mysql pt-archiver

官方文档：https://www.percona.com/doc/percona-toolkit/LATEST/pt-archiver.html

 

pt-archiver 是 Percona Toolkit 中的一个工具。

Percona Toolkit 是 Percona 公司提供的一个 MySQL 工具包。工具包里提供了很多实用的 MySQL 管理工具。

譬如，我们常用的表结构变更工具 pt-online-schema-change ，主从数据一致性校验工具 pt-table-checksum 。

毫不夸张地说，熟练使用 Percona Toolkit 是 MySQL DBA 必备的技能之一。

 

pt-archiver
usage:
1.归档A库数据到B库做备份
2.安全删除数据，不影响数据库性能,(但是不会回收碎片空）
3.导出数据文件，方便load data回去
4.合并数据
官方文档地址:

--no-delete          同步不删除原数据
--purge                 删除数据
--progress=i         每操作多少行输出一次处理信息
--txn-size=i         一个事务操作多少行数据，默认1
--limit=i            每次拿出来多少条数据，类似游标fetch，默认1。
--replace             在归档的时候将insert into改成replace into
--statistics        输出执行过程及最后的操作统计
--where             归档或者删除数据需要满足的条件
--source            源数据库的数据串，类似于h=localhost,u=root,p=pass,S=/data/mysql/mysql.sock,D=test,t=
--dest                目标数据库的数据串，同上面
--check-slave-lag=s  控制延迟，当延迟超过这个值暂停归档
--bulk-insert          批量insert。load data file这种，效率会比普通insert快一倍
--ignore            insert ignore 替代insert
--replace            replace into
--no-check-charset  不检查变吗

#tips
txn-size 不是越大越好，反而小一点会好，建议500
使用--bulk-insert 的时候qps不会上升很多，但是会有很多慢查询，因为是load data file导致的满查询。

--analyze
指定工具完成数据归档后对表执行'ANALYZE TABLE'操作。指定方法如'--analyze=ds'，s代表源端表，d代表目标端表，也可以单独指定。

--ask-pass
命令行提示密码输入，保护密码安全，前提需安装模块perl-TermReadKey。

--buffer
指定缓冲区数据刷新到选项'--file'指定的文件并且在提交时刷新。
只有当事务提交时禁用自动刷新到'--file'指定的文件和刷新文件到磁盘，这意味着文件是被操作系统块进行刷新，因此在事务进行提交之前有一些数据隐式刷新到磁盘。默认是每一行操作后进行文件刷新到磁盘。

--bulk-delete
指定单个语句删除chunk的方式来批量删除行，会隐式执行选项'--commit-each'。
使用单个DELETE语句删除每个chunk对应的表行，通常的做法是通过主键进行逐行的删除，批量删除在速度上会有很大的提升，但如果有复杂的'WHERE'条件就可能会更慢。

--[no]bulk-delete-limit
默认值：yes
指定添加选项'--bulk-delete'和'--limit'到进行归档的语句中。

--bulk-insert
使用LOAD DATA LOCAL INFILE的方法，通过批量插入chunk的方式来插入行(隐式指定选项'--bulk-delete'和'--commit-each')
而不是通过逐行单独插入的方式进行，它比单行执行INSERT语句插入的速度要快。通过隐式创建临时表来存储需要批量插入的行(chunk)，而不是直接进行批量插入操作，当临时表中完成每个chunk之后再进行统一数据加载。为了保证数据的安全性，该选项会强制使用选项'--bulk-delete'，这样能够有效保证删除是在插入完全成功之后进行的。

--channel
指定当主从复制环境是多源复制时需要进行归档哪个主库的数据，适用于多源复制中多个主库对应一个从库的情形。

--charset，-A
指定连接字符集。

--[no]check-charset
默认值：yes
指定检查确保数据库连接时字符集和表字符集相同。

--[no]check-columns
默认值：yes
指定检查确保选项'--source'指定的源端表和'--dest'指定的目标表具有相同的字段。
不检查字段在表的排序和字段类型，只检查字段是否在源端表和目标表当中都存在，如果有不相同的字段差异，则工具报错退出。如果需要禁用该检查，则指定'--no-check-columns'。

--check-slave-lag
指定主从复制延迟大于选项'--max-lag'指定的值之后暂停归档操作。默认情况下，工具会检查所有的从库，但该选项只作用于指定的从库(通过DSN连接方式)。

--check-interval
默认值：1s
如果同时指定了选项'--check-slave-lag'，则该选项指定的时间为工具发现主从复制延迟时暂停的时间。每进行操作100行时进行一次检查。

--columns，-c
指定需要归档的表字段，如有多个则用','(逗号)隔开。

--commit-each
指定按每次获取和归档的行数进行提交，该选项会禁用选项'--txn-size'。
在每次获取表数据并进行归档之后，在获取下一次数据和选项'--sleep'指定的休眠时间之前，进行事务提交和刷新选项'--file'指定的文件，通过选项'--limit'控制事务的大小。

--host，-h
指定连接的数据库IP地址。

--port，-P
指定连接的数据库Port端口。

--user，-u
指定连接的数据库用户。

--password，-p
指定连接的数据库用户密码。

--socket，-S
指定使用SOCKET文件连接。

--databases，-d
指定连接的数据库

--source
指定需要进行归档操作的表，该选项是必须指定的选项，使用DSN方式表示。

--dest
指定要归档到的目标端表，使用DSN方式表示。
如果该选项没有指定的话，则默认与选项'--source'指定源端表为相同表。

--where
指定通过WHERE条件语句指定需要归档的数据，该选项是必须指定的选项。不需要加上'WHERE'关键字，如果确实不需要WHERE条件进行限制，则指定'--where 1=1'。

--file
指定表数据需要归档到的文件。使用类似MySQL DATE_FORMAT()格式化命名方式。
文件内容与MySQL中SELECT INTO OUTFILE语句使用相同的格式，文件命名选项如下所示：
'
%Y：年，4位数(Year, numeric, four digits)         
%m：月，2位数(Month, numeric (01..12))          
%d：日，2位数(Day of the month, numeric (01..31))     
%H：小时(Hour (00..23))                  
%i：分钟(Minutes, numeric (00..59))            
%s：秒(Seconds (00..59))             
%D：数据库名(Database name)            
%t：表名(Table name)                   

例如：--file '/var/log/archive/%Y-%m-%d-%D.%t'
'

--output-format
指定选项'--file'文件内容输出的格式。
默认不指定该选项是以制表符进行字段的分隔符，如果指定该选项，则使用','(逗号)作为字段分隔符，使用'"'(双引号)将字段括起。用法示例：'--output-format=dump'。

--for-update
指定为每次归档执行的SELECT语句添加FOR UPDATE子句。

--share-lock
指定为每次归档执行的SELECT语句添加LOCK IN SHARE MODE子句。

--header
指定在文件中第一行写入字段名称作为标题。

--ignore
指定为INSERT语句添加IGNORE选项。

--limit
默认值：1
指定每条语句获取表和归档表的行数。

--local
指定不将OPTIMIZE和ANALYZE语句写入binlog。

--max-lag
默认值：1s
指定允许主从复制延迟时长的最大值，单位秒。如果在每次获取行数据之后主从延迟超过指定的值，则归档操作将暂停执行，暂停休眠时间为选项'--check-interval'指定的值。待休眠时间结束之后再次检查主从延迟时长，检查方法是通过从库查询的'Seconds_Behind_Master'值来确定。如果主从复制延迟一直大于该参数指定值或者从库停止复制，则操作将一直等待直到从库重新启动并且延迟小于该参数指定值。

--no-delete
指定不删除已被归档的表数据。

--optimize
指定工具完成数据归档后对表执行'OPTIMIZE TABLE'操作。指定方法如'--analyze=ds'，s代表源端表，d代表目标端表，也可以单独指定。

--primary-key-only
指定只归档主键字段，是选项'--columns=主键'的简写。
如果工具归档的操作是进行DELETE清除时最有效，因为只需读取主键一个字段而无需读取行所有字段。

--progress
指定每多少行打印进度信息，打印当前时间，已用时间以及多少行进行归档。

--purge
指定执行的清除操作而不是归档操作。允许忽略选项'--dest'和'--file'进行操作，如果只是清除操作可以结合选项'--primary-key-only'会更高效。

--quiet，-q
指定工具静默执行，不输出任何的执行信息。

--replace
指定写入选项'--dest'指定目标端表时改写INSERT语句为REPLACE语句。

--retries
默认值：1
指定归档操作遇到死锁或超时的重试次数。当重试次数超过该选项指定的值时，工具将报错退出。

--run-time
指定工具归档操作在退出之前需要运行的时间。允许的时间后缀名为s=秒，m=分，h=小时，d=天，如果没指定，默认为s。

--[no]safe-auto-increment
默认值：yes
指定不使用自增列(AUTO_INCREMENT)最大值对应的行进行归档。
该选项在进行归档清除时会额外添加一条WHERE子句以防止工具删除单列升序字段具有的具有AUTO_INCREMENT属性最大值的数据行，为了在数据库重启之后还能使用到AUTO_INCREMENT对应的值，但这会引起无法归档或清除字段对应最大值的行。

--set-vars
默认：
    wait_timeout=10000
    innodb_lock_wait_timeout=1
    lock_wait_timeout=60
工具归档时指定参数值，如有多个用','(逗号)分隔。如'--set-vars=wait_timeout=5000'。

--skip-foreign-key-checks
指定使用语句SET FOREIGN_KEY_CHECKS = 0禁用外键检查。

--sleep
指定工具在通过SELECT语句获取归档数据需要休眠的时间，默认值是不进行休眠。在休眠之前事务并不会提交，并且选项'--file'指定的文件不会被刷新。如果指定选项'--commit-each'，则在休眠之前会进行事务提交和文件刷新。

--statistics
指定工具收集并打印操作的时间统计信息。
统计信息示例如下：
'
Started at 2008-07-18T07:18:53, ended at 2008-07-18T07:18:53
Source: D=db,t=table
SELECT 4
INSERT 4
DELETE 4
Action         Count       Time        Pct
commit            10     0.1079      88.27
select             5     0.0047       3.87
deleting           4     0.0028       2.29
inserting          4     0.0028       2.28
other              0     0.0040       3.29
'

--txn-size
默认：1
指定每个事务处理的行数。如果是0则禁用事务功能。

--version
显示工具的版本并退出。

--[no]version-check
默认值：yes
检查Percona Toolkit、MySQL和其他程序的最新版本。

--why-quit
指定工具打印当非因完成归档行数退出的原因。
在执行一个自动归档任务时该选项与选项'--run-time'一起使用非常方便，这样可以确定归档任务是否在指定的时间内完成。如果同时指定了选项'--statistics'，则会打印所有退出的原因。

 

 

先初始化数据：

mysqlslap -uroot -p -S /data/mysql/mysql.sock --number-of-queries=100000 --create-schema=test --concurrency=10 --query="insert into t(content,num) values(uuid(),rand()*1000);"
Enter password:
Benchmark
Average number of seconds to run all queries: 11.877 seconds
Minimum number of seconds to run all queries: 11.877 seconds
Maximum number of seconds to run all queries: 11.877 seconds
Number of clients running queries: 10
Average number of queries per client: 10000
———————————————— 

归档数据和删除数据

根据条件删除数据
#先看源表数据
root@localhost:mysql.sock:[test]>select count(*) from t where id <= 20000;
+----------+
| count(*) |
+----------+
|    20000 |
+----------+
1 row in set (0.01 sec)

#开始删除数据
$ pt-archiver --source h=localhost,u=root,p=pass,S=/data/mysql/mysql.sock,D=test,t=t --where="id <= 20000" --progress=500 --statistics --txn-size=100 --limit=1000 --purge
TIME                ELAPSED   COUNT
2022-03-16T21:30:06       0       0
2022-03-16T21:30:06       0     500
2022-03-16T21:30:06       0    1000

#通过上一步可以看到执行的时间，查询的时间，以及提交的时间

#接下来去数据库查询
root@localhost:mysql.sock:[test]>select count(*) from t where id <= 20000;
+----------+
| count(*) |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

#可以看到删除成功了
#需要注意的一点，这里删除不会真正回收碎片空间，后边还是需要手动去analyze table或者optimize

相对于之前的归档命令，这条命令额外指定了四个参数，其中，

--bulk-delete：批量删除。
--limit：每批归档的记录数。
--commit-each：对于每一批记录，只会 COMMIT 一次。
--bulk-insert：归档数据以 LOAD DATA INFILE 的方式导入到归档库中。
看看上述命令对应的 General log 。
 

不同归档参数之间的速度对比
 

下表是归档 20w 数据，不同参数之间的执行时间对比。

归档参数	执行时间（s）
不指定任何批量相关参数	850.040
--bulk-delete --limit 1000	422.352
--bulk-delete --limit 1000 --commit-each	46.646
--bulk-delete --limit 5000 --commit-each	46.111
--bulk-delete --limit 1000 --commit-each --bulk-insert	7.650
--bulk-delete --limit 5000 --commit-each --bulk-insert	6.540
--bulk-delete --limit 1000 --bulk-insert	47.273

通过表格中的数据，我们可以得出以下几点：

通过表格中的数据，我们可以得出以下几点：

第一种方式是最慢的。
这种情况下，无论是源库还是归档库，都是逐行操作并提交的。
只指定 --bulk-delete --limit 1000 依然很慢。
这种情况下，源库是批量删除，但 COMMIT 次数并没有减少。
归档库依然是逐行插入并提交的。
--bulk-delete --limit 1000 --commit-each
相当于第二种归档方式，源库和目标库都是批量提交的。
--limit 1000 和 --limit 5000 归档性能相差不大。
--bulk-delete --limit 1000 --bulk-insert 与 --bulk-delete --limit 1000 --commit-each --bulk-insert 相比，没有设置 --commit-each。
虽然都是批量操作，但前者会执行 COMMIT 操作 1000 次。
由此来看，空事务并不是没有代价的。
————————————————
原文链接：https://blog.csdn.net/Alinmei/article/details/123582625

 

https://www.modb.pro/db/58571

 

pt-archiver --source h=192.168.244.10,P=3306,u=pt_user,p=pt_pass,D=employees,t=departments --where "1=1" --bulk-delete --limit 1000 --commit-each --purge --primary-key-only

 

命令行中的 --purge 代表只删除，不归档。

指定了 --primary-key-only ，这样，在执行 SELECT 操作时，就只会查询主键，不会查询所有列。

接下来，我们看看删除命令相关的 General log 。

为了直观地展示 pt-archiver 删除数据的实现逻辑，实际测试时将 --limit 设置为了 3。

# 开启事务
set autocommit=0;

# 查看表结构，获取主键
SHOW CREATE TABLE `employees`.`departments`;

# 开始删除第一批数据
# 通过 FORCE INDEX(`PRIMARY`) 强制使用主键
# 指定了 --primary-key-only，所以只会查询主键
# 这里其实无需获取所有满足条件的主键值，只取一个最小值和最大值即可。
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) ORDER BY `dept_no` LIMIT 3;

# 基于主键进行删除，删除的时候同时带上了 --where 指定的删除条件，以避免误删
DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd001'))) AND (((`dept_no` <= 'd003'))) AND (1=1) LIMIT 3;

# 提交
commit;

# 删除第二批数据
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd003')) ORDER BY `dept_no` LIMIT 3;
DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd004'))) AND (((`dept_no` <= 'd006'))) AND (1=1); LIMIT 3
commit;


# 删除第三批数据
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd006')) ORDER BY `dept_no` LIMIT 3;
DELETE FROM `employees`.`departments` WHERE (((`dept_no` >= 'd007'))) AND (((`dept_no` <= 'd009'))) AND (1=1) LIMIT 3;
commit;

# 删除最后一批数据
SELECT /*!40001 SQL_NO_CACHE */ `dept_no` FROM `employees`.`departments` FORCE INDEX(`PRIMARY`) WHERE (1=1) AND ((`dept_no` >= 'd009')) ORDER BY `dept_no` LIMIT 3;
commit;

在业务代码中，如果我们有类似的删除需求，不妨借鉴下 pt-archiver 的实现方式。

 

--primary-key-only
指定只归档主键字段，是选项'--columns=主键'的简写。
如果工具归档的操作是进行DELETE清除时最有效，因为只需读取主键一个字段而无需读取行所有字段。

 

 

归档和清理过期数据，都会把原表中的数据Delete掉，而大量Delete存在以下问题：

  1）对于MyISAM表，大的Delete操作，整个过程会lock表。

  2)  对于Innodb表，大的delete，导致一个长事务，使innodb性能下降，purge操作延迟,undo量大。

  3）导致从库延迟增大

3、使用分块删除原来数据， 如：delete xxx order by pk limit 1000;

这样删除比较整个删除好很多，但清理越来越慢。

https://blog.51cto.com/u_14286115/5004760

 

 

https://zhuanlan.zhihu.com/p/475302375

https://blog.csdn.net/TIME_1981/article/details/126114797

https://blog.csdn.net/m0_37389157/article/details/123533585

https://blog.csdn.net/w892824196/article/details/126214823

https://www.cnblogs.com/ivictor/p/16001965.html