一、需求

一个朋友接到一个需求，从大数据平台收到一个数据写入在20亿+，需要快速地加载到MySQL中，供第二天业务展示使用。

二、实现再分析

对于单表20亿， 在MySQL运维，说真的这块目前涉及得比较少，也基本没什么经验，但对于InnoDB单表Insert 如果内存大于数据情况下，可以维持在10万-15万行写入。但很多时间我们接受的项目还是数据超过内存的。这里使用XeLabs TokuDB做一个测试。

三、XeLabs TokuDB 介绍

项目地址：https://github.com/XeLabs/tokudb

相对官方TokuDB的优化：

• 内置了jemalloc 内存分配

• 引入更多的内置的TokuDB性能指标

• 支持Xtrabackup备份

• 引入ZSTD压缩算法

• 支持TokuDB的binlog_group_commit特性

四、测试表

TokuDB核心配置：

loose_tokudb_cache_size=4Gloose_tokudb_directio=ONloose_tokudb_fsync_log_period=1000tokudb_commit_sync=0

表结构​​​​​​​

CREATE TABLE `user_summary` ( `user_id` bigint(20) unsigned NOT NULL COMMENT '用户id/手机号', `weight` varchar(5) DEFAULT NULL COMMENT '和码体重(KG)', `level` varchar(20) DEFAULT NULL COMMENT '重量级', `beat_rate` varchar(12) DEFAULT NULL COMMENT '击败率', `level_num` int(10) DEFAULT NULL COMMENT '同吨位人数', UNIQUE KEY `u_user_id` (`user_id`)) ENGINE=TokuDB DEFAULT CHARSET=utf8

利用load data写入数据​​​​​​​

root@localhost [zst]>LOAD DATA INFILE '/u01/work/134-136.txt' \INTO TABLE user_summary(user_id, weight, level, beat_rate,level_num);Query OK, 200000000 rows affected (5 min 48.30 sec)Records: 200000000 Deleted: 0 Skipped: 0 Warnings: 0

计算一下每秒写入速度：​​​​​​​

root@localhost [zst]>select 200000000/(5*60+48.30);+------------------------+| 200000000/(5*60+48.30) |+------------------------+| 574217.6285 |+------------------------+1 row in set (0.00 sec)

文件大小：​​​​​​​

-rw-r--r-- 1 root root 8.5G 11月 25 20:05 134-136.txt-rw-r----- 1 mysql mysql 8.6K 11月 25 20:44 user_summary.frm-rw-r----- 1 mysql mysql 3.5G 11月 25 20:51 user_summary_main_229_1_1d_B_0.tokudb

实际文件8.5G，写入TokuDB大小3.5G，只是接近于一半多点的压缩量。对于20亿数据写入，实际测试在58分钟多点就可以完成。可以满足实际需求，另外对于磁盘IO比较好的机器（SSD类盘，云上的云盘），如果内存和数据差不多情况，这量级数据量测试在Innodb里需要添加自增列，可以在3个小多一点完成。从最佳实战上来看，Innodb和TokuDB都写入同样的数据，InnoDB需要花大概是TokuDB3-4倍时间。文件大小区别，同样20亿数据：

-rw-r----- 1 mysql mysql 35G 11月 25 23:29 user2_main_26a_1_1d_B_0.tokudb-rw-r----- 1 mysql mysql 176G 11月 26 03:32 user5.ibd

文件大小在5倍大小的区别。

测试结论：

利用TokuDB在某云环境中8核8G内存，500G高速云盘环境，多次测试可以轻松实现57万每秒的写入量。

另外测试几种场景也供大家参考：如果在TokuDB中使用带自增的主键，主键无值让MySQL内部产生写入速度，下降比较明显，同样写入2亿数据，带有自建主键：​​​​​​​

root@localhost [zst]>CREATE TABLE `user3` ( -> `user_id` bigint(20) unsigned NOT NULL COMMENT '用户id/手机号', -> `weight` varchar(5) DEFAULT NULL COMMENT '和码体重(KG)', -> `level` varchar(20) DEFAULT NULL COMMENT '重量级', -> `beat_rate` varchar(12) DEFAULT NULL COMMENT '击败率', -> `level_num` int(10) DEFAULT NULL COMMENT '同吨位人数', -> `id` bigint(20) NOT NULL AUTO_INCREMENT, -> PRIMARY KEY (`id`), -> UNIQUE KEY `u_user_id` (`user_id`) -> ) ENGINE=TokuDB;Query OK, 0 rows affected (0.03 sec)
root@localhost [zst]>LOAD DATA INFILE '/u01/work/134-136.txt' INTO TABLE user3(user_id, weight, level, beat_rate,level_num);Query OK, 200000000 rows affected (22 min 43.62 sec)Records: 200000000 Deleted: 0 Skipped: 0 Warnings: 0

同样的数据写入在主键自增无值产生时，不能使用TokuDB的 Bulk loader data特性，相当于转换为了单条的Insert实现，所以效果上慢太多。

关于TokuDB Bulk Loader前提要求，这个表是空表，对于自增列，如自增列有值的情况下，也可以使用。建议实际使用中，如果自增列有值的情况下，可以考虑去除自增属性，改成唯一索引，这样减少自增的一些处理逻辑，让TokuDB能跑地更快一点。另外在Bulk Loader处理中为了追求更快速的写入，压缩方面并不是很好。