程式設計師過關斬將--資料庫快速遷移10億級資料

摘要： 菜菜呀，咱們業務BJKJ有個表資料需要做遷移 程式設計師主力 Y總 現在有多少資料？ 菜菜 大約21億吧，2017年...

問題分析

經過幾分鐘的排查，資料庫情況如下：

1.  資料庫採用Sqlserver 2008 R2，單表資料量21億

2. 無水平或者垂直切分，但是採用了分割槽表。分割槽表策略是按時間降序分的區，將近30個分割槽。正因為分割槽表的原因，系統才保證了在效能不是太差的情況下堅持至今。

3. 此表除聚集索引之外，無其他索引，無主鍵（主鍵其實是利用索引來快速查重的）。所以在頻繁插入新資料的情況下，索引調整所耗費的效能比較低。

至於業務，不是太複雜。經過相關人員諮詢，大約40%的請求為單條Insert，大約60%的請求為按class_id 和in_time（倒序）分頁獲取資料。Select請求全部命中聚集索引，所以效能非常高。這也是聚集索引之所以這樣設計的目的。

解決問題

由於單表資料量已經超過21億，並且2017年以前的資料幾乎不影響業務，所以決定把2017年以前（不包括2017年）的資料遷移到新表，僅供以後特殊業務查詢使用。經過查詢大約有9億資料量。

資料遷移工作包括三個個步驟：

1.  從源資料表查詢出要遷移的資料

2.  把資料插入新表

3.  把舊錶的資料刪除

傳統做法

這裡申明一點，就算是傳統的做法也需要分頁獲取源資料，因為你的記憶體一次性裝載不下9億條資料。

1.  從源資料表分頁獲取資料，具體分頁條數，太少則查詢原表太頻繁，太多則查詢太慢。

SQL語句類似於

SELECT * FROM (
SELECT *,ROW_NUMBER() OVER(ORDER BY class_id,in_time) p FROMtablexx WHERE in_time <'2017.1.1'
) t WHERE t.p BETWEEN 1 AND 100

2.  把查詢出來的資料插入目標資料表，這裡強調一點，一定不要用單條插入策略，必須用批量插入。

3.  把資料刪除，其實這裡刪除還是有一個小難點，表沒有標示列。這裡不展開，因為這不是菜菜要說的重點。

如果你的資料量不大，以上方法完全沒有問題，但是在9億這個數字前面，以上方法顯得心有餘而力不足。一個字：慢，太慢，非常慢。

可以大體算一下，假如每秒可以遷移1000條資料，大約需要的時間為(單位：分)

900000000/1000/60=15000(分鐘)

大約需要10天^ V ^

改進做法

以上的傳統做法弊端在哪裡呢？

1.  在9億資料前查詢必須命中索引，就算是非聚集索引菜菜也不推薦，首推聚集索引。

2.   如果你瞭解索引的原理，你應該明白，不停的插入新資料的時候，索引在不停的更新，調整，以保持樹的平衡等特性。尤其是聚集索引影響甚大，因為還需要移動實際的資料。

提取以上兩點共同的要素，那就是聚集索引。相應的解決方案也就應運而生：

1.   按照聚集索分頁引查詢資料

2 .  批量插入資料迎合聚集索引，即：按照聚集索引的順序批量插入。

3. 按照聚集索引順序批量刪除

由於做了表分割槽，如果有一種方式把2017年以前的分割槽直接在磁碟物理層面從當前表剝離，然後掛載到另外一個表，可算是神級操作。有誰能指導一下 菜菜，感激不盡

擴充套件閱讀

1.  一個表的聚集索引的順序就是實際資料檔案的順序，對映到磁碟上，本質上位於同一個磁軌上，所以操作的時候磁碟的磁頭不必跳躍著去操作。

2.  儲存在硬碟中的每個檔案都可分為兩部分：檔案頭和儲存資料的資料區。檔案頭用來記錄檔名、檔案屬性、佔用簇號等資訊，檔案頭儲存在一個簇並對映在FAT表（檔案分配表）中。而真實的資料則是儲存在資料區當中的。平常所做的刪除，其實是修改檔案頭的前2個程式碼，這種修改對映在FAT表中，就為檔案作了刪除標記，並將檔案所佔簇號在FAT表中的登記項清零，表示釋放空間，這也就是平常刪除檔案後，硬碟空間增大的原因。而真正的檔案內容仍儲存在資料區中，並未得以刪除。要等到以後的資料寫入，把此資料區覆蓋掉，這樣才算是徹底把原來的資料刪除。如果不被後來儲存的資料覆蓋，它就不會從磁碟上抹掉。

NetCore 程式碼(實際執行程式碼)

1.  第一步：由於聚集索引需要class_id ，所以寧可花2-4秒時間把要操作的class_id查詢出來(ORM為dapper)，並且升序排列

DateTime dtMax = DateTime.Parse("2017.1.1");
var allClassId = DBProxy.GeSourcetLstClassId(dtMax)?.OrderBy(s=>s);

2.  按照第一步class_id 列表順序查詢資料，每個class_id 分頁獲取，然後插入目標表，全部完成然後刪除源表相應class_id的資料。(全部命中聚集索引)

D int pageIndex = 1; //頁碼
int pageCount = 20000;//每頁的資料條數
DataTable tempData =null;
int successCount = 0;
foreach (var classId in allClassId)
{
tempData = null;
pageIndex = 1;
while (true)
{
int startIndex = (pageIndex - 1) * pageCount+1;
int endIndex = pageIndex * pageCount;

tempData = DBProxy.GetSourceDataByClassIdTable(dtMax, classId, startIndex, endIndex);
if (tempData == null || tempData.Rows.Count==0)
{
//最後一頁無資料了，刪除源資料來源資料然後跳出
DBProxy.DeleteSourceClassData(dtMax, classId);
break;
}
else
{
DBProxy.AddTargetData(tempData);
}
pageIndex++;
}
successCount++;
Console.WriteLine($"班級:{classId} 完成,已經完成：{successCount}個");
}

DBProxy 完整程式碼：

class DBProxy
{
//獲取要遷移的資料所有班級id
public static IEnumerable<int> GeSourcetLstClassId(DateTime dtMax)
{
var connection = Config.GetConnection(Config.SourceDBStr);
string Sql = @"SELECT class_id FROMtablexx WHERE in_time <@dtMax GROUP BY class_id ";
using (connection)
{
return connection.Query<int>(Sql, new { dtMax = dtMax }, commandType: System.Data.CommandType.Text);

}
}

public static DataTable GetSourceDataByClassIdTable(DateTime dtMax, int classId, int startIndex, int endIndex)
{
var connection = Config.GetConnection(Config.SourceDBStr);
string Sql = @" SELECT * FROM (
SELECT *,ROW_NUMBER() OVER(ORDER BY in_time desc) p FROMtablexx WHERE in_time <@dtMaxAND class_id=@classId
) t WHERE t.p BETWEEN @startIndex AND @endIndex ";
using (connection)
{
DataTable table = new DataTable("MyTable");
var reader = connection.ExecuteReader(Sql, new { dtMax = dtMax, classId = classId, startIndex = startIndex, endIndex = endIndex }, commandType: System.Data.CommandType.Text);
table.Load(reader);
reader.Dispose();
return table;
}
}
public static int DeleteSourceClassData(DateTime dtMax, int classId)
{
var connection = Config.GetConnection(Config.SourceDBStr);
string Sql = @" delete fromtablexx WHERE in_time <@dtMaxAND class_id=@classId ";
using (connection)
{
return connection.Execute(Sql, new { dtMax = dtMax, classId = classId }, commandType: System.Data.CommandType.Text);

}
}
//SqlBulkCopy 批量新增資料
public static int AddTargetData(DataTable data)
{
var connection = Config.GetConnection(Config.TargetDBStr);
using (var sbc = new SqlBulkCopy(connection))
{
sbc.DestinationTableName = "tablexx_2017";
sbc.ColumnMappings.Add("class_id", "class_id");
sbc.ColumnMappings.Add("in_time", "in_time");
.
.
.
using (connection)
{
connection.Open();
sbc.WriteToServer(data);
}
}
return 1;
}

}

執行報告:

程式本機執行，開vpn連線遠端DB伺服器，執行1分鐘，遷移的資料資料量為 1915560，每秒約3萬條資料

1915560 / 60=31926 條/秒

cpu情況（不高）：

磁碟佇列情況（不高）：