Dumpling 使用文档

    如果需要直接备份 SST 文件（键值对）或者对延迟不敏感的增量备份，请参阅 。如果需要实时的增量备份，请参阅 TiCDC。

    1. 支持导出多种数据形式，包括 SQL/CSV
    2. 支持全新的 ，筛选数据更加方便
    3. 支持导出到 Amazon S3 云盘
    4. 针对 TiDB 进行了更多优化：
      • 支持配置 TiDB 单条 SQL 内存限制
      • 针对 TiDB v4.0.0 以上版本支持自动调整 TiDB GC 时间
      • 使用 TiDB 的隐藏列 _tidb_rowid 优化了单表内数据的并发导出性能
      • 对于 TiDB 可以设置 tidb_snapshot 的值指定备份数据的时间点，从而保证备份的一致性，而不是通过 FLUSH TABLES WITH READ LOCK 来保证备份一致性。

    Dumpling 是使用 go 开发的数据备份工具，项目地址可以参考 。

    Dumpling 的更多具体用法可以使用 —help 选项查看，或者查看 Dumpling 主要选项表。

    使用 Dumpling 时，需要在已经启动的集群上执行导出命令。本文假设在 127.0.0.1:4000 有一个 TiDB 实例，并且这个 TiDB 实例中有无密码的 root 用户。

    Dumpling 包含在 tidb-toolkit 安装包中，可。

    • SELECT
    • RELOAD
    • LOCK TABLES
    • REPLICATION CLIENT

    导出到 sql 文件

    Dumpling 默认导出数据格式为 sql 文件。也可以通过设置 --filetype sql 导出数据到 sql 文件：

    以上命令中：

    • -h、-P、-u 分别代表地址、端口、用户。如果需要密码验证，可以使用 -p $YOUR_SECRET_PASSWORD 将密码传给 Dumpling。
    • -o 用于选择存储导出文件的目录，支持本地文件路径或外部存储 URL 格式。
    • -r 用于指定单个文件的最大行数，指定该参数后 Dumpling 会开启表内并发加速导出，同时减少内存使用。
    • -F 可以指定单个文件的最大大小。

    导出到 csv 文件

    假如导出数据的格式是 CSV（使用 --filetype csv 即可导出 CSV 文件），还可以使用 --sql <SQL> 导出指定 SQL 选择出来的记录，例如，导出 test.sbtest1 中所有 id < 100 的记录：

    1. ./dumpling \
    2.   -u root \
    3.   -h 127.0.0.1 \
    4.   -o /tmp/test \
    5.   --filetype csv \
    6.   --sql 'select * from `test`.`sbtest1` where id < 100'

    • metadata：此文件包含导出的起始时间，以及 master binary log 的位置。

      1.   cat metadata
      1.   Started dump at: 2020-11-10 10:40:19
      2.   SHOW MASTER STATUS:
      3.           Log: tidb-binlog
      4.           Pos: 420747102018863124
      6.   Finished dump at: 2020-11-10 10:40:20
      1.   cat test-schema-create.sql
      1.   CREATE DATABASE `test` /*!40100 DEFAULT CHARACTER SET utf8mb4 */;

    • {schema}.{table}-schema.sql：创建 table 的 SQL 文件

      1.   CREATE TABLE `t1` (
      2.     `id` int(11) DEFAULT NULL
      3.   ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;

    • {schema}.{table}.{0001}.{sql|csv}：数据源文件

      1.   cat test.t1.0.sql
      1.   /*!40101 SET NAMES binary*/;
      3.   (1);

    • *-schema-view.sql、*-schema-trigger.sql、*-schema-post.sql：其他导出文件

    导出到 Amazon S3 云盘

    Dumpling 在 v4.0.8 版本及更新版本中支持导出到云盘。如果需要将数据备份到 Amazon 的 S3 后端存储，那么需要在 -o 参数中指定 S3 的存储路径。

    可以参照 在指定的 Region 区域中创建一个 S3 桶 Bucket。如果有需要，还可以参照 AWS 官方文档 - 创建文件夹 在 Bucket 中创建一个文件夹 Folder。

    将有权限访问该 S3 后端存储的账号的 SecretKey 和 AccessKey 作为环境变量传入 Dumpling 节点。

    1. export AWS_ACCESS_KEY_ID=${AccessKey}
    2. export AWS_SECRET_ACCESS_KEY=${SecretKey}

    Dumpling 同时还支持从 ~/.aws/credentials 读取凭证文件。更多 Dumpling 存储配置可以参考。

    在进行 Dumpling 备份时，显式指定参数 --s3.region，即表示 S3 存储所在的区域。

    1. ./dumpling \
    2.   -u root \
    3.   -P 4000 \
    4.   -h 127.0.0.1 \
    5.   -r 200000 \
    6.   -o "s3://${Bucket}/${Folder}" \

    筛选导出的数据

    使用 --where 选项筛选数据

    默认情况下，Dumpling 会导出排除系统数据库（包括 mysql 、sys 、INFORMATION_SCHEMA 、PERFORMANCE_SCHEMA、METRICS_SCHEMA 和 INSPECTION_SCHEMA）外所有其他数据库。你可以使用 --where <SQL where expression> 来选定要导出的记录。

    上述命令将会导出各个表的 id < 100 的数据。注意 --where 参数无法与 --sql 一起使用。

    使用 --filter 选项筛选数据

    Dumpling 可以通过 --filter 指定 table-filter 来筛选特定的库表。table-filter 的语法与 .gitignore 相似，详细语法参考表库过滤。

    1. ./dumpling \
    2.   -u root \
    3.   -P 4000 \
    4.   -h 127.0.0.1 \
    5.   -o /tmp/test \
    6.   -r 200000 \
    7.   --filter "employees.*" \
    8.   --filter "*.WorkOrder"

    上述命令将会导出 employees 数据库的所有表，以及所有数据库中的 WorkOrder 表。

    使用 -B 或 -T 选项筛选数据

    Dumpling 也可以通过 -B 或 -T 选项导出特定的数据库/数据表。

    例如通过指定：

    • -B employees 导出 employees 数据库
    • 导出 employees.WorkOrder 数据表

    默认情况下，导出的文件会存储到 ./export-<current local time> 目录下。常用选项如下：

    • -t 用于指定导出的线程数。增加线程数会增加 Dumpling 并发度，但也会加大数据库内存消耗，因此不宜设置过大。
    • -r 选项用于指定单个文件的最大记录数（或者说，数据库中的行数），开启后 Dumpling 会开启表内并发，提高导出大表的速度。

    利用以上选项可以提高 Dumpling 的导出速度。

    调整 Dumpling 的数据一致性选项

    Dumpling 通过 --consistency <consistency level> 标志控制导出数据“一致性保证”的方式。对于 TiDB 来说，默认情况下，会通过获取某个时间戳的快照来保证一致性（即 --consistency snapshot）。在使用 snapshot 来保证一致性的时候，可以使用 --snapshot 选项指定要备份的时间戳。还可以使用以下的一致性级别：

    • flush：使用 来保证一致性。
    • snapshot：获取指定时间戳的一致性快照并导出。
    • lock：为待导出的所有表上读锁。
    • none：不做任何一致性保证。
    • auto：对 MySQL 使用 flush，对 TiDB 使用 snapshot。

    一切完成之后，你应该可以在 /tmp/test 看到导出的文件了：

    1. $ ls -lh /tmp/test | awk '{print $5 "\t" $9}'
    3. 140B  metadata
    4. 66B   test-schema-create.sql
    5. 300B  test.sbtest1-schema.sql
    6. 190K  test.sbtest1.0.sql
    7. 300B  test.sbtest2-schema.sql
    8. 190K  test.sbtest2.0.sql
    9. 300B  test.sbtest3-schema.sql
    10. 190K  test.sbtest3.0.sql

    导出 TiDB 的历史数据快照

    Dumpling 可以通过 --snapshot 指定导出某个 tidb_snapshot 时的数据。

    --snapshot 选项可设为 TSO（SHOW MASTER STATUS 输出的 Position 字段）或有效的 datetime 时间，例如：

    1. ./dumpling --snapshot 417773951312461825
    2. ./dumpling --snapshot "2020-07-02 17:12:45"

    即可导出 TSO 为 417773951312461825 或 2020-07-02 17:12:45 时的 TiDB 历史数据快照。

    Dumpling 导出 TiDB 较大单表时，可能会因为导出数据过大导致 TiDB 内存溢出 (OOM)，从而使连接中断导出失败。可以通过以下参数减少 TiDB 的内存使用。

    • 设置 -r 参数，可以划分导出数据区块减少 TiDB 扫描数据的内存开销，同时也可开启表内并发提高导出效率。
    • 调小 --tidb-mem-quota-query 参数到 8589934592 (8GB) 或更小。可控制 TiDB 单条查询语句的内存使用。
    • 调整 --params "tidb_distsql_scan_concurrency=5" 参数，即设置导出时的 session 变量 从而减少 TiDB scan 操作的并发度。

    导出大规模数据时的 TiDB GC 设置

    如果导出的 TiDB 版本大于 v4.0.0，并且 Dumpling 可以访问 TiDB 集群的 PD 地址，Dumpling 会自动配置延长 GC 时间且不会对原集群造成影响。v4.0.0 之前的版本依然需要手动修改 GC。

    其他情况下，假如导出的数据量非常大，可以提前调长 GC 时间，以避免因为导出过程中发生 GC 导致导出失败：

    1. update mysql.tidb set VARIABLE_VALUE = '720h' where VARIABLE_NAME = 'tikv_gc_life_time';

    在操作结束之后，再将 GC 时间调回原样（默认是 10m）：

    1. update mysql.tidb set VARIABLE_VALUE = '10m' where VARIABLE_NAME = 'tikv_gc_life_time';

    最后，所有的导出数据都可以用 TiDB Lightning 导入回 TiDB。