TiDB Lightning 术语表

本术语表提供了 TiDB Lightning 相关的术语和定义,这些术语会出现在 TiDB Lightning 的日志、监控指标、配置和文档中。

A

Analyze

统计信息分析。指重建 TiDB 表中的统计信息,即运行 ANALYZE TABLE 语句。

因为 TiDB Lightning 物理导入模式直接导入数据到 TiKV,统计信息不会自动更新,所以 TiDB Lightning 在导入后显式地分析每个表。如果不需要该操作,可以将 post-restore.analyze 设置为 false

AUTO_INCREMENT_ID

用于为自增列分配默认值的自增 ID 计数器。每张表都有一个相关联的 AUTO_INCREMENT_ID 计数器。在 TiDB 中,该计数器还用于分配行 ID。

因为 TiDB Lightning 物理导入模式直接导入数据到 TiKV,AUTO_INCREMENT_ID 计数器不会自动更新,所以 TiDB Lightning 显式地将 AUTO_INCREMENT_ID 改为一个有效值。即使表中没有自增列,这步仍是会执行。

B

Backend

也称作 Back end(后端),用于接受 TiDB Lightning 解析结果。

详情参阅 TiDB Lightning Backends

C

Checkpoint

断点。用于保证 TiDB Lightning 在导入数据时不断地将进度保存到本地文件或远程数据库中。这样即使进程崩溃,TiDB Lightning 也能从中间状态恢复。

详情参见 TiDB Lightning 断点续传

Checksum

校验和。一种用于验证导入数据正确性的方法。

在 TiDB Lightning 中,表的校验和是由 3 个数字组成的集合,由该表中每个键值对的内容计算得出。这些数字分别是:

  • 键值对的数量
  • 所有键值对的总长度
  • 每个键值对 CRC-64-ECMA 按位异或的结果

TiDB Lightning 通过比较每个表的本地校验和远程校验和来验证导入数据的正确性。如果有任一对校验和不匹配,导入进程就会停止。如果你需要跳过校验和检查,可以将 post-restore.checksum 设置为 false

遇到校验和不匹配的问题时,参考常见问题进行处理。

Chunk

一段连续的源数据,通常相当于数据源中的单个文件。

如果单个文件太大,TiDB Lightning 可以将单个文件拆分成多个文件块。

Compaction

压缩。指将多个小 SST 文件合并为一个大 SST 文件并清理已删除的条目。TiDB Lightning 导入数据时,TiKV 在后台会自动压缩数据。

D

Data engine

数据引擎。用于对实际的行数据进行排序的引擎

当一个表数据很多的时候,表的数据会被放置在多个数据引擎中以改善任务流水线并节省 TiKV Importer 的空间。默认条件下,每 100 GB 的 SQL 数据会打开一个新的数据引擎(可通过 mydumper.batch-size 配置项进行更改)。

TiDB Lightning 同时处理多个数据引擎(可通过 lightning.table-concurrency 配置项进行更改)。

E

Engine

引擎。在 TiKV Importer 中,一个引擎就是一个用于排序键值对的 RocksDB 实例。

TiDB Lightning 通过引擎将数据传送到 TiKV Importer 中。TiDB Lightning 先打开一个引擎,向其发送未排序的键值对,然后关闭引擎。随后,引擎会对收到的键值对进行排序操作。这些关闭的引擎可以进一步上传至 TiKV store 中为 Ingest 做准备。

引擎使用 TiKV Importer 的 import-dir 作为临时存储,有时也会被称为引擎文件 (engine files)。

另见数据引擎索引引擎

F

Filter

配置列表,用于指定需要导入或不允许导入的表。

详情见表库过滤

I

Import mode

导入模式。指通过降低读取速度和减少空间使用,来优化 TiKV 写入的配置模式。

导入过程中,TiDB Lightning 自动在导入模式和普通模式中来回切换。如果 TiKV 卡在导入模式,你可以使用 tidb-lightning-ctl 强制切换回普通模式

Index engine

索引引擎。用于对索引进行排序的引擎

不管表中有多少索引,每张表都只对应一个索引引擎。

TiDB Lightning 可同时处理多个索引引擎(可通过 lightning.index-concurrency 配置项进行更改)。由于每张表正好对应一个索引引擎,lightning.index-concurrency 配置项也限定了可同时处理的表的最大数量。

Ingest

指将 SST 文件的全部内容插入到 RocksDB(TiKV)store 中的操作。

与逐个插入键值对相比,Ingest 的效率非常高。因此,该操作直接决定了 TiDB Lightning 的性能。

技术细节参阅 RocksDB 关于创建、Ingest SST 文件的 wiki 页面

K

KV pair

即 key-value pair(键值对)。

KV encoder

用于将 SQL 或 CSV 行解析为键值对的例程。多个 KV encoder 会并行运行以加快处理速度。

L

Local checksum

本地校验和。在将键值对发送到 TiKV Importer 前,由 TiDB Lightning 计算的表的校验和。

N

Normal mode

普通模式。未启用导入模式时的模式。

P

Post-processing

指整个数据源被解析发送到 TiKV Importer 之后的一段时间。此时 TiDB Lightning 正在等待 TiKV Importer 上传、Ingest SST 文件

R

Remote checksum

远程校验和。指导入 TiDB 后所计算的表的校验和

S

Scattering

指随机再分配 Region 中 leader 和 peer 的操作。Scattering 确保导入的数据在 TiKV store 中均匀分布,这样可以降低 PD 调度的压力。

Splitting

指 TiKV Importer 在上传之前会将单个引擎文件拆分为若干小 SST 文件的操作。这是因为引擎文件通常很大(约为 100 GB),在 TiKV 中不适合视为单一的 Region。拆分的文件大小可通过 import.region-split-size 配置项更改。

SST file

Sorted string table file(排序字符串表文件)。SST 文件是一种在 RocksDB 中(因而也是 TiKV 中)键值对集合在本地的存储形式。

TiKV Importer 从关闭的引擎中生成 SST 文件。这些 SST 文件接着被上传、ingest 到 TiKV store 中。