Percona Toolkit 之pt-archiver归档工具（二）

MySql 数据归档
MySql 数据库
发布日期:   2019-05-22
文章字数:   3.2k

Percona-Toolkit

简介

pt-archiver是Percona-Toolkit工具集中的一个组件，是一个主要用于对MySQL表数据进行归档和清除工具。它可以将数据归档到另一张表或者是一个文件中。pt-archiver在清除表数据的过程中并不会影响OLTP事务的查询性能。对于数据的归档，它可以归档到另一台服务器上的另一张表，也可归档到一个文件中，文件可以用LOAD DATA INFILE进行数据装载，这个功能其实就类似是表历史数据的增量删除。官网文档

参数说明

--analyze
指定工具完成数据归档后对表执行'ANALYZE TABLE'操作。指定方法如'--analyze=ds'，s代表源端表，d代表目标端表，也可以单独指定。

--ask-pass
命令行提示密码输入，保护密码安全，前提需安装模块perl-TermReadKey。

--buffer
指定缓冲区数据刷新到选项'--file'指定的文件并且在提交时刷新。
只有当事务提交时禁用自动刷新到'--file'指定的文件和刷新文件到磁盘，这意味着文件是被操作系统块进行刷新，因此在事务进行提交之前有一些数据隐式刷新到磁盘。默认是每一行操作后进行文件刷新到磁盘。

--bulk-delete
指定单个语句删除chunk的方式来批量删除行，会隐式执行选项'--commit-each'。
使用单个DELETE语句删除每个chunk对应的表行，通常的做法是通过主键进行逐行的删除，批量删除在速度上会有很大的提升，但如果有复杂的'WHERE'条件就可能会更慢。

--[no]bulk-delete-limit
默认值：yes
指定添加选项'--bulk-delete'和'--limit'到进行归档的语句中。

--bulk-insert
使用LOAD DATA LOCAL INFILE的方法，通过批量插入chunk的方式来插入行(隐式指定选项'--bulk-delete'和'--commit-each')
而不是通过逐行单独插入的方式进行，它比单行执行INSERT语句插入的速度要快。通过隐式创建临时表来存储需要批量插入的行(chunk)，而不是直接进行批量插入操作，当临时表中完成每个chunk之后再进行统一数据加载。为了保证数据的安全性，该选项会强制使用选项'--bulk-delete'，这样能够有效保证删除是在插入完全成功之后进行的。

--channel
指定当主从复制环境是多源复制时需要进行归档哪个主库的数据，适用于多源复制中多个主库对应一个从库的情形。

--charset，-A
指定连接字符集。

--[no]check-charset
默认值：yes
指定检查确保数据库连接时字符集和表字符集相同。

--[no]check-columns
默认值：yes
指定检查确保选项'--source'指定的源端表和'--dest'指定的目标表具有相同的字段。
不检查字段在表的排序和字段类型，只检查字段是否在源端表和目标表当中都存在，如果有不相同的字段差异，则工具报错退出。如果需要禁用该检查，则指定'--no-check-columns'。

--check-slave-lag
指定主从复制延迟大于选项'--max-lag'指定的值之后暂停归档操作。默认情况下，工具会检查所有的从库，但该选项只作用于指定的从库(通过DSN连接方式)。

--check-interval
默认值：1s
如果同时指定了选项'--check-slave-lag'，则该选项指定的时间为工具发现主从复制延迟时暂停的时间。每进行操作100行时进行一次检查。

--columns，-c
指定需要归档的表字段，如有多个则用','(逗号)隔开。

--commit-each
指定按每次获取和归档的行数进行提交，该选项会禁用选项'--txn-size'。
在每次获取表数据并进行归档之后，在获取下一次数据和选项'--sleep'指定的休眠时间之前，进行事务提交和刷新选项'--file'指定的文件，通过选项'--limit'控制事务的大小。

--host，-h
指定连接的数据库IP地址。

--port，-P
指定连接的数据库Port端口。

--user，-u
指定连接的数据库用户。

--password，-p
指定连接的数据库用户密码。

--socket，-S
指定使用SOCKET文件连接。

--databases，-d
指定连接的数据库

--source
指定需要进行归档操作的表，该选项是必须指定的选项，使用DSN方式表示。

--dest
指定要归档到的目标端表，使用DSN方式表示。
如果该选项没有指定的话，则默认与选项'--source'指定源端表为相同表。

--where
指定通过WHERE条件语句指定需要归档的数据，该选项是必须指定的选项。不需要加上'WHERE'关键字，如果确实不需要WHERE条件进行限制，则指定'--where 1=1'。

--file
指定表数据需要归档到的文件。使用类似MySQL DATE_FORMAT()格式化命名方式。
文件内容与MySQL中SELECT INTO OUTFILE语句使用相同的格式，文件命名选项如下所示：
'
%Y：年，4位数(Year, numeric, four digits)     	
%m：月，2位数(Month, numeric (01..12))      	
%d：日，2位数(Day of the month, numeric (01..31)) 	
%H：小时(Hour (00..23))              	
%i：分钟(Minutes, numeric (00..59))        	
%s：秒(Seconds (00..59))             
%D：数据库名(Database name)            
%t：表名(Table name)               	

例如：--file '/var/log/archive/%Y-%m-%d-%D.%t'
'

--output-format
指定选项'--file'文件内容输出的格式。
默认不指定该选项是以制表符进行字段的分隔符，如果指定该选项，则使用','(逗号)作为字段分隔符，使用'"'(双引号)将字段括起。用法示例：'--output-format=dump'。

--for-update
指定为每次归档执行的SELECT语句添加FOR UPDATE子句。

--share-lock
指定为每次归档执行的SELECT语句添加LOCK IN SHARE MODE子句。

--header
指定在文件中第一行写入字段名称作为标题。

--ignore
指定为INSERT语句添加IGNORE选项。

--limit
默认值：1
指定每条语句获取表和归档表的行数。

--local
指定不将OPTIMIZE和ANALYZE语句写入binlog。

--max-lag
默认值：1s
指定允许主从复制延迟时长的最大值，单位秒。如果在每次获取行数据之后主从延迟超过指定的值，则归档操作将暂停执行，暂停休眠时间为选项'--check-interval'指定的值。待休眠时间结束之后再次检查主从延迟时长，检查方法是通过从库查询的'Seconds_Behind_Master'值来确定。如果主从复制延迟一直大于该参数指定值或者从库停止复制，则操作将一直等待直到从库重新启动并且延迟小于该参数指定值。

--no-delete
指定不删除已被归档的表数据。

--optimize
指定工具完成数据归档后对表执行'OPTIMIZE TABLE'操作。指定方法如'--analyze=ds'，s代表源端表，d代表目标端表，也可以单独指定。

--primary-key-only
指定只归档主键字段，是选项'--columns=主键'的简写。
如果工具归档的操作是进行DELETE清除时最有效，因为只需读取主键一个字段而无需读取行所有字段。

--progress
指定每多少行打印进度信息，打印当前时间，已用时间以及多少行进行归档。

--purge
指定执行的清除操作而不是归档操作。允许忽略选项'--dest'和'--file'进行操作，如果只是清除操作可以结合选项'--primary-key-only'会更高效。

--quiet，-q
指定工具静默执行，不输出任何的执行信息。

--replace
指定写入选项'--dest'指定目标端表时改写INSERT语句为REPLACE语句。

--retries
默认值：1
指定归档操作遇到死锁或超时的重试次数。当重试次数超过该选项指定的值时，工具将报错退出。

--run-time
指定工具归档操作在退出之前需要运行的时间。允许的时间后缀名为s=秒，m=分，h=小时，d=天，如果没指定，默认为s。

--[no]safe-auto-increment
默认值：yes
指定不使用自增列(AUTO_INCREMENT)最大值对应的行进行归档。
该选项在进行归档清除时会额外添加一条WHERE子句以防止工具删除单列升序字段具有的具有AUTO_INCREMENT属性最大值的数据行，为了在数据库重启之后还能使用到AUTO_INCREMENT对应的值，但这会引起无法归档或清除字段对应最大值的行。

--set-vars
默认：
    wait_timeout=10000
    innodb_lock_wait_timeout=1
    lock_wait_timeout=60
工具归档时指定参数值，如有多个用','(逗号)分隔。如'--set-vars=wait_timeout=5000'。

--skip-foreign-key-checks
指定使用语句SET FOREIGN_KEY_CHECKS = 0禁用外键检查。

--sleep
指定工具在通过SELECT语句获取归档数据需要休眠的时间，默认值是不进行休眠。在休眠之前事务并不会提交，并且选项'--file'指定的文件不会被刷新。如果指定选项'--commit-each'，则在休眠之前会进行事务提交和文件刷新。

--statistics
指定工具收集并打印操作的时间统计信息。
统计信息示例如下：
'
Started at 2008-07-18T07:18:53, ended at 2008-07-18T07:18:53
Source: D=db,t=table
SELECT 4
INSERT 4
DELETE 4
Action         Count       Time        Pct
commit            10     0.1079      88.27
select             5     0.0047       3.87
deleting           4     0.0028       2.29
inserting          4     0.0028       2.28
other              0     0.0040       3.29
'

--txn-size
默认：1
指定每个事务处理的行数。如果是0则禁用事务功能。

--version
显示工具的版本并退出。

--[no]version-check
默认值：yes
检查Percona Toolkit、MySQL和其他程序的最新版本。

--why-quit
指定工具打印当非因完成归档行数退出的原因。
在执行一个自动归档任务时该选项与选项'--run-time'一起使用非常方便，这样可以确定归档任务是否在指定的时间内完成。如果同时指定了选项'--statistics'，则会打印所有退出的原因。

注意：

  1. 阿里云环境使用，须要额外添加参数： –noversion-check 。#不然出现错误 Can’t use an undefined value as an ARRAY reference at /usr/bin/pt-archiver line 5472.
  2. 默认删除或迁移，不包含max(id)那条数据，解决办法： http://www.ttlsa.com/mysql/pt-archiver-bug-cannot-migration-max-id-record/

脚本


#!/bin/bash
# 使用此脚本的前提,先安装pt-archiver

### 表名 列名 时间
SOURCETBL=$1
CONDITION_DATA=$3
CONDITION_COLUMN=$2

# SOURCE 源数据库
S_MYSQLHOST="127.0.0.1"
S_PORT=3306
S_MYSQLUSER="root"
S_MYSQLPASSWD="123456"
SOURCEDB="sourceDb"

# DEST 目标数据库
D_MYSQLHOST="127.0.0.1"
D_PORT=3306
D_MYSQLUSER="root"
D_MYSQLPASSWD="123456"
DESTDB="archiverDb"
DESTTBL=${SOURCETBL}

LOG_PATH="./logs"
LOG_FILE="${LOG_PATH}/${SOURCETBL}.log"

MYSQL_S_CMD="h=${S_MYSQLHOST},u=${S_MYSQLUSER},p=${S_MYSQLPASSWD},P=${S_PORT},D=${SOURCEDB},t=${SOURCETBL}"
MYSQL_D_CMD="h=${D_MYSQLHOST},u=${D_MYSQLUSER},p=${D_MYSQLPASSWD},P=${D_PORT},D=${DESTDB},t=${DESTTBL}"

# pt-archiver路径
PTAR="/usr/bin/pt-archiver"

NOW_TIME=`date +"%F %T"`

# 使用root
if [ $(id -u) != 0 ]; then
    echo -e "\033[43;30mPermission denied ! Please use root user\033[0m"
    exit 1
fi



# 日志目录
if [ ! -d ${LOG_PATH} ];then
    mkdir ${LOG_PATH} -p
fi

#常用配置说明:
#
#-where 'id<3000'    设置操作条件
#--limit 10000  每次取1000行数据给pt-archive处理
#--txn-size 1000    设置1000行为一个事务提交一次
#--progress 5000    每处理5000行输出一次处理信息
#--statistics   结束的时候给出统计信息：开始的时间点，结束的时间点，查询的行数，归档的行数，删除的行数，以及各个阶段消耗的总的时间和比例，便于以此进行优化。只要不加上--quiet，默认情况下pt-archive都会输出执行过程的
#--charset=UTF8 指定字符集为UTF8，字符集需要对应当前库的字符集来操作
#--no-delete    表示不删除原来的数据，注意：如果不指定此参数，所有处理完成后，都会清理原表中的数据
#--bulk-delete  批量删除source上的旧数据
#--bulk-insert  批量插入数据到dest主机 (看dest的general log发现它是通过在dest主机上LOAD DATA LOCAL INFILE插入数据的)
#
#--dry-run 模拟执行
#--source 源数据
#
#--dest 目标数据

# 原表数据
echo "[${NOW_TIME}] [INFO] ${SOURCEDB}库${SOURCEDBTBL}表的${CONDITION_COLUMN} < ${CONDITION_DATA}的将会删除..." |tee -a $LOG_FILE
echo "##################################################################" |tee -a $LOG_FILE
echo "[${NOW_TIME}] [INFO] 开始执行 ${PTAR} --source ${MYSQL_S_CMD} --dest ${MYSQL_D_CMD} --charset=UTF8 --where \"${CONDITION_COLUMN}<'${CONDITION_DATA}'\" --progress 5000 --limit=5000 --commit-each --txn-size 5000 --bulk-insert --statistics " |tee -a $LOG_FILE
${PTAR} --source ${MYSQL_S_CMD} --dest ${MYSQL_D_CMD} --charset=UTF8 --where "${CONDITION_COLUMN}<'${CONDITION_DATA}'" --progress 5000 --limit=5000 --txn-size 5000 --bulk-insert --statistics  --noversion-check  |tee -a $LOG_FILE
if [ $? -eq 0 ];then
    # 目标表数据
    echo "[${NOW_TIME}] [INFO] ${DESTDB}库${DESTTBL}表的${CONDITION_COLUMN} < ${CONDITION_DATA}的将会插入..." |tee -a $LOG_FILE
fi
文章作者: weilongshi
文章链接: https://blogplus.cn/2019/05/22/percona-toolkit-zhi-pt-archiver-gui-dang-gong-ju-er/
版权声明: 本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 weilongshi !
MySql 数据归档
赏
  目录