TiDB 对大事务的简单拆分

原文来源：https://tidb.net/blog/4c730436

【是否原创】是

【首发渠道】爱可生开源社区

【首发渠道链接】https://mp.weixin.qq.com/s/p197w5Lt7BZPft7YeIT8IQ

【正文】

作者：杨涛涛

资深数据库专家，专研 MySQL 十余年。擅长 MySQL、TiDB、PostgreSQL、MongoDB 等开源数据库相关的备份恢复、SQL 调优、监控运维、高可用架构设计等。目前任职于爱可生，为各大运营商及银行金融企业提供 MySQL 相关技术支持、MySQL 相关课程培训等工作。

本文来源：原创投稿

引言

长期以来，在 MySQL 的开发规范里一般都会这么写：禁止大事务！话题转到 TiDB ，依然应该是：禁止大事务！

TiDB 由于事务本身分布式特性，加之后台 RAFT 复制导致的写放大，非常不推荐使用大事务。

TiDB 在 4.0 之前的版本对事务要求有些过于细致，比如：

1. 单个事务包含的 SQL 语句不超过 5000 条

2. 单条 KV entry 不超过 6MB

3. KV entry 的总条数不超过 30w

4. KV entry 的总大小不超过 100MB

上面的几点限制会导致一些 DML 语句写入受阻，比如下面这三类经典无过滤条件语句：

1. insert … select … where 1

2. update … where 1

3. delete from … where 1

非常容易出现事务过大的错误：*ERROR 8004 (HY000): transaction too large, len:300001*。一般有如下方法来规避这个问题：

1. 针对 Insert、delete 语句开启无安全保证的 dml batch 特性：TiDB_batch_insert、TiDB_batch_delete。

2. 分块拆分整条 update 语句。

在 4.0 之后的版本里，除了单个 kv entry 大小依然限制为最大 6MB，其他几个限制全部被取消。

只需要在配置文件里加上如下选项就可涵盖大部分事务：

performance.txn-total-size-limit: 10737418240（范围 1G 到 10G）

那是不是 4.0 版本后就可以随意写事务了？当然不是！由于 TiDB 的写放大，也会连带导致内存占用成倍增长，对其他业务会有很大影响，所以 TiDB 对最大事务支持硬性限制其为 10G。比如用 DM 来同步 MySQL 数据到 TiDB ，大事务会导致内存加大，写入延迟剧增，进而影响其他的写性能。

所以还是得禁止大事务，拆分为小事务批量处理。

那如何对大事务进行拆分呢？单从业务方面讲，业务类型不同，对应的拆分方法不同，可能一本书都写不完。这里我仅仅从数据库角度，细分为从表角度，再进一步到 DML 语句角度如何拆分。

上面列的这三条经典语句看起来很简单，但是没有过滤条件，如果表索引数非常多，即使表记录数不大，也会是一个大事务，只不过这个事务只包含一条 DML 语句。但是这类语句的拆分实际上要看表结构怎么定义，分为三种：

1. 有主键，并且主键连续

2. 有主键，主键不连续

3. 表无主键（类似第一种）

第一种最容易拆分，根据主键来划分不同的块即可。

举个例子：

表 t1 有 100W 条记录，除主键外有 6 个索引，对表 t1 进行 update :

update ytt.t1 set log_date = current_date() - interval ceil(rand()*1000) day where 1;

在默认自动提交下，这条语句其实就是隐式大事务语句，在内部转换为 :

beginupdate ytt.t1 set log_date = current_date() - interval ceil(rand()*1000) day where 1;commit;

假设表 t1 主键为自增且连续，那很简单，把这个事务分为 10 个小事务，每次更新 10W 条记录，而不是一次性更新 100W 条。脚本大致如下：

root@ytt-ubuntu:~/scripts# cat update_table_batch#!/bin/sh# TiDB 拆分更新for i in `seq 1 10`;do min_id=$(((i-1)*100000+1)) max_id=$((i*100000)) queries="update t1 set log_date = date_sub(current_date(), interval ceil(rand()*1000) day)  \"  where id >=$min_id and id<=$max_id;"  mysql --login-path=TiDB_login -D ytt -e "$queries" &done

第二种，针对不连续的自增主键场景。

第一种最为常见，在 TiDB 里强烈不推荐使用连续自增字段来做主键，这会导致潜在的单 region 写热点问题。所以自增主键推荐使用 auto_random 特性来随机写入，避免连续性。

上面脚本里列出的方法就变得不太适合。那该怎么拆呢？可以稍加变通，用窗口函数 row_number() 来补模拟主键，更新表改为 t2，改写后的脚本大致如下：

root@ytt-ubuntu:~/scripts# cat update_table_batch#!/bin/sh# TiDB 拆分更新for i in `seq 1 10`;do min_id=$(((i-1)*100000+1)) max_id=$((i*100000)) queries="update t2 a, (select *,row_number() over(order by id) rn from t2) b set a.log_date =  \"  date_sub(current_date(), interval ceil(rand()*1000) day)  \"  where a.id = b.id and (b.rn>=$min_id and b.rn<=$max_id);" mysql --login-path=TiDB_login -D ytt -e "$queries" &done

其实以上两种思路已经包含了绝大多数拆分场景。MySQL 或者 TiDB 对于没有主键的表都默认包含一个隐式自增 ID 来区分行之间关系，所以为了避免在 DML 层来增加复杂的拆分策略，依然强烈建议使用显式主键！

结语

虽然 TiDB 4.0 版本后，对大事务支持已经非常好，但这不是可以随便用大事务的理由，还是要做好表设计提前拆、检索表数据提前拆等拆分策略，才能更好的让数据库服务好业务。