TiDB Lightning 后端

TiDB Lightning 的后端决定 tidb-lightning 组件将如何把将数据导入到目标集群中。目前,TiDB Lightning 支持以下后端:

以上几种后端导入数据的区别如下:

  • Importer-backendtidb-lightning 先将 SQL 或 CSV 数据编码成键值对,由 tikv-importer 对写入的键值对进行排序,然后把这些键值对 Ingest 到 TiKV 节点中。

  • Local-backendtidb-lightning 先将数据编码成键值对并排序存储在本地临时目录,然后将这些键值对以 SST 文件的形式上传到各个 TiKV 节点,然后由 TiKV 将这些 SST 文件 Ingest 到集群中。和 Importer-backend 原理相同,不过不依赖额外的 tikv-importer 组件。

  • TiDB-backendtidb-lightning 先将数据编码成 INSERT 语句,然后直接在 TiDB 节点上运行这些 SQL 语句进行数据导入。

后端Local-backendImporter-backendTiDB-backend
速度快 (~500 GB/小时)快 (~400 GB/小时)慢 (~50 GB/小时)
资源使用率
占用网络带宽
导入时是否满足 ACID
目标表必须为空必须为空可以不为空
额外组件tikv-importer
支持 TiDB 集群版本>= v4.0.0全部全部
是否影响 TiDB 对外提供服务

如何选择后端模式

  • 如果导入的目标集群为 v4.0 或以上版本,请优先考虑使用 Local-backend 模式。Local-backend 部署更简单并且性能也较其他两个模式更高
  • 如果目标集群为 v3.x 或以下,则建议使用 Importer-backend 模式
  • 如果需要导入的集群为生产环境线上集群,或需要导入的表中已包含有数据,则最好使用 TiDB-backend 模式

TiDB Lightning Local-backend

自 TiDB 4.0.3 版本起,TiDB Lightning 引入了 Local-backend 特性。该特性支持导入数据到 v4.0.0 以上的 TiDB 集群。

部署和配置 TiDB Lightning

TiDB Lightning Local-backend 模式的部署方法见 TiDB Lightning 部署与执行

TiDB Lightning TiDB-backend

部署和配置 TiDB Lightning

使用 TiDB-backend 时,你无需部署 tikv-importer。与标准部署过程相比,部署 TiDB-backend 时有如下不同:

  • 可以跳过所有涉及 tikv-importer 的步骤。
  • 必须更改相应配置申明使用的是 TiDB-backend。

硬件需求

使用 TiDB-backend 时, TiDB Lightning 的速度仅受限于 TiDB 执行 SQL 语句的速度。因此,即使是低配的机器也足够发挥出最佳性能。推荐的硬件配置如下:

  • 16 逻辑核 CPU
  • 足够储存整个数据源的 SSD 硬盘,读取速度越快越好
  • 千兆网卡

使用 TiDB Ansible 部署

  1. inventory.ini 文件中,[importer_server] 部分可以留空。

    ... [importer_server] # keep empty [lightning_server] 192.168.20.10 ...
  2. 忽略 group_vars/all.yml 文件中 tikv_importer_port 部分的设置,group_vars/importer_server.yml 文件也不需要修改。但是你需要在 conf/tidb-lightning.yml 文件中将 backend 设置更改为 tidb

    ... tikv_importer: backend: "tidb" # <-- 改成 “tidb” ...
  3. 启动、部署集群。

  4. 为 TiDB Lightning 挂载数据源。

  5. 启动 tidb-lightning

手动部署

手动部署时,你无需下载和配置 tikv-importer,TiDB Lightning 可在此下载

在运行 tidb-lightning 之前,在配置文件中加上如下几行:

[tikv-importer] backend = "tidb"

或者在用命令行启动 tidb-lightning 时,传入参数 --backend tidb

冲突解决

TiDB-backend 支持导入到已填充的表(非空表)。但是,新数据可能会与旧数据的唯一键冲突。你可以通过使用如下任务配置来控制遇到冲突时的默认行为:

[tikv-importer] backend = "tidb" on-duplicate = "replace" # 或者 “error”、“ignore”
设置冲突时默认行为对应 SQL 语句
replace新数据替代旧数据REPLACE INTO ...
ignore保留旧数据,忽略新数据INSERT IGNORE INTO ...
error中止导入INSERT INTO ...

从 Loader 迁移到 TiDB Lightning TiDB-backend

当需要将数据导入到 TiDB 集群时,TiDB Lightning TiDB-backend 可以完全取代 Loader。下表说明了如何将 Loader 的配置迁移到 TiDB Lightning 配置中:

LoaderTiDB Lightning
# 日志级别 log-level = "info" # 日志的输出目录 log-file = "loader.log" # Prometheus status-addr = ":8272" # 线程数 pool-size = 16
[lightning] # 日志级别 level = "info" # 日志的输出目录。如果未指定该位置目录,默认为执行命令的所在目录。 file = "tidb-lightning.log" # Prometheus pprof-port = 8289 # 并发度 (最好使用默认设置) #region-concurrency = 16
# 断点数据库名 checkpoint-schema = "tidb_loader"
[checkpoint] # 断点存储 enable = true schema = "tidb_lightning_checkpoint" # 断点默认存储在本地的文件系统,这样更高效。但你也可以 # 选择将断点存储在目标数据库中,设置如下: # driver = "mysql"
[tikv-importer] # 使用 TiDB-backend backend = "tidb"
# 数据源目录 dir = "/data/export/"
[mydumper] # 数据源目录 data-source-dir = "/data/export"
[db] # TiDB 连接参数 host = "127.0.0.1" port = 4000 user = "root" password = "" #sql-mode = ""
[tidb] # TiDB 连接参数 host = "127.0.0.1" port = 4000 # 在 TiDB-backend 模式下,该参数为可选参数 # status-port = 10080 user = "root" password = "" #sql-mode = ""
# [[route-rules]] # Table routes # schema-pattern = "shard_db_*" # table-pattern = "shard_table_*" # target-schema = "shard_db" # target-table = "shard_table"
# [[routes]] # Table routes # schema-pattern = "shard_db_*" # table-pattern = "shard_table_*" # target-schema = "shard_db" # target-table = "shard_table"

TiDB Lightning Importer-backend

部署 Importer-backend

本节介绍 TiDB Lightning 使用 Importer 模式的两种部署方式:使用 TiDB Ansible 部署手动部署

硬件需求

tidb-lightningtikv-importer 这两个组件皆为资源密集程序,建议各自单独部署。

为了优化效能,建议硬件配置如下:

  • tidb-lightning

    • 32+ 逻辑核 CPU
    • 足够储存整个数据源的 SSD 硬盘,读取速度越快越好
    • 使用万兆网卡,带宽需 300 MB/s 以上
    • 运行过程默认会占满 CPU资源,因此建议将 tidb-lightning 部署到一台单独的机器上。条件不允许的情况下可以和其他组件(比如 tidb-server)部署在同一台机器上,然后通过配置 region-concurrency 限制 tidb-lightning 使用 CPU 资源。
  • tikv-importer

    • 32+ 逻辑核 CPU
    • 40 GB+ 内存
    • 1 TB+ SSD 硬盘,IOPS 越高越好(要求 ≥8000)
      • 硬盘必须大于最大的 N 个表的大小总和,其中 N = max(index-concurrency, table-concurrency)
    • 使用万兆网卡,带宽需 300 MB/s 以上
    • 运行过程中 CPU、I/O 和网络带宽资源都可能占满,建议单独部署。

如果机器充裕的话,可以部署多套 tidb-lightning + tikv-importer,然后将源数据以表为粒度进行切分,并发导入。

使用 TiDB Ansible 部署 TiDB Lightning

TiDB Lightning 可随 TiDB 集群一起用 TiDB Ansible 部署

  1. 编辑 inventory.ini,分别配置一个 IP 来部署 tidb-lightningtikv-importer

    ... [importer_server] 192.168.20.9 [lightning_server] 192.168.20.10 ...
  2. 修改 group_vars/*.yml 的变量配置这两个工具。

    • group_vars/all.yml

      ... # tikv-importer 的监听端口。需对 tidb-lightning 服务器开放。 tikv_importer_port: 8287 ...
    • group_vars/lightning_server.yml

      --- dummy: # 提供监控告警的端口。需对监控服务器 (monitoring_server) 开放。 tidb_lightning_pprof_port: 8289 # 获取数据源(Mydumper SQL dump 或 CSV)的路径。 data_source_dir: "{{ deploy_dir }}/mydumper"
    • group_vars/importer_server.yml

      --- dummy: # 储存引擎文件的路径。需存放在空间足够大的分区。 import_dir: "{{ deploy_dir }}/data.import"
  3. 开始部署。

    ansible-playbook bootstrap.yml && ansible-playbook deploy.yml
  4. 将数据源写入 data_source_dir 指定的路径。

  5. 登录 tikv-importer 的服务器,并执行以下命令来启动 Importer。

    scripts/start_importer.sh
  6. 登录 tidb-lightning 的服务器,并执行以下命令来启动 Lightning,开始导入过程。

    scripts/start_lightning.sh
  7. 完成后,在 tikv-importer 的服务器执行 scripts/stop_importer.sh 来关闭 Importer。

手动部署 TiDB Lightning

第 1 步:部署 TiDB 集群

在开始数据导入之前,需先部署一套要进行导入的 TiDB 集群 (版本要求 2.0.9 以上),建议使用最新版。部署方法可参考 使用 TiUP 部署 TiDB 集群

第 2 步:下载 TiDB Lightning 安装包

工具下载页面下载 TiDB Lightning 安装包(需选择与 TiDB 集群相同的版本)。

第 3 步:启动 tikv-importer
  1. 从安装包上传 bin/tikv-importer

  2. 配置 tikv-importer.toml

    # TiKV Importer 配置文件模版 # 日志文件。 log-file = "tikv-importer.log" # 日志等级:trace、debug、info、warn、error、off。 log-level = "info" # 状态服务器的监听地址。 status-server-address = "0.0.0.0:8286" [server] # tikv-importer 监听的地址,tidb-lightning 需要连到这个地址进行数据写入。 addr = "0.0.0.0:8287" [metric] # 给 Prometheus 客户端的推送任务名称。 job = "tikv-importer" # 给 Prometheus 客户端的推送间隔。 interval = "15s" # Prometheus Pushgateway 地址。 address = "" [import] # 存储引擎文档 (engine file) 的文件夹路径。 import-dir = "/mnt/ssd/data.import/"

    上面仅列出了 tikv-importer 的基本配置。完整配置请参考tikv-importer 配置说明

  3. 运行 tikv-importer

    nohup ./tikv-importer -C tikv-importer.toml > nohup.out &
第 4 步:启动 tidb-lightning
  1. 从安装包上传 bin/tidb-lightningbin/tidb-lightning-ctl

  2. 将数据源写入到同样的机器。

  3. 配置 tidb-lightning.toml。对于没有出现在下述模版中的配置,TiDB Lightning 给出配置错误的提醒并退出。

    [lightning] # 转换数据的并发数,默认为逻辑 CPU 数量,不需要配置。 # 混合部署的情况下可以配置为逻辑 CPU 的 75% 大小。 # region-concurrency = # 日志 level = "info" file = "tidb-lightning.log" [tikv-importer] # tikv-importer 的监听地址,需改成 tikv-importer 服务器的实际地址。 addr = "172.16.31.10:8287" [mydumper] # Mydumper 源数据目录。 data-source-dir = "/data/my_database" [tidb] # 目标集群的信息。tidb-server 的监听地址,填一个即可。 host = "172.16.31.1" port = 4000 user = "root" password = "" # 表架构信息在从 TiDB 的“状态端口”获取。 status-port = 10080

    上面仅列出了 tidb-lightning 的基本配置信息。完整配置信息请参考tidb-lightning 配置说明

  4. 运行 tidb-lightning。如果直接在命令行中用 nohup 启动程序,可能会因为 SIGHUP 信号而退出,建议把 nohup 放到脚本里面,如:

    #!/bin/bash nohup ./tidb-lightning -config tidb-lightning.toml > nohup.out &