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：
<span style="color:#f8f8f2"><code class="language-none">loose_tokudb_cache_size=4G
loose_tokudb_directio=ON
loose_tokudb_fsync_log_period=1000
tokudb_commit_sync=0</code></span>
表結構
<span style="color:#f8f8f2"><code class="language-none">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</code></span>
利用load data寫入數據
<span style="color:#f8f8f2"><code class="language-none">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</code></span>
計算一下每秒寫入速度：
<span style="color:#f8f8f2"><code class="language-none">root@localhost [zst]>select 200000000/(5*60+48.30);
+------------------------+
| 200000000/(5*60+48.30) |
+------------------------+
| 574217.6285 |
+------------------------+
1 row in set (0.00 sec)</code></span>
文件大小：
<span style="color:#f8f8f2"><code class="language-none">-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</code></span>
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：
<span style="color:#f8f8f2"><code class="language-none">-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</code></span>
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：
<span style="color:#f8f8f2"><code class="language-none">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</code></span>
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
五、測試環境說明
測試使用CentOS7環境，編譯的XeLabs TokuDB版本百度雲地址：https://pan.baidu.com/s/1qYRyH3I 。
原文發佈時間爲：2017-12-5
本文作者：吳炳錫
