TIDB-- 不容易发现的 lightning tidb-backend 模式导入优化

原文来源：https://tidb.net/blog/48ec279c

【是否原创】是

【首发渠道】TiDB 社区

【目录】

• [项目背景]()

• [问题描述]()

• [分析原因]()

• [解决方案]()

• [脚本共享]()

【正文】

项目背景

        近日，一个主 AP 业务项目 MyCat 下迁 TIDB 迁移，原分库分表架构（16 台 server） AP 大 SQL 普遍需 2 小时跑出结果，POC 实测（5 台 server）该类 SQL 调优后 TiDB 下 20 分钟内均能出结果，能获得近乎 5 倍下迁收益。

问题描述

        原有业务场景中，需每月定期往数据库以 LOAD LOCAL FILE 的方式导入约 1 亿左右宽表数据，但原有方式测下来，TiDB 的 LOAD 耗时约 8 小时，刨除 POC 性能没有生产好等原因，也是运维人员不可接受的。

        因为 TiDB AP SQL 上的优化，业务方也有了加速数据更新的想法，即：将 LOAD 数据周期从每月改为每周。如果该这个问题无法解决，该方案基本无法改变。

        而且，因项目原因在低于 TiDB 官网硬件标准的 非 SSD 磁盘又测了一版结果，测试过程中暴露出 LOAD LOCAL FILE 当时导入数据无法保证原子性导入的问题。具体表现为由于 TiKV 写入过慢报错 LockNotFound 事务锁被清除，详情参考官网解释，但该场景中，可能出现 LOAD 进去 5 千万数据导入失败，此时需要反向 Delete 掉已导入的数据，代价极高，即使分批 del 也很难判定本次导入了哪些数据，无很好方式业务实现方法。

总结问题点：

1. TiDB 同 MySQL 用 LOAD 方式导入 csv 文件过慢

2. LOAD 方式导入数据无法保证原子性导入

分析原因

1. 导入过慢的原因是 LOAD 是单线程方式工作，没有利用并发多线程导入加速。

2. LOAD 走的是 batch insert 接口，默认会将 csv 文件切分为多份、构成多个小事务提交。

3. 注意：⚠️MySQL 的实现也是 batch insert，所以理论上也存在该风险。

解决方案

1. 利用 Lightning 的断点续传功能保证原子性导入， 具体原理：假设切分成了 50 个 csv 文件，lightning 导入某种原因中途断掉，所有 lightning 线程停止工作，重启后会基于 check_point 读出表信息、排序目录、taskid（关键），可以顺着 taskid 继续下一个 task 完成断点续传，实现最终一致；

2. 导入前 Shell 脚本拆分 csv 文件为多份，配合 lightning 参数 region-concurrency, 该参数默认表示 CPU 实际占用核数，默认 100% 占用。其实一旦拆分文件超过该值已经无意义了，并没有加速上的优化意义。

3. 注意：⚠️但可以依据日志中打印的文件号，推断导入进度，其实认为 mysql client count 也可以实现同样目的。

脚本共享

        虽然 tidb-lightning 自身存在切分文件为 256M 的功能，但要求 strict-format = true；

        因为该项目数据由 Teradata 上导出，且受限企业 csv 文件规范要求无法更改；

        所以我为该项目做了个处理脚本取名 TiChange_for_lightning 希望能帮到大家，具体使用参考 README！

注意：⚠️该工具除格式转换外，仅对 tidb-backend 模式导入速度进行优化，其他模式（importer、local）并无速度上优化。

./TiChange_for_lightning.sh Auther    : jan suIntroduce : TiChange_for_lightning 是一个能让你快速将csv文件适配 tidb-lightning csv 文件格式要求的工具，如有任何 BUG 请及时反馈，作者将及时修复！ Usage: TiChange_for_lightning.sh [option] [parameter]option: -i --input-file          [input_csv_path]          |               | 需要处理的csv文件路径;        -o --operate-path        [operate_dir_path]        |               | 需要处理csv文件的，空间足够的文件夹路径;        -m --schema-meta         [schema_meta]             |               | 需要指定库中 csv 文件所属对象信息，eg: -m schema_name.table_name;        -s --separator_import    [separator_import_format] |(default: ',' )| 需要指定当前 csv 文件字段分隔符，eg: -s '||' TiChange 自动将其转换为 "," : "A"||"B" --> "A","B" ;        -d --delimiter_import    [delimiter_import_format] |(default: '"' )| 需要指定当前 csv 文件引用定界符，eg: -d  ''  TiChange 自动将其转换为 '"' :    ABC   -->  "ABC" ;        -n --null_import         [null_import_format]      |(default: '\"N')| 需要指定解析 csv 文件中字段值为 NULL 的字符， eg: '\"N' 导入 TiDB 中会被解析为 NULL ;        -h --help                                          |               | 获取关于 TiChange.sh 的操作指引，详细 Demo 请参考 ： https://github.com/jansu-dev/TiChange_for_lightning ;