多程序PHP指令碼實現海量資料轉移總結
背景
由於專案的新版本有大改動，需求是將一些舊錶的資料轉移到新表來，於是使用PHP寫了資料指令碼，對MySQL的資料進行讀取，計算，轉移，插入等處理，實現千萬級別資料的計算和轉移。這裡面也遇到一些問題，這裡做下總結：
需求
- 將幾個舊錶的資料拷到新表來，有些欄位發生了變化，有些欄位的值需要計算；
- 單表資料量到達千萬級，而且線上有多個庫，要對指令碼進行必要的優化；
- 指令碼執行時間控制在兩個小時之內；
實現過程
1、分析表資料的關聯性，整合指令碼。
分析了幾個表資料之間的聯絡，可以將一些有關聯的表的資料放在一個數據指令碼中，比如user表和user_detail表，這兩個表的資料是有一些關聯的，一些資料值的計算不用重複讀取，減少指令碼的計算操作，節約時間；
2、資料讀取時，減少配置資料的載入操作，減少資料查詢操作。
開始資料轉移時，必要的配置資料必須在指令碼開始時全部載入進來，不能在轉移時用到再去進行查詢，因為每次查詢都是意味著消耗更多時間。當然這裡有個前提是你的機器記憶體要夠大，PHP的這種載入是比較消耗記憶體的。一個指令碼執行起來，記憶體都要佔了很多G，這種其實就是用空間換時間的做法。當然，當機器記憶體不夠大，或者效能不夠強時，還是先保證指令碼的健壯性，再來考慮效能。
PHP可以使用set_time_limit ( 0 ); @ini_set('memory_limit','2048M');來指定指令碼執行的最長時間和使用記憶體的最大值；
3、指令碼處理資料時，需要分段分批處理。
我們在處理資料時，需要先讀取出使用者id，在根據id查詢表的資料再做處理。就是我們的處理邏輯都是以使用者id為基準，按照使用者id做key，資料做value的方式，遍歷資料。為了減少機器的負載，充分利用機器的效能，我們使用一個while迴圈，每次處理3000個使用者的資料，轉移完後再查詢出3000個使用者的資料，如此類推，直到所有資料處理完，也就是跳出while迴圈。
同時必須要保證資料的有效性，不然insert不進去。這裡還遇到過一個問題，就是在使用PHP的函式批量insert資料時，有時一個sql語句資料量太多，會超過MySQL最大的insert限制，所以在insert之前，需要將需要插入的資料進行分段，也就是對資料進行隔斷處理，分批插入。PHP中可以使用array_slice()對陣列資料進行分段。
4、將多次MySQL處理集合在一次的commit上。
我們在一次迴圈中是使用了一次try-catch來監控一次操作，當某個資料處理有異常時，就直接丟擲異常，保證每次處理資料的完整性。我們每次處理開始前，先開啟一個事務，處理完成後會進行一次提交事務。為了節省時間，可以優化成：開啟一個事務，在遍歷了多個使用者資料後，再進行一次提交，或者在遇到異常後也提交一次，這樣可以保證資料完整，也可以減少多次commit db的操作，節約時間。
5、使用shell指令碼整合每個PHP指令碼，開啟多個PHP程序。
因為我們處理一個庫的資料要涉及到多個PHP指令碼，可以使用shell來整合多個指令碼，並且讓其順序執行。使用nohub命令不掛斷地執行命令（後面再單獨介紹這個linux命令）。根據機器的核數來開啟多少個PHP程序，充分發揮機器的效能。
例子
比如執行一個PHP指令碼，可以這樣子：
程序1：php move_user.php a 0 10000 程序2：php move_user.php a 10000 20000 程序3：php move_user.php b 0 10000 程序4：php move_user.php b 10000 20000
這樣表示使用PHP cli模式（命令模式）執行一個PHP指令碼，對於程序1，a 表示是資料庫a，0 和10000表示從使用者id 0開始，執行到使用者id 10000 結束，一個程序處理10000個使用者資料。
程序2表示執行資料庫a 10000 到20000的使用者資料。
這樣多個程序，可以同時執行多個庫的資料，多個區段的使用者資料，節省時間。
當然，每次處理多少個使用者資料，每次開多少個程序，每次遍歷多少資料，都是根據專案的業務資料，和機器的最大負載來綜合處理，達到一個平衡狀態。
總結
- 此次資料處理原本預期要一個小時，結果由於其他原因，後面花費了兩個多小時，但整體都是在計劃之內，所以是正常的；
- PHP和MySQL做資料互動，充分利用了PHP的效能後，瓶頸就在與MySQL更新和插入資料了，我們就是通過分段迴圈處理，分段提交事務來平衡了MySQL的瓶頸；
- MySQL單表資料太大，後面需要單獨對這塊進行優化，不然以後對資料進行更新和備份時，都要浪費大量的時間；
- 必須保證指令碼邏輯沒有問題，不然後面重跑就很蛋疼了。