MySQL快速删除大量数据(千万级别)的几种实践方案——附源码

database

MySQL DELETE 批量删除 大数据 快速实现方案

 

 笔者最近工作中遇见一个性能瓶颈问题,MySQL表,每天大概新增776万条记录,存储周期为7天,超过7天的数据需要在新增记录前老化。连续运行9天以后,删除一天的数据大概需要3个半小时(环境:128G, 32核,4T硬盘),而这是不能接受的。当然如果要整个表删除,毋庸置疑用

TRUNCATE TABLE就好。

最初的方案(因为未预料到删除会如此慢),代码如下(最简单和朴素的方法):

delete from table_name where cnt_date <= target_date

 

 后经过研究,最终实现了飞一般(1秒左右)的速度删除770多万条数据,单张表总数据量在4600万上下,优化过程的方案层层递进,详细记录如下:

  • 批量删除(每次限定一定数量),然后循环删除直到全部数据删除完毕;同时key_buffer_size 由默认的8M提高到512M

 运行效果:删除时间大概从3个半小时提高到了3小时

(1)通过limit(具体size 请酌情设置)限制一次删除的数据量,然后判断数据是否删除完,附源码如下(Python实现):

def delete_expired_data(mysqlconn, day):

mysqlcur = mysqlconn.cursor()

delete_sql = "DELETE from table_name where cnt_date<="%s" limit 50000" % day

query_sql = "select srcip from table_name where cnt_date <= "%s" limit 1" % day

try:

df = pd.read_sql(query_sql, mysqlconn)

while True:

if df is None or df.empty:

break

mysqlcur.execute(delete_sql)

mysqlconn.commit()

df = pd.read_sql(query_sql, mysqlconn)

except:

mysqlconn.rollback()

 

(2)增加key_buffer_size

mysqlcur.execute("SET GLOBAL key_buffer_size = 536870912")

key_buffer_size是global变量,详情参见Mysql官方文档: https://dev.mysql.com/doc/refman/5.7/en/server-configuration.html

  • DELETE QUICK + OPTIMIZE TABLE

 适用场景:MyISAM Tables

 Why: MyISAM删除的数据维护在一个链表中,这些空间和行的位置接下来会被Insert的数据复用。 直接的delete后,mysql会合并索引块,涉及大量内存的拷贝移动;而OPTIMIZE TABLE直接重建索引,即直接把数据块情况,再重新搞一份(联想JVM垃圾回收算法)。

运行效果:删除时间大3个半小时提高到了1小时40分

具体代码如下:

def delete_expired_data(mysqlconn, day):

mysqlcur = mysqlconn.cursor()

delete_sql = "DELETE QUICK from table_name where cnt_date<="%s" limit 50000" % day

query_sql = "select srcip from table_name where cnt_date <= "%s" limit 1" % day

optimize_sql = "OPTIMIZE TABLE g_visit_relation_asset"

try:

df = pd.read_sql(query_sql, mysqlconn)

while True:

if df is None or df.empty:

break

mysqlcur.execute(delete_sql)

mysqlconn.commit()

df = pd.read_sql(query_sql, mysqlconn)

mysqlcur.execute(optimize_sql)

mysqlconn.commit()

except:

mysqlconn.rollback()

  • 表分区,删除直接删除过期日期所在的分区(最终方案—秒杀)

 MySQL表分区有几种方式,包括RANGE、KEY、LIST、HASH,具体参见官方文档。因为这里的应用场景日期在变化,所以不适合用RANGE设置固定的分区名称,HASH分区更适应此处场景

(1)分区表定义,SQL语句如下:

ALTER TABLE table_name PARTITION BY HASH(TO_DAYS(cnt_date)) PARTITIONS 7;

TO_DAYS将日期(必须为日期类型,否则会报错:Constant, random or timezone-dependent expressions in (sub)partitioning function are not allowed)转换为天数(按一年的天数计算),然后HASH;分区建立7个。实际上,就是 days MOD 7 。


(2)查询出需要老化的日期所在的分区,SQL语句如下:

"explain partitions select * from g_visit_relation_asset where cnt_date = "%s"" % expired_day

(3)OPTIMIZE or REBUILD partition,SQL语句如下:

"ALTER TABLE g_visit_relation_asset OPTIMIZE PARTITION "%s"" % partition

完整代码如下【Python实现】,循环删除小于指定日期的数据:

def clear_partition_data(mysqlconn, day):

mysqlcur = mysqlconn.cursor()

expired_day = day

query_partition_sql = "explain partitions select * from table_name where cnt_date = "%s"" % expired_day

# OPTIMIZE or REBUILD after truncate partition

try:

while True:

df = pd.read_sql(query_partition_sql, mysqlconn)

if df is None or df.empty:

break

partition = df.loc[0, "partitions"]

if partition isnot None:

clear_partition_sql = "alter table table_name TRUNCATE PARTITION %s" % partition

mysqlcur.execute(clear_partition_sql)

mysqlconn.commit()

optimize_partition_sql = "ALTER TABLE table_name OPTIMIZE PARTITION %s" % partition

mysqlcur.execute(optimize_partition_sql)

mysqlconn.commit()

expired_day = (expired_day - timedelta(days = 1)).strftime("%Y-%m-%d")

df = pd.read_sql(query_partition_sql, mysqlconn)

except:

mysqlconn.rollback()

 

  •  其它

 如果删除的数据超过表数据的百分之50,建议拷贝所需数据到临时表,然后删除原表,再重命名临时表为原表,附MySQL如下:

   INSERT INTO New

SELECT * FROM Main

WHERE ...; -- just the rows you want to keep

RENAME TABLE main TO Old, New TO Main;

DROP TABLE Old; -- Space freed up here

参考:

1)https://dev.mysql.com/doc/refman/5.7/en/alter-table-partition-operations.html 具体分区说明

2)http://mysql.rjweb.org/doc.php/deletebig#solutions   删除大数据的解决方案

  本文版权归作者和云海天共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。

************************************************************************

精力有限,想法太多,专注做好一件事就行

  • 我只是一个程序猿。5年内把代码写好,技术博客字字推敲,坚持零拷贝和原创
  • 写博客的意义在于打磨文笔,训练逻辑条理性,加深对知识的系统性理解;如果恰好又对别人有点帮助,那真是一件令人开心的事

************************************************************************

以上是 MySQL快速删除大量数据(千万级别)的几种实践方案——附源码 的全部内容, 来源链接: utcz.com/z/534468.html

回到顶部