背景

由于歷史業務數據采用mysql來存儲的，其中有一張操作記錄表video_log，每當用戶創建、更新或者審核人員審核的時候，對應的video_log就會加一條日志，這個log表只有insert，可想而知，1個video對應多條log，一天10w video，平均統計一個video對應5條log，那么一天50w的log， 一個月50 * 30 = 1500w條記錄， 一年就是1500 * 12 = 1.8億。目前線上已經有2億多的數據了，由于log本身不面向C端，用于查詢問題的，所以可以忍受一點的延遲。 但是隨著時間的積累，必然會越來越慢，影響效率，于是提出改造。

方案一：老數據備份

由于log本身不是最關鍵的數據，但是也要求實時性高（用于實時查詢問題），所以一開始的想法是核心的基礎存儲還是保持不變，較老的數據遷移出去，畢竟突然去查詢一年前的操作記錄的概率很小，如果突然要查，可以走離線。設計的話，我們只需要一個定時腳本，每天在凌晨4點左右（業務低峰期）抽數據。抽出的數據可以上報到一些離線存儲（一般公司都有基于hive的數倉之類的）,這樣就可以保持線上的video_log的數據不會一直增長。

方案二：分表

分表也是一種解決方案，相對方案一的好處就是，所有的數據都支持實時查，缺點是代碼要改造了。

• 首先確認sharding key，因為video_log是和video綁定的，所以自然而然選擇video_id作為我們的sharding key
• 按什么分表確定了，接下來確認下分多少張表。先定個小目標，支撐3年。每張表最大數據量為1個億（由于我們的查詢簡單），按照上面的統計，我們3年大概：3*1.8=5.4億，那么大概需要5.4/1≈6張表。

接下來就是改造代碼了，得解決新老數據讀寫的問題。

• 新數據的插入直接插入新表
• 由于log表只有insert，所以不存在update、delete這些操作，不需要考慮這些場景。
• 分表后，一個video的log存在兩張表（老表和新表），所以臨時兩張表都查，然后做個合并
• 同步老數據到新表中
• 下線讀取老表的代碼

方案三：遷移至tidb

方案二的缺點比較明顯，3年后咋辦，繼續拆表？感覺始終有個歷史債在那。于是我們的目光定位到了tidb，tidb是分布式的數據庫，接入了tidb，我們就無需關心分表了，這些tidb都幫我們做了，它會自己做節點的擴容。由于是分布式的，所以tidb的主鍵是無序的，這點很重要。
整個流程大概分為以下4個步驟：

1. 先雙寫（記錄下剛開始雙寫時的mysql的id，在此id前的肯定都是老數據）
2. 同步老數據（通過第一步記錄的id來區分）
3. 切讀（老數據同步完了）
4. 下雙寫

重點說下同步老數據遇到的坑

遷移至tidb，看似很簡單，其實在job腳本這里隱藏著幾個坑。

• 要考慮萬一job中途斷了，重新啟動咋辦，撇開重頭跑數據的時間成本，已經同步的數據重新跑會重復，還要考慮重復數據的問題。解決重復數據的問題，可以對老表新加一個字段標識是否已同步，每次同步完，更新下字段。缺點：線上數據大，加個字段不太安全，可能造成線上阻塞。
• 既然加個字段不好，那就用現有的主鍵id做約束，把主鍵id也同步過去，這樣就算腳本重啟，從頭開始跑的，也因為相同的主健已經插入過，那么就會報錯跳過。看似很完美，然而tidb是分布式的，主鍵id不是連續的，那么可能出現這樣一種情況。正常的業務數據插入tidb，tidb分配的主鍵id和mysql同步的主鍵id重復，那么不管是誰，最后插入的那一條肯定是失敗的。

最終同步腳本方案

綜合考慮數據的重復性，job重啟效率性，和整個同步的效率性，我大概做出以下方案：

1. 任務分批提升效率：首先根據處理能力和預期完成時間，先對老數據進行分批，大概分了10批，10個job去跑不同批次的數據，互不干擾，且每次批量更新100條。
2. 記錄狀態，重啟自動恢復到斷點：每次同步數據后記錄下當前同步的位置（redis記錄下當前的id），就算重啟也可以從redis里拿到之前的更新位置，接著更新。
3. 避免主鍵沖突：同步除了主鍵之外的所有字段（不同步主鍵）

最終通過方案三的四個切換步驟+高效率的同步腳本平穩的完成了數據的遷移

總結

到此這篇關于mysql遷移的方案與踩坑的文章就介紹到這了,更多相關mysql遷移方案與踩坑內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！