从小数据量分库分表 MySQL 合并迁移数据到 TiDB

如果你想把上游多个 MySQL 数据库实例合并迁移到下游的同一个 TiDB 数据库中，且数据量较小，你可以使用 DM 工具进行分库分表的合并迁移。本文所称“小数据量”通常指 TiB 级别以下。本文举例介绍了合并迁移的操作步骤、注意事项、故障排查等。本文档适用于:

  • TiB 级以内的分库分表数据合并迁移
  • 基于 MySQL binlog 的增量、持续分库分表合并迁移

若要迁移分表总和 1 TiB 以上的数据，则 DM 工具耗时较长，可参考从大数据量分库分表 MySQL 合并迁移数据到 TiDB。

在本文档的示例中，数据源 MySQL 实例 1 和 实例 2 均使用以下表结构，计划将 store_01 和 store_02 中 sale 开头的表合并导入下游 store.sale 表。

Schema Tables
store_01 sale_01, sale_02
store_02 sale_01, sale_02

迁移目标库的结构如下：

Schema Tables
store sale

前提条件

分表数据冲突检查

迁移中如果涉及合库合表，来自多张分表的数据可能引发主键或唯一索引的数据冲突。因此在迁移之前，需要检查各分表数据的业务特点。详情请参考跨分表数据在主键或唯一索引冲突处理。

在本示例中：sale_01 和 sale_02 具有相同的表结构如下：

  1. CREATE TABLE `sale_01` (
  2.   `id` bigint(20) NOT NULL AUTO_INCREMENT,
  3.   `sid` bigint(20) NOT NULL,
  4.   `pid` bigint(20) NOT NULL,
  5.   `comment` varchar(255) DEFAULT NULL,
  6.   PRIMARY KEY (`id`),
  7.   UNIQUE KEY `sid` (`sid`)
  8. ) ENGINE=InnoDB DEFAULT CHARSET=latin1

其中 id 列为主键，sid 列为分片键，具有全局唯一性。id 列具有自增属性，多个分表范围重复会引发数据冲突。sid 可以保证全局满足唯一索引，因此可以按照参考去掉自增主键的主键属性中介绍的操作绕过 id 列。在下游创建 sale 表时移除 id 列的唯一键属性：

  1. CREATE TABLE `sale` (
  2.   `id` bigint(20) NOT NULL,
  3.   `sid` bigint(20) NOT NULL,
  4.   `pid` bigint(20) NOT NULL,
  5.   `comment` varchar(255) DEFAULT NULL,
  6.   INDEX (`id`),
  7.   UNIQUE KEY `sid` (`sid`)
  8. ) ENGINE=InnoDB DEFAULT CHARSET=latin1

第 1 步：创建数据源

新建 source1.yaml 文件, 写入以下内容：

  1. # 唯一命名，不可重复。
  2. source-id: "mysql-01"
  4. # DM-worker 是否使用全局事务标识符 (GTID) 拉取 binlog。使用前提是上游 MySQL 已开启 GTID 模式。若上游存在主从自动切换，则必须使用 GTID 模式。
  5. enable-gtid: true
  7. from:
  8.   host: "${host}" # 例如：172.16.10.81
  9.   user: "root"
  10.   password: "${password}" # 支持但不推荐使用明文密码，建议使用 dmctl encrypt 对明文密码进行加密后使用
  11.   port: 3306

在终端中执行下面的命令，使用 tiup dmctl 将数据源配置加载到 DM 集群中:

  1. tiup dmctl --master-addr ${advertise-addr} operate-source create source1.yaml

该命令中的参数描述如下：

参数 描述
--master-addr dmctl 要连接的集群的任意 DM-master 节点的 {advertise-addr}，例如：172.16.10.71:8261
operate-source create 向 DM 集群加载数据源

重复以上操作直至所有数据源均添加完成。

第 2 步：创建迁移任务

新建task1.yaml文件, 写入以下内容：

  1. name: "shard_merge"
  2. # 任务模式，可设为
  3. # full：只进行全量数据迁移
  4. # incremental： binlog 实时同步
  5. # all： 全量 + binlog 迁移
  6. task-mode: all
  7. # 分库分表合并任务则需要配置 shard-mode。默认使用悲观协调模式 "pessimistic"，在深入了解乐观协调模式的原理和使用限制后，也可以设置为乐观协调模式 "optimistic"
  8. # 详细信息可参考：https://docs.pingcap.com/zh/tidb/dev/feature-shard-merge/
  9. shard-mode: "pessimistic"
  10. meta-schema: "dm_meta"                          # 将在下游数据库创建 schema 用于存放元数据
  11. ignore-checking-items: ["auto_increment_ID"]    # 本示例中上游存在自增主键，因此需要忽略掉该检查项
  13. target-database:
  14.   host: "${host}"                               # 例如：192.168.0.1
  15.   port: 4000
  16.   user: "root"
  17.   password: "${password}"                       # 支持但不推荐使用明文密码，建议使用 dmctl encrypt 对明文密码进行加密后使用
  19. mysql-instances:
  20.   -
  21.     source-id: "mysql-01"                                   # 数据源 ID，即 source1.yaml 中的 source-id
  22.     route-rules: ["sale-route-rule"]                        # 应用于该数据源的 table route 规则
  23.     filter-rules: ["store-filter-rule", "sale-filter-rule"] # 应用于该数据源的 binlog event filter 规则
  24.     block-allow-list:  "log-bak-ignored"                    # 应用于该数据源的 Block & Allow Lists 规则
  25.   -
  26.     source-id: "mysql-02"
  27.     route-rules: ["sale-route-rule"]
  28.     filter-rules: ["store-filter-rule", "sale-filter-rule"]
  29.     block-allow-list:  "log-bak-ignored"
  31. # 分表合并配置
  32. routes:
  33.   sale-route-rule:
  34.     schema-pattern: "store_*"
  35.     table-pattern: "sale_*"
  36.     target-schema: "store"
  37.     target-table:  "sale"
  39. # 过滤部分 DDL 事件
  40. filters:
  41.   sale-filter-rule:
  42.     schema-pattern: "store_*"
  43.     table-pattern: "sale_*"
  44.     events: ["truncate table", "drop table", "delete"]
  45.     action: Ignore
  46.   store-filter-rule:
  47.     schema-pattern: "store_*"
  48.     events: ["drop database"]
  49.     action: Ignore
  51. # 黑白名单
  52. block-allow-list:
  53.   log-bak-ignored:
  54.     do-dbs: ["store_*"]

以上内容为执行迁移的最小任务配置。关于任务的更多配置项，可以参考 DM 任务完整配置文件介绍。

若想了解配置文件中 routes、filters 等更多用法，请参考：

第 3 步：启动任务

在你启动数据迁移任务之前，建议使用 check-task 命令检查配置是否符合 DM 的配置要求，以降低后期报错的概率。

  1. tiup dmctl --master-addr ${advertise-addr} check-task task.yaml

使用 tiup dmctl 执行以下命令启动数据迁移任务。

  1. tiup dmctl --master-addr ${advertise-addr} start-task task.yaml

该命令中的参数描述如下：

参数 描述
--master-addr dmctl 要连接的集群的任意 DM-master 节点的 {advertise-addr}，例如：172.16.10.71:8261
start-task 命令用于创建数据迁移任务

如果任务启动失败，可根据返回结果的提示进行配置变更后执行 start-task task.yaml 命令重新启动任务。遇到问题请参考 故障及处理方法 以及 常见问题。

第 4 步：查看任务状态

如需了解 DM 集群中是否存在正在运行的迁移任务及任务状态等信息，可使用 tiup dmctl 执行 query-status 命令进行查询：

  1. tiup dmctl --master-addr ${advertise-addr} query-status ${task-name}

关于查询结果的详细解读，请参考查询状态。

第 5 步： 监控任务与查看日志(可选)

你可以通过 Grafana 或者日志查看迁移任务的历史状态以及各种内部运行指标。

  • 通过 Grafana 查看

    如果使用 TiUP 部署 DM 集群时，正确部署了 Prometheus、Alertmanager 与 Grafana，则使用部署时填写的 IP 及 端口进入 Grafana，选择 DM 的 dashboard 查看 DM 相关监控项。

  • 通过日志查看

    DM 在运行过程中，DM-worker、DM-master 及 dmctl 都会通过日志输出相关信息，其中包含迁移任务的相关信息。各组件的日志目录如下：

    • DM-master 日志目录：通过 DM-master 进程参数 --log-file 设置。如果使用 TiUP 部署 DM，则日志目录默认位于 /dm-deploy/dm-master-8261/log/。
    • DM-worker 日志目录：通过 DM-worker 进程参数 --log-file 设置。如果使用 TiUP 部署 DM，则日志目录默认位于 /dm-deploy/dm-worker-8262/log/。

探索更多