一、需求

一個朋友接到一個需求，從大數據平臺收到一個數據寫入在20億+，需要快速地加載到MySQL中，供第二天業務展示使用。

二、實現再分析

對於單表20億，在MySQL運維，說真的這塊目前涉及得比較少，也基本沒什麼經驗，但對於InnoDB單表Insert 如果內存大於數據情況下，可以維持在10萬-15萬行寫入。

但很多時間我們接受的項目還是數據超過內存的。這裏使用XeLabs TokuDB做一個測試。

三、XeLabs TokuDB 介紹

項目地址： https://github.com/XeLabs/tokudb

相對官方TokuDB的優化：

內置了jemalloc 內存分配
引入更多的內置的TokuDB性能指標
支持Xtrabackup備份
引入ZSTD壓縮算法
支持TokuDB的binlog_group_commit特性

四、測試表

TokuDB核心配置：

loose_tokudb_cache_size=4Gloose_tokudb_directio=ONloose_tokudb_fsync_log_period=1000tokudb_commit_sync=0

表結構

CREATE TABLE `user_summary` ( `user_id` bigint(20) unsigned NOT NULL COMMENT '用戶id/手機號', `weight` varchar(5) DEFAULT NULL COMMENT '和碼體重(KG)', `level` varchar(20) DEFAULT NULL COMMENT '重量級', `beat_rate` varchar(12) DEFAULT NULL COMMENT '擊敗率', `level_num` int(10) DEFAULT NULL COMMENT '同噸位人數', UNIQUE KEY `u_user_id` (`user_id`)) ENGINE=TokuDB DEFAULT CHARSET=utf8

利用load data寫入數據

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

計算一下每秒寫入速度：

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

實際文件8.5G，寫入TokuDB大小3.5G，只是接近於一半多點的壓縮量。

對於20億數據寫入，實際測試在58分鐘多點就可以完成。

可以滿足實際需求，另外對於磁盤IO比較好的機器（SSD類盤，雲上的雲盤），如果內存和數據差不多情況，這量級數據量測試在Innodb裏需要添加自增列，可以在3個小多一點完成。

從最佳實戰上來看，Innodb和TokuDB都寫入同樣的數據，InnoDB需要花大概是TokuDB3-4倍時間。文件大小區別，同樣20億數據：

-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倍大小的區別。

測試結論：

利用TokuDB在某雲環境中8核8G內存，500G高速雲盤環境，多次測試可以輕鬆實現57萬每秒的寫入量。

另外測試幾種場景也供大家參考：如果在TokuDB中使用帶自增的主鍵，主鍵無值讓MySQL內部產生寫入速度，下降比較明顯，同樣寫入2億數據，帶有自建主鍵：

root@localhost [zst]>CREATE TABLE `user3` ( -> `user_id` bigint(20) unsigned NOT NULL COMMENT '用戶id/手機號', -> `weight` varchar(5) DEFAULT NULL COMMENT '和碼體重(KG)', -> `level` varchar(20) DEFAULT NULL COMMENT '重量級', -> `beat_rate` varchar(12) DEFAULT NULL COMMENT '擊敗率', -> `level_num` int(10) DEFAULT NULL COMMENT '同噸位人數', -> `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

同樣的數據寫入在主鍵自增無值產生時，不能使用TokuDB的 Bulk loader data特性，相當於轉換爲了單條的Insert實現，所以效果上慢太多。

關於TokuDB Bulk Loader前提要求，這個表是空表，對於自增列，如自增列有值的情況下，也可以使用。

建議實際使用中，如果自增列有值的情況下，可以考慮去除自增屬性，改成唯一索引，這樣減少自增的一些處理邏輯，讓TokuDB能跑地更快一點。

另外在Bulk Loader處理中爲了追求更快速的寫入，壓縮方面並不是很好。

關於TokuDB Bulk Loader :https://github.com/percona/PerconaFT/wiki/TokuFT-Bulk-Loader