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：

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复制代码

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复制代码

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复制代码

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)复制代码

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复制代码

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复制代码

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复制代码

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。

关于TokuDB Bulk Loader :

五、测试环境说明

测试使用CentOS7环境，编译的XeLabs TokuDB版本百度云地址：。

最后针对于互联网公司java程序员涉及到的绝大部分难题我做成了文档和架构视频资料免费分享给大家（包括Dubbo、Redis、Netty、zookeeper、Spring cloud、分布式、高并发等架构技术资料），希望能帮助到且找到一个好的工作，也节省大家在网上搜索资料的时间来学习，也可以关注我一下以后会有更多干货分享。资料领取方式：Java高级架构；603619042