将MySQL去重操作优化到极致之三弹连发：多线程并行执行
Posted wzy0623
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了将MySQL去重操作优化到极致之三弹连发：多线程并行执行相关的知识，希望对你有一定的参考价值。
上一篇已经将单条查重语句调整到最优，但该语句是以单线程方式执行。能否利用多处理器，让去重操作多线程并行执行，从而进一步提高速度呢？比如我的实验环境是4处理器，如果使用4个线程同时执行查重sql，理论上应该接近4倍的性能提升。一、数据分片
我们生成测试数据时，created_time采用每条记录加一秒的方式，也就是最大和在最小的时间差为50万秒，而且数据均匀分布。因此先把数据平均分成4份。
1. 查询出4份数据的created_time边界值
select date_add('2017-01-01',interval 125000 second) dt1,
date_add('2017-01-01',interval 2*125000 second) dt2,
date_add('2017-01-01',interval 3*125000 second) dt3,
max(created_time) dt4
from t_source;
图一
2. 查看每份数据的记录数，确认数据平均分布select case when created_time >= '2017-01-01'
and created_time < '2017-01-02 10:43:20'
then '2017-01-01'
when created_time >= '2017-01-02 10:43:20'
and created_time < '2017-01-03 21:26:40'
then '2017-01-02 10:43:20'
when created_time >= '2017-01-03 21:26:40'
and created_time < '2017-01-05 08:10:00'
then '2017-01-03 21:26:40'
else '2017-01-05 08:10:00'
end min_dt,
case when created_time >= '2017-01-01'
and created_time < '2017-01-02 10:43:20'
then '2017-01-02 10:43:20'
when created_time >= '2017-01-02 10:43:20'
and created_time < '2017-01-03 21:26:40'
then '2017-01-03 21:26:40'
when created_time >= '2017-01-03 21:26:40'
and created_time < '2017-01-05 08:10:00'
then '2017-01-05 08:10:00'
else '2017-01-06 18:53:20'
end max_dt,
count(*)
from t_source
group by case when created_time >= '2017-01-01'
and created_time < '2017-01-02 10:43:20'
then '2017-01-01'
when created_time >= '2017-01-02 10:43:20'
and created_time < '2017-01-03 21:26:40'
then '2017-01-02 10:43:20'
when created_time >= '2017-01-03 21:26:40'
and created_time < '2017-01-05 08:10:00'
then '2017-01-03 21:26:40'
else '2017-01-05 08:10:00'
end,
case when created_time >= '2017-01-01'
and created_time < '2017-01-02 10:43:20'
then '2017-01-02 10:43:20'
when created_time >= '2017-01-02 10:43:20'
and created_time < '2017-01-03 21:26:40'
then '2017-01-03 21:26:40'
when created_time >= '2017-01-03 21:26:40'
and created_time < '2017-01-05 08:10:00'
then '2017-01-05 08:10:00'
else '2017-01-06 18:53:20'
end;查询结果如图二所示。
图二
4份数据的并集应该覆盖整个源数据集，并且数据之间是不重复的。也就是说4份数据的created_time要连续且互斥，连续保证处理全部数据，互斥确保了不需要二次查重。实际上这和时间范围分区的概念类似，或许用分区表更好些，只是这里省略了重建表的步骤。
3. 建立查重的存储过程
有了以上信息我们就可以写出4条语句处理全部数据。为了调用接口尽量简单，建立下面的存储过程。
delimiter //
create procedure sp_unique(i smallint)
begin
set @a:='0000-00-00 00:00:00';
set @b:=' ';
if (i<4) then
insert into t_target
select * from t_source force index (idx_sort)
where created_time >= date_add('2017-01-01',interval (i-1)*125000 second)
and created_time < date_add('2017-01-01',interval i*125000 second)
and (@a!=created_time or @b!=item_name)
and (@a:=created_time) is not null
and (@b:=item_name) is not null
order by created_time,item_name;
commit;
else
insert into t_target
select * from t_source force index (idx_sort)
where created_time >= date_add('2017-01-01',interval (i-1)*125000 second)
and created_time <= date_add('2017-01-01',interval i*125000 second)
and (@a!=created_time or @b!=item_name)
and (@a:=created_time) is not null
and (@b:=item_name) is not null
order by created_time,item_name;
commit;
end if;
end
//
delimiter ; 查询的执行计划都如图三所示。
图三
mysql优化器进行索引范围扫描，并且使用索引条件下推（ICP）优化查询。
二、并行执行
下面分别使用shell后台进程和MySQL Schedule Event实现并行。
1. shell后台进程
（1）建立duplicate_removal.sh文件，内容如下。#!/bin/bash
mysql -vvv -u root -p123456 test -e "truncate t_target" &>/dev/null
date '+%H:%M.%N'
for y in {1..4}
do
sql="call sp_unique($y)"
mysql -vvv -u root -p123456 test -e "$sql" &>par_sql1_$y.log &
done
wait
date '+%H:%M.%N'（2）执行脚本文件
chmod 755 duplicate_removal.sh
./duplicate_removal.sh执行输出入图四所示。
图四
这种方法用时3.4秒，并行执行的4个过程调用分别用时如图五所示。
图五
可以看到，每个过程的执行时间均不到3.4秒，因为是并行执行，总的过程执行时间也小于3.4秒，比单线程sql速度提高了近3倍。2. MySQL Schedule Event
吴老师也用到了并行，但他是利用MySQL自带的Schedule Event功能实现的，代码应该和下面的类似。
（1）建立事件历史日志表
-- 用于查看事件执行时间等信息
create table t_event_history (
dbname varchar(128) not null default '',
eventname varchar(128) not null default '',
starttime datetime(3) not null default '0000-00-00 00:00:00',
endtime datetime(3) default null,
issuccess int(11) default null,
duration int(11) default null,
errormessage varchar(512) default null,
randno int(11) default null
); （2）修改event_scheduler参数
set global event_scheduler = 1;（3）为每个并发线程创建一个事件
delimiter //
create event ev1 on schedule at current_timestamp + interval 1 hour on completion preserve disable do
begin
declare r_code char(5) default '00000';
declare r_msg text;
declare v_error integer;
declare v_starttime datetime default now(3);
declare v_randno integer default floor(rand()*100001);
insert into t_event_history (dbname,eventname,starttime,randno)
#作业名
values(database(),'ev1', v_starttime,v_randno);
begin
#异常处理段
declare continue handler for sqlexception
begin
set v_error = 1;
get diagnostics condition 1 r_code = returned_sqlstate , r_msg = message_text;
end;
#此处为实际调用的用户程序过程
call sp_unique(1);
end;
update t_event_history set endtime=now(3),issuccess=isnull(v_error),duration=timestampdiff(microsecond,starttime,now(3)), errormessage=concat('error=',r_code,', message=',r_msg),randno=null where starttime=v_starttime and randno=v_randno;
end
//
create event ev2 on schedule at current_timestamp + interval 1 hour on completion preserve disable do
begin
declare r_code char(5) default '00000';
declare r_msg text;
declare v_error integer;
declare v_starttime datetime default now(3);
declare v_randno integer default floor(rand()*100001);
insert into t_event_history (dbname,eventname,starttime,randno)
#作业名
values(database(),'ev2', v_starttime,v_randno);
begin
#异常处理段
declare continue handler for sqlexception
begin
set v_error = 1;
get diagnostics condition 1 r_code = returned_sqlstate , r_msg = message_text;
end;
#此处为实际调用的用户程序过程
call sp_unique(2);
end;
update t_event_history set endtime=now(3),issuccess=isnull(v_error),duration=timestampdiff(microsecond,starttime,now(3)), errormessage=concat('error=',r_code,', message=',r_msg),randno=null where starttime=v_starttime and randno=v_randno;
end
//
create event ev3 on schedule at current_timestamp + interval 1 hour on completion preserve disable do
begin
declare r_code char(5) default '00000';
declare r_msg text;
declare v_error integer;
declare v_starttime datetime default now(3);
declare v_randno integer default floor(rand()*100001);
insert into t_event_history (dbname,eventname,starttime,randno)
#作业名
values(database(),'ev3', v_starttime,v_randno);
begin
#异常处理段
declare continue handler for sqlexception
begin
set v_error = 1;
get diagnostics condition 1 r_code = returned_sqlstate , r_msg = message_text;
end;
#此处为实际调用的用户程序过程
call sp_unique(3);
end;
update t_event_history set endtime=now(3),issuccess=isnull(v_error),duration=timestampdiff(microsecond,starttime,now(3)), errormessage=concat('error=',r_code,', message=',r_msg),randno=null where starttime=v_starttime and randno=v_randno;
end
//
create event ev4 on schedule at current_timestamp + interval 1 hour on completion preserve disable do
begin
declare r_code char(5) default '00000';
declare r_msg text;
declare v_error integer;
declare v_starttime datetime default now(3);
declare v_randno integer default floor(rand()*100001);
insert into t_event_history (dbname,eventname,starttime,randno)
#作业名
values(database(),'ev4', v_starttime,v_randno);
begin
#异常处理段
declare continue handler for sqlexception
begin
set v_error = 1;
get diagnostics condition 1 r_code = returned_sqlstate , r_msg = message_text;
end;
#此处为实际调用的用户程序过程
call sp_unique(4);
end;
update t_event_history set endtime=now(3),issuccess=isnull(v_error),duration=timestampdiff(microsecond,starttime,now(3)), errormessage=concat('error=',r_code,', message=',r_msg),randno=null where starttime=v_starttime and randno=v_randno;
end
//
delimiter ; 说明：为了记录每个事件执行的时间，在事件定义中增加了操作日志表的逻辑，因为每个事件中只多执行了一条insert，一条update，4个事件总共多执行8条很简单的语句，对测试的影响可以忽略不计。执行时间精确到毫秒。
（4）触发事件执行
mysql -vvv -u root -p123456 test -e "truncate t_target;alter event ev1 on schedule at current_timestamp enable;alter event ev2 on schedule at current_timestamp enable;alter event ev3 on schedule at current_timestamp enable;alter event ev4 on schedule at current_timestamp enable;"说明：该命令行顺序触发了4个事件，但不会等前一个执行完才执行下一个，而是立即向下执行。从图六的输出也可以清楚地看到这一点。因此四次过程调用是并行执行的。
以上是关于将MySQL去重操作优化到极致之三弹连发：多线程并行执行的主要内容，如果未能解决你的问题，请参考以下文章
MySQL： 17 MySQL是如何将LRU链表的使用性能优化到极致的？
JAVA面试题之三—Mysql索引了解嘛？怎么优化查询效率？