技术分享 | MySQL Shell import_table 数据导入 - 技术分享 - 新闻资讯 - 爱可生

技术分享 | MySQL Shell import_table 数据导入

发布时间:2021-05-06 浏览次数:387

关键字:数据库分布式数据库分布式部署数据库分布式方案

1. import_table介绍

上期技术分享我介绍了 MySQL Load Data 的 4 种将文本数据导入到 MySQL 的常用的方法。

这一期我们继续介绍另一款更加高效的数据导入工具 —— MySQL Shell 工具集中的import_table。该工具的全称是 Parallel Table Import Utility,顾名思义,支持并发数据导入。

该工具在 MySQL Shell 8.0.23 版本后,功能更加完善,以下列举该工具的核心功能

基本覆盖了 MySQL Data Load 的所有功能,可以作为替代品使用

默认支持并发导入(支持自定义 chunk 大小)

支持通配符匹配多个文件同时导入到一张表(非常适用于相同结构数据汇总到一张表)

支持限速(对带宽使用有要求的场景,非常合适)

支持对压缩文件处理

支持导入到 5.7 及以上 MySQL


2. Load Data 与 import table 功能示例

该部分针对 import table 和 Load Data 相同的功能做命令示例演示,我们依旧以导入 employees 表的示例数据为例,演示 MySQL Load Data 的综合场景。

数据自定义顺序导入

数据函数处理

自定义数据取值

## 示例数据如下[root@10-186-61-162 tmp]# cat employees_01.csv"10001","1953-09-02","Georgi","Facello","M","1986-06-26""10003","1959-12-03","Parto","Bamford","M","1986-08-28""10002","1964-06-02","Bezalel","Simmel","F","1985-11-21""10004","1954-05-01","Chirstian","Koblick","M","1986-12-01""10005","1955-01-21","Kyoichi","Maliniak","M","1989-09-12""10006","1953-04-20","Anneke","Preusig","F","1989-06-02""10007","1957-05-23","Tzvetan","Zielinski","F","1989-02-10""10008","1958-02-19","Saniya","Kalloufi","M","1994-09-15""10009","1952-04-19","Sumant","Peac","F","1985-02-18""10010","1963-06-01","Duangkaew","Piveteau","F","1989-08-24"## 示例表结构 10.186.61.162:3306  employees  SQL > desc emp;
+-------------+---------------+------+-----+---------+-------+| Field       | Type          | Null | Key | Default | Extra |
+-------------+---------------+------+-----+---------+-------+
| emp_no      | int           | NO   | PRI | NULL    |       || birth_date  | date          | NO   |     | NULL    |       |
| first_name  | varchar(14)   | NO   |     | NULL    |       || last_name   | varchar(16)   | NO   |     | NULL    |       |
| full_name   | varchar(64)   | YES  |     | NULL    |       |  -- 表新增字段,导出数据文件中不存在| gender      | enum('M','F') | NO   |     | NULL    |       |
| hire_date   | date          | NO   |     | NULL    |       || modify_date | datetime      | YES  |     | NULL    |       |  -- 表新增字段,导出数据文件中不存在
| delete_flag | varchar(1)    | YES  |     | NULL    |       |  -- 表新增字段,导出数据文件中不存在
+-------------+---------------+------+-----+---------+-------+

2.1 用 Load Data 方式导入数据

具体参数含义不做说明,需要了解语法规则及含义可查看系列上一篇文章《MySQL Load Data 的多种用法》

load data infile '/data/mysql/3306/tmp/employees_01.csv'into table employees.empcharacter set utf8mb4fields terminated by ','enclosed by '"'lines terminated by '\n'(@C1,@C2,@C3,@C4,@C5,@C6)set emp_no=@C1,
    birth_date=@C2,
    first_name=upper(@C3),
    last_name=lower(@C4),
    full_name=concat(first_name,' ',last_name),
    gender=@C5,
    hire_date=@C6 ,
    modify_date=now(),
    delete_flag=if(hire_date<'1988-01-01','Y','N');


2.2 用 import_table 方式导入数据

util.import_table(
    [
        "/data/mysql/3306/tmp/employees_01.csv",
    ],
    {
        "schema": "employees", 
        "table": "emp",
        "dialect": "csv-unix",
        "skipRows": 0,
        "showProgress": True,
        "characterSet": "utf8mb4",
        "columns": [1,2,3,4,5,6],                   ## 文件中多少个列就用多少个序号标识就行        "decodeColumns": {
            "emp_no":       "@1",                   ## 对应文件中的第1列            "birth_date":   "@2",                   ## 对应文件中的第2个列            "first_name":   "upper(@3)",            ## 对应文件中的第3个列,并做转为大写的处理            "last_name":    "lower(@4)",            ## 对应文件中的第4个列,并做转为大写的处理            "full_name":    "concat(@3,' ',@4)",    ## 将文件中的第3,4列合并成一列生成表中字段值            "gender":       "@5",                   ## 对应文件中的第5个列            "hire_date":    "@6",                   ## 对应文件中的第6个列            "modify_date":  "now()",                ## 用函数生成表中字段值            "delete_flag":  "if(@6<'1988-01-01','Y','N')"  ## 基于文件中第6列做逻辑判断,生成表中对应字段值        }
    })




3. import_table 特定功能

3.1 多文件导入(模糊匹配)

## 在导入前我生成好了3份单独的employees文件,导出的结构一致[root@10-186-61-162 tmp]# ls -lh总用量 1.9G
-rw-r----- 1 mysql mysql  579 3月  24 19:07 employees_01.csv
-rw-r----- 1 mysql mysql  584 3月  24 18:48 employees_02.csv
-rw-r----- 1 mysql mysql  576 3月  24 18:48 employees_03.csv
-rw-r----- 1 mysql mysql 1.9G 3月  26 17:15 sbtest1.csv## 导入命令,其中针对文件用employees_*做模糊匹配util.import_table(
    [
        "/data/mysql/3306/tmp/employees_*",
    ],
    {
        "schema": "employees", 
        "table": "emp",
        "dialect": "csv-unix",
        "skipRows": 0,
        "showProgress": True,
        "characterSet": "utf8mb4",
        "columns": [1,2,3,4,5,6],                   ## 文件中多少个列就用多少个序号标识就行        "decodeColumns": {
            "emp_no":       "@1",                   ## 对应文件中的第1列            "birth_date":   "@2",                   ## 对应文件中的第2个列            "first_name":   "upper(@3)",            ## 对应文件中的第3个列,并做转为大写的处理            "last_name":    "lower(@4)",            ## 对应文件中的第4个列,并做转为大写的处理            "full_name":    "concat(@3,' ',@4)",    ## 将文件中的第3,4列合并成一列生成表中字段值            "gender":       "@5",                   ## 对应文件中的第5个列            "hire_date":    "@6",                   ## 对应文件中的第6个列            "modify_date":  "now()",                ## 用函数生成表中字段值            "delete_flag":  "if(@6<'1988-01-01','Y','N')"  ## 基于文件中第6列做逻辑判断,生成表中对应字段值        }
    })
    ## 导入命令,其中对要导入的文件均明确指定其路径util.import_table(
    [
        "/data/mysql/3306/tmp/employees_01.csv",
        "/data/mysql/3306/tmp/employees_02.csv",
        "/data/mysql/3306/tmp/employees_03.csv"    ],
    {
        "schema": "employees", 
        "table": "emp",
        "dialect": "csv-unix",
        "skipRows": 0,
        "showProgress": True,
        "characterSet": "utf8mb4",
        "columns": [1,2,3,4,5,6],                   ## 文件中多少个列就用多少个序号标识就行        "decodeColumns": {
            "emp_no":       "@1",                   ## 对应文件中的第1列            "birth_date":   "@2",                   ## 对应文件中的第2个列            "first_name":   "upper(@3)",            ## 对应文件中的第3个列,并做转为大写的处理            "last_name":    "lower(@4)",            ## 对应文件中的第4个列,并做转为大写的处理            "full_name":    "concat(@3,' ',@4)",    ## 将文件中的第3,4列合并成一列生成表中字段值            "gender":       "@5",                   ## 对应文件中的第5个列            "hire_date":    "@6",                   ## 对应文件中的第6个列            "modify_date":  "now()",                ## 用函数生成表中字段值            "delete_flag":  "if(@6<'1988-01-01','Y','N')"  ## 基于文件中第6列做逻辑判断,生成表中对应字段值        }
    })



3.2 并发导入

在实验并发导入前我们创建一张 1000W 的 sbtest1 表(大约 2G 数据),做并发模拟,import_table 用threads 参数作为并发配置,默认为 8 个并发。

## 导出测试需要的sbtest1数据[root@10-186-61-162 tmp]# ls -lh总用量 1.9G-rw-r----- 1 mysql mysql  579 3月  24 19:07 employees_01.csv-rw-r----- 1 mysql mysql  584 3月  24 18:48 employees_02.csv-rw-r----- 1 mysql mysql  576 3月  24 18:48 employees_03.csv-rw-r----- 1 mysql mysql 1.9G 3月  26 17:15 sbtest1.csv## 开启threads为8个并发util.import_table(    [        "/data/mysql/3306/tmp/sbtest1.csv",    ],    {        "schema": "demo", 
        "table": "sbtest1",        "dialect": "csv-unix",        "skipRows": 0,        "showProgress": True,        "characterSet": "utf8mb4",        "threads": "8"    })



3.3 导入速率控制

可以通过 maxRate 和 threads 来控制每个并发线程的导入数据。如,当前配置线程为 4 个,每个线程的速率为 2M/s,则最高不会超过 8M/s。

util.import_table(
    [        "/data/mysql/3306/tmp/sbtest1.csv",
    ],
    {
        "schema": "demo", 
        "table": "sbtest1",
        "dialect": "csv-unix",
        "skipRows": 0,
        "showProgress": True,
        "characterSet": "utf8mb4",
        "threads": "4",
        "maxRate": "2M"    })


3.4 自定义 chunk 大小

默认的 chunk 大小为 50M,我们可以调整 chunk 的大小,减少事务大小,如我们将 chunk 大小调整为 1M,则每个线程每次导入的数据量也相应减少。

util.import_table(
    [        "/data/mysql/3306/tmp/sbtest1.csv",
    ],
    {
        "schema": "demo", 
        "table": "sbtest1",
        "dialect": "csv-unix",
        "skipRows": 0,
        "showProgress": True,
        "characterSet": "utf8mb4",
        "threads": "4",
        "bytesPerChunk": "1M",
        "maxRate": "2M"    })



4. Load Data vs import_table 性能对比

  • 使用相同库表

  • 不对数据做特殊处理,原样导入

  • 不修改参数默认值,只指定必备参数

-- Load Data语句load data infile '/data/mysql/3306/tmp/sbtest1.csv'into table demo.sbtest1character set utf8mb4fields terminated by ','enclosed by '"'lines terminated by '\n'-- import_table语句util.import_table(
    [
        "/data/mysql/3306/tmp/sbtest1.csv",
    ],
    {
        "schema": "demo", 
        "table": "sbtest1",
        "dialect": "csv-unix",
        "skipRows": 0,
        "showProgress": True,
        "characterSet": "utf8mb4"    })



可以看到,Load Data 耗时约 5 分钟,而 import_table 则只要不到一半的时间即可完成数据导入,效率高一倍以上(虚拟机环境磁盘 IO 能力有限情况下)。

5. 技术总结

  • import_table 包含了 Load Data 几乎所有的功能

  • import_table 导入的效率比 Load Data 更高

  • import_table 支持对导入速度,并发以及每次导入的数据大小做精细控制

  • import_table 的导入进度报告更加详细,便于排错及时间评估,包括:

    • 导入速度

    • 导入总耗时

    • 每批次导入的数据量,是否存在 Warning 等等

    • 导入最终的汇总报告

关键字:数据库分布式数据库分布式部署数据库分布式方案

相关推荐

产品试用 产品试用
400-820-6580 免费电话