myloader导入更快吗？并没有。。。
myloader导入更快吗？并没有。。。
* GreatSQL社区原创内容未经授权不得随意使用，转载请联系小编并注明来源。
myloader还默认禁用binlog了
0. 结论先行
重要结论先说：导入大批量数据时，采用GreatSQL 8.0.32-24中新增并行load data特性是最快的，关于该特性的描述详见：Changes in GreatSQL 8.0.32-24。
1. 背景介绍
前几天我用MySQL官网提供的airportdb库中的weatherdata表做测试，结论是相比原生快了约5倍。
群里有小伙伴反驳说用myloader更香，于是就有了本次测试。
由于weatherdata表较小，表空间只有228MB，所以我改用sysbench表做测试，该表共600万行数据，表空间约1.5GB，其他信息如下：
greatsql> show create table myload\G
*************************** 1. row ***************************
Table: myload
Create Table:CREATE TABLE `myload` (
`id` int NOT NULL AUTO_INCREMENT,
`k` int NOT NULL DEFAULT '0',
`c` char(120) NOT NULL DEFAULT '',
`pad` char(60) NOT NULL DEFAULT '',
PRIMARY KEY (`id`),
KEY `k_2` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=6194244 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
greatsql> show table status like 'myload'\G
*************************** 1. row ***************************
Name: myload
Engine: InnoDB
Version: 10
Row_format: Dynamic
Rows: 5930876
Avg_row_length: 233
Data_length: 1385168896
Max_data_length: 0
Index_length: 153894912
Data_free: 7340032
Auto_increment: 6194244
Create_time: 2023-07-08 09:25:02
Update_time: 2023-07-08 09:25:33
Check_time: NULL
Collation: utf8mb4_0900_ai_ci
Checksum: NULL
Create_options:
Comment:
2. 测试过程
本次测试基于GreatSQL 8.0.32-24版本，其他相关信息如下：
# myloader版本
$ myloader --version
myloader0.15.0-1, built against MySQL 5.7.42-46 with SSL support with GZIP
# MySQL Shell版本
JS > shell.version
Ver 8.0.32 for Linux on x86_64 - for MySQL 8.0.32 (MySQL Community Server (GPL))
默认开启binlog + 双1 + redo log + doublewrite buffer：
|binlog_rows_query_log_events |ON|
| innodb_buffer_pool_size | 8589934592|innodb_doublewrite |ON|
|innodb_flush_log_at_trx_commit |1|
|innodb_redo_log_capacity |2147483648|
|sync_binlog |1|
3. 结果对比
下面是几个不同导入方式的对比测试结果，每种方式我都测试至少3次，去除噪点数据后取平均值：
工具 | 耗时(秒) | binlog大小(MB) | mysqld内存增长(MB) |
|---|---|---|---|
原生load data | 62.801741 | 1091 | 1536 |
并行load data(chunk=4MB，并发16线程) | 11.81 | 1091 | 1522 |
myloader（dump时chunk=64MB，load时并发16线程） | 29.358 | 2246 | 1868 |
myloader（dump时chunk=64MB，load时并发16线程）+ 关binlog | 21.426 | 无 | |
myloader（默认 + 开binlog） | 82.651 | 2246 | |
myloader（默认 + 关binlog） | 62.830 | 无 | |
util.importTable（默认，chunk=64MB，并发8线程） | 16.0034 | 1091 | 1662 |
从这个测试结果可以看到几个对比关系：
- 原生load data最慢，因为是单线程的，它的耗时是并行load data的5.32倍；
- 原生load data的耗时是多线程模式下myloader的2.14倍；
- 原生load data的耗时是多线程模式下util.importTable的3.92倍；
- 当myloader没有开启并行（mydumper备份时要先进行分配）的话，它的耗时是最久的，是并行load data的7倍，是多线程模式下util.importTable的5.16倍；
- 当myloader未开启binlog时（其默认行为，有"作弊"嫌疑），其耗时是并行load data的1.81倍，是多线程模式下util.importTable的1.34倍；
- 最后，myloader导入后造成的binlog文件最大，内存开销也最大。
综上，在MySQL 8.0/GreatSQL 8.0.32中，采用myloader导入数据就不再是最优方案了，推荐采用GreatSQL的并行load data，或者MySQL Shell的util.loadDump/util.importTable导入，其本质也是采用并行的思路，导入效率更高，额外的binlog和内存开销也更小。
最后，补充说下，myloader导入时产生的binlog更多，是因为它的导入方式是反复执行INSERT SQL，在 binlog_rows_query_log_events = ON 时，相比load data方式会产生更多binlog。
附录
1. myloader多分片方式导出
设置导出时进行分片，每个分片（chunk）10MB
$ mydumper -F 10 -S /data/GreatSQL/mysql.sock -T sbtest.myload -o /tmp/myload
最后的（未压缩）文件总大小为1.2GB。
2. outfile导出
greatsql> select * into outfile '/tmp/myload.csv' from myload;
很简单，平平无奇，最后的（未压缩）文件总大小为1.1GB。
3. util.dumpTables多分片方式导出 设置导出时进行分片，每个分片（chunk）64MB（默认值）
MySQL localhost JS > util.dumpTables("sbtest", ["myload"], "/tmp/myload", {threads:16, chunking:true, bytesPerChunk:"67108864"})
最后的（压缩后）文件总大小为505MB。
Enjoy GreatSQL :)