通过系统变量 tidb_snapshot 读取历史数据

本文档介绍如何通过系统变量 tidb_snapshot 读取历史数据，包括具体的操作流程以及历史数据的保存策略。

注意：

你还可以使用 Stale Read 功能读取历史数据。更推荐使用 Stale Read 读取历史数据。

功能说明

TiDB 实现了通过标准 SQL 接口读取历史数据功能，无需特殊的 client 或者 driver。当数据被更新、删除后，依然可以通过 SQL 接口将更新/删除前的数据读取出来。

注意：

读取历史数据时，即使当前数据的表结构相较于历史数据的表结构已经发生改变，历史数据也会使用当时的表结构来返回数据。

操作流程

为支持读取历史版本数据， TiDB 引入了一个新的系统变量 tidb_snapshot：

  • 这个变量的作用域为 SESSION。
  • 你可以通过标准的 SET 语句修改这个变量的值。
  • 这个变量的数据类型为文本类型，能够存储 TSO 和日期时间。TSO 是从 PD 端获取的全局授时的时间戳，日期时间的格式为：“2016-10-08 16:45:26.999”，一般来说可以只写到秒，比如”2016-10-08 16:45:26”。
  • 当这个变量被设置时，TiDB 会按照设置的时间戳建立 Snapshot（没有开销，只是创建数据结构），随后所有的 SELECT 操作都会从这个 Snapshot 上读取数据。

注意：

TiDB 的事务是通过 PD 进行全局授时，所以存储的数据版本也是以 PD 所授时间戳作为版本号。在生成 Snapshot 时，是以 tidb_snapshot 变量的值作为版本号，如果 TiDB Server 所在机器和 PD Server 所在机器的本地时间相差较大，需要以 PD 的时间为准。

当读取历史版本操作结束后，可以结束当前 Session 或者是通过 SET 语句将 tidb_snapshot 变量的值设为 “”，即可读取最新版本的数据。

历史数据保留策略

TiDB 使用 MVCC 管理版本，当更新/删除数据时，不会做真正的数据删除，只会添加一个新版本数据，所以可以保留历史数据。历史数据不会全部保留，超过一定时间的历史数据会被彻底删除，以减小空间占用以及避免历史版本过多引入的性能开销。

TiDB 使用周期性运行的 GC（Garbage Collection，垃圾回收）来进行清理，关于 GC 的详细介绍参见 TiDB 垃圾回收 (GC)。

这里需要重点关注的是：

  • 使用系统变量 tidb_gc_life_time 可以配置历史版本的保留时间（默认值是 10m0s）。
  • 使用 SQL 语句 SELECT * FROM mysql.tidb WHERE variable_name = 'tikv_gc_safe_point' 可以查询当前的 safePoint，即当前可以读的最旧的快照。在每次 GC 开始运行时，safePoint 将自动更新。

示例

  1. 初始化阶段，创建一个表，并插入几行数据：

    1.  create table t (c int);
    1.  Query OK, 0 rows affected (0.01 sec)
    1.  insert into t values (1), (2), (3);
    1.  Query OK, 3 rows affected (0.00 sec)

  2. 查看表中的数据：

    1.  select * from t;
    1.  +------+
    2.  | c    |
    3.  +------+
    4.  |    1 |
    5.  |    2 |
    6.  |    3 |
    7.  +------+
    8.  3 rows in set (0.00 sec)

  3. 查看当前时间：

    1.  select now();
    1.  +---------------------+
    2.  | now()               |
    3.  +---------------------+
    4.  | 2016-10-08 16:45:26 |
    5.  +---------------------+
    6.  1 row in set (0.00 sec)

  4. 更新某一行数据：

    1.  update t set c=22 where c=2;
    1.  Query OK, 1 row affected (0.00 sec)

  5. 确认数据已经被更新：

    1.  select * from t;
    1.  +------+
    2.  | c    |
    3.  +------+
    4.  |    1 |
    5.  |   22 |
    6.  |    3 |
    7.  +------+
    8.  3 rows in set (0.00 sec)

  6. 设置一个特殊的环境变量，这个是一个 session scope 的变量，其意义为读取这个时间之前的最新的一个版本。

    1.  set @@tidb_snapshot="2016-10-08 16:45:26";
    1.  Query OK, 0 rows affected (0.00 sec)

    注意：

    • 这里的时间设置的是 update 语句之前的那个时间。
    • 在 tidb_snapshot 前须使用 @@ 而非 @，因为 @@ 表示系统变量，@ 表示用户变量。

    这里读取到的内容即为 update 之前的内容，也就是历史版本：

    1.  select * from t;
    1.  +------+
    2.  | c    |
    3.  +------+
    4.  |    1 |
    5.  |    2 |
    6.  |    3 |
    7.  +------+
    8.  3 rows in set (0.00 sec)

  7. 清空这个变量后，即可读取最新版本数据：

    1.  set @@tidb_snapshot="";
    1.  Query OK, 0 rows affected (0.00 sec)
    1.  select * from t;
    1.  +------+
    2.  | c    |
    3.  +------+
    4.  |    1 |
    5.  |   22 |
    6.  |    3 |
    7.  +------+
    8.  3 rows in set (0.00 sec)

    注意：

    在 tidb_snapshot 前须使用 @@ 而非 @，因为 @@ 表示系统变量，@ 表示用户变量。

历史数据恢复策略

在恢复历史版本的数据之前，需要确保在对数据进行操作时，垃圾回收机制 (GC) 不会清除历史数据。如下所示，可以通过设置 tidb_gc_life_time 变量来调整 GC 清理的周期。不要忘记在恢复历史数据后将该变量设置回之前的值。

  1. SET GLOBAL tidb_gc_life_time="60m";

注意：

将 GC life time 从默认的 10 分钟增加到半小时及以上，会导致同一行保留有多个版本并占用更多的磁盘空间，也可能会影响某些操作的性能，例如扫描。进行扫描操作时，TiDB 读取数据需要跳过这些有多个版本的同一行，从而影响到扫描性能。

如果想要恢复历史版本的数据，可以使用以下任意一种方法进行设置：

  • 对于简单场景，在设置 tidb_snapshot 变量后使用 SELECT 语句并复制粘贴输出结果，或者使用 SELECT ... INTO LOCAL OUTFLE 语句并使用 LOAD DATA 语句来导入数据。

  • 使用 Dumpling 导出 TiDB 的历史数据快照。Dumpling 在导出较大的数据集时有较好的性能。