系：

原生load data最慢，因为是单线程的，它的耗时是并行load data的5.32倍；
原生load data的耗时是多线程模式下myloader的2.14倍；
原生load data的耗时是多线程模式下util.importTable的3.92倍；
当myloader没有开启并行（mydumper备份时要先进行分配）的话，它的耗时是最久的，是并行load data的7倍，是多线程模式下util.importTable的5.16倍；
当myloader未开启binlog时（其默认行为，有"作弊"嫌疑），其耗时是并行load data的1.81倍，是多线程模式下util.importTable的1.34倍；
最后，myloader导入后造成的binlog文件最大，内存开销也最大。

图片

综上，在MySQL 8.0/GreatSQL 8.0.32中，采用myloader导入数据就不再是最优方案了，推荐采用GreatSQL的并行load data，或者MySQL Shell的util.loadDump/util.importTable导入，其本质也是采用并行的思路，导入效率更高，额外的binlog和内存开销也更小。

最后，补充说下，myloader导入时产生的binlog更多，是因为它的导入方式是反复执行INSERT SQL，在 binlog_rows_query_log_events = ON 时，相比load data方式会产生更多binlog。

附录

1. myloader多分片方式导出

设置导出时进行分片，每个分片（chunk）10MB

$ mydumper -F 10 -S /data/GreatSQL/mysql.sock -T sbtest.myload -o /tmp/myload1.

最后的（未压缩）文件总大小为1.2GB。

2. outfile导出

greatsql> select * into outfile '/tmp/myload.csv' from myload;1.

很简单，平平无奇，最后的（未压缩）文件总大小为1.1GB。

3. util.dumpTables多分片方式导出设置导出时进行分片，每个分片（chunk）64MB（默认值）

MySQL  localhost  JS > util.dumpTables("sbtest", ["myload"], "/tmp/myload", {threads:16, chunking:true, byt1.