一次mysql遷移的方案與踩坑實戰記錄

Posted on by

背景

由於歷史業務數據采用mysql來存儲的，其中有一張操作記錄表video_log，每當用戶創建、更新或者審核人員審核的時候，對應的video_log就會加一條日志，這個log表隻有insert，可想而知，1個video對應多條log，一天10w video，平均統計一個video對應5條log，那麼一天50w的log， 一個月50 * 30 = 1500w條記錄， 一年就是1500 * 12 = 1.8億。目前線上已經有2億多的數據瞭，由於log本身不面向C端，用於查詢問題的，所以可以忍受一點的延遲。 但是隨著時間的積累，必然會越來越慢，影響效率，於是提出改造。

方案一：老數據備份

由於log本身不是最關鍵的數據，但是也要求實時性高（用於實時查詢問題），所以一開始的想法是核心的基礎存儲還是保持不變，較老的數據遷移出去，畢竟突然去查詢一年前的操作記錄的概率很小，如果突然要查，可以走離線。設計的話，我們隻需要一個定時腳本，每天在凌晨4點左右（業務低峰期）抽數據。抽出的數據可以上報到一些離線存儲（一般公司都有基於hive的數倉之類的）,這樣就可以保持線上的video_log的數據不會一直增長。

方案二：分表

分表也是一種解決方案，相對方案一的好處就是，所有的數據都支持實時查，缺點是代碼要改造瞭。

  • 首先確認sharding key，因為video_log是和video綁定的，所以自然而然選擇video_id作為我們的sharding key
  • 按什麼分表確定瞭，接下來確認下分多少張表。先定個小目標，支撐3年。每張表最大數據量為1個億（由於我們的查詢簡單），按照上面的統計，我們3年大概：3*1.8=5.4億，那麼大概需要5.4/1≈6張表。

接下來就是改造代碼瞭，得解決新老數據讀寫的問題。

  • 新數據的插入直接插入新表
  • 由於log表隻有insert，所以不存在update、delete這些操作，不需要考慮這些場景。
  • 分表後，一個video的log存在兩張表（老表和新表），所以臨時兩張表都查，然後做個合並
  • 同步老數據到新表中
  • 下線讀取老表的代碼

方案三：遷移至tidb

方案二的缺點比較明顯，3年後咋辦，繼續拆表？感覺始終有個歷史債在那。於是我們的目光定位到瞭tidb，tidb是分佈式的數據庫，接入瞭tidb，我們就無需關心分表瞭，這些tidb都幫我們做瞭，它會自己做節點的擴容。由於是分佈式的，所以tidb的主鍵是無序的，這點很重要。
整個流程大概分為以下4個步驟：

  1. 先雙寫（記錄下剛開始雙寫時的mysql的id，在此id前的肯定都是老數據）
  2. 同步老數據（通過第一步記錄的id來區分）
  3. 切讀（老數據同步完瞭）
  4. 下雙寫

重點說下同步老數據遇到的坑

遷移至tidb，看似很簡單，其實在job腳本這裡隱藏著幾個坑。

  • 要考慮萬一job中途斷瞭，重新啟動咋辦，撇開重頭跑數據的時間成本，已經同步的數據重新跑會重復，還要考慮重復數據的問題。解決重復數據的問題，可以對老表新加一個字段標識是否已同步，每次同步完，更新下字段。缺點：線上數據大，加個字段不太安全，可能造成線上阻塞。
  • 既然加個字段不好，那就用現有的主鍵id做約束，把主鍵id也同步過去，這樣就算腳本重啟，從頭開始跑的，也因為相同的主健已經插入過，那麼就會報錯跳過。看似很完美，然而tidb是分佈式的，主鍵id不是連續的，那麼可能出現這樣一種情況。正常的業務數據插入tidb，tidb分配的主鍵id和mysql同步的主鍵id重復，那麼不管是誰，最後插入的那一條肯定是失敗的。

最終同步腳本方案

綜合考慮數據的重復性，job重啟效率性，和整個同步的效率性，我大概做出以下方案：

  1. 任務分批提升效率：首先根據處理能力和預期完成時間，先對老數據進行分批，大概分瞭10批，10個job去跑不同批次的數據，互不幹擾，且每次批量更新100條。
  2. 記錄狀態，重啟自動恢復到斷點：每次同步數據後記錄下當前同步的位置（redis記錄下當前的id），就算重啟也可以從redis裡拿到之前的更新位置，接著更新。
  3. 避免主鍵沖突：同步除瞭主鍵之外的所有字段（不同步主鍵）

最終通過方案三的四個切換步驟+高效率的同步腳本平穩的完成瞭數據的遷移

總結

到此這篇關於mysql遷移的方案與踩坑的文章就介紹到這瞭,更多相關mysql遷移方案與踩坑內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：