Loader 使用文档

    Loader 是由 PingCAP 开发的数据导入工具，用于向 TiDB 中导入数据。

    Loader 包含在 tidb-enterprise-tools 安装包中，可。

    当数据量比较大的时候，如果用 mysqldump 这样的工具迁移数据会比较慢。我们尝试了 Mydumper/myloader 套件，能够多线程导出和导入数据。在使用过程中，Mydumper 问题不大，但是 myloader 由于缺乏出错重试、断点续传这样的功能，使用起来很不方便。所以我们开发了 loader，能够读取 Mydumper 的输出数据文件，通过 MySQL protocol 向 TiDB/MySQL 中导入数据。

    • 多线程导入
    • 支持表级别的并发导入，分散写入热点
    • 支持对单个大表并发导入，分散写入热点
    • 支持 Mydumper 数据格式
    • 出错重试
    • 断点续导
    • 通过 system variable 优化 TiDB 导入数据速度

    请勿使用 loader 导入 MySQL 实例中 mysql 系统数据库到下游 TiDB。

    如果 Mydumper 使用 -m 参数，会导出不带表结构的数据，这时 loader 无法导入数据。

    如果使用默认的 checkpoint-schema 参数，在导完一个 database 数据库后，请 drop database tidb_loader 后再开始导入下一个 database。

    参数说明

    除了使用命令行参数外，还可以使用配置文件来配置，配置文件的格式如下：

    1. # 日志输出等级；可以设置为 debug, info, warn, error, fatal (默认为 "info")
    2. log-level = "info"
    4. # 指定 loader 日志目录
    5. log-file = "loader.log"
    6. # 需要导入的数据存放路径 (default "./")
    7. dir = "./"
    9. ## Prometheus 可以通过该地址拉取 Loader metrics, 也是 Loader 的 pprof 调试地址 (默认为 ":8272")。
    10. status-addr = ":8272"
    12. # checkpoint 数据库名，loader 在运行过程中会不断的更新这个数据库，在中断并恢复后，
    13. # 会通过这个库获取上次运行的进度 (默认为 "tidb_loader")
    14. checkpoint-schema = "tidb_loader"
    16. # 线程数 (默认为 16). 每个线程同一时刻只能操作一个数据文件。
    17. pool-size = 16
    19. # 目标数据库信息
    20. [db]
    21. host = "127.0.0.1"
    22. user = "root"
    23. password = ""
    24. port = 4000
    26. # 导入数据时数据库连接所使用的 session 级别的 `sql_mode`。如果 `sql-mode` 的值没有提供或者设置为 "@DownstreamDefault"，会使用下游 global 级别的 `sql_mode`。
    27. # sql-mode = ""
    28. # `max-allowed-packet` 设置数据库连接允许的最大数据包大小，对应于系统参数中的 `max_allowed_packet`。 如果设置为 0，会使用下游数据库 global 级别的 `max_allowed_packet`。
    29. max-allowed-packet = 67108864
    31. # 1\. 星号字符 (*) 可以匹配零个或者多个字符,
    32. #    例子, doc* 匹配 doc 和 document, 但是和 dodo 不匹配;
    33. #    星号只能放在 pattern 结尾，并且一个 pattern 中只能有一个
    34. # 2\. 问号字符 (?) 匹配任一一个字符
    36. # [[route-rules]]
    37. # pattern-schema = "shard_db_*"
    38. # pattern-table = "shard_table_*"
    39. # target-schema = "shard_db"

    使用示例

    通过命令行参数：

    或者使用配置文件 “config.toml”:

    1. ./bin/loader -c=config.toml

    根据配置文件的 route-rules 可以支持将分库分表的数据导入到同一个库同一个表中，但是在开始前需要检查分库分表规则：

    • 是否可以利用 route-rules 的语义规则表示
    • 分表中是否包含唯一递增主键，或者合并后是否包含数据上有冲突的唯一索引或者主键

    Loader 需要配置文件中开启 route-rules 参数以提供合库合表功能

    • 如果使用该功能，必须填写 pattern-schema 与 target-schema
    • 如果 pattern-table 与 target-table 为空，将不进行表名称合并或转换

    全量导入过程中遇到报错 packet for query is too large. Try adjusting the 'max_allowed_packet' variable

    原因

    • MySQL client 和 MySQL/TiDB Server 都有 max_allowed_packet 配额的限制，如果在使用过程中违反其中任何一个 max_allowed_packet 配额，客户端程序就会收到对应的报错。目前最新版本的 Loader 和 TiDB Server 的默认 max_allowed_packet 配额都为 64M。

      • 请使用最新版本，或者最新稳定版本的工具。。

    • Loader 的全量数据导入处理模块不支持对 dump sqls 文件进行切分，原因是 Mydumper 采用了最简单的编码实现，正如 Mydumper 代码注释 /* Poor man's data dump code */ 所言。如果在 Loader 实现文件切分，那么需要在 TiDB parser 基础上实现一个完备的解析器才能正确的处理数据切分，但是随之会带来以下的问题：

      • 复杂度高，不容易保证正确性

      • 性能的极大降低

    解决方案

    • 依据上面的原因，在代码层面不能简单的解决这个困扰，我们推荐的方式是：利用 Mydumper 提供的控制 Insert Statement 大小的功能 -s, --statement-size: Attempted size of INSERT statement in bytes, default 1000000。

      依据默认的 --statement-size 设置，Mydumper 默认生成的 Insert Statement 大小会尽量接近在 1M 左右，使用默认值就可以确保绝大部分情况不会出现该问题。

      有时候在 dump 过程中会出现下面的 WARN log，但是这个报错不影响 dump 的过程，只是表达了 dump 的表可能是宽表。

      1.   Row bigger than statement_size for xxx

    • 如果宽表的单行超过了 64M，那么需要修改以下两个配置，并且使之生效。

      • 在 TiDB Server 执行 set @@global.max_allowed_packet=134217728 （）