本文为您介绍使用 TXRocks 的最佳实践 - 大量数据导入如何提升导入速度。
背景
- 场景：将大量数据导入 TXRocks 引擎的数据库中，需对导入速度进行提升。
- 影响：导入海量数据时，有可能出现
Rows inserted during bulk load must not overlap existing rows错误。
处理方法1
- 先删除二级索引（只保留主键索引）。
- 根据规格和用户数据量调整内存相关参数。
说明：
需要根据规格和数据量，对参数 rocksdb_merge_buf_size 和 rocksdb_merge_combine_read_size 适当调大。
- rocksdb_merge_buf_size 表示建索引过程中多路归并时每路数据量，rocksdb_merge_combine_read_size 表示多路归并时，各路占用总内存。
- rocksdb_block_cache_size 表示 rocksdb_block_cache 大小，在多路归并时，建议临时调小。
- bulk load 方式导数据。
SET session rocksdb_bulk_load_allow_unsorted=1; SET session rocksdb_bulk_load=1; ... 导入数据 ... SET session rocksdb_bulk_load=0; SET session rocksdb_bulk_load_allow_unsorted=0;说明：如果导入的数据本身有序，则不需要设置 rocksdb_bulk_load_allow_unsorted。
- 重建二级索引，可以在全部数据导入完成后，逐个重建二级索引。
注意：
- 二级索引创建过程中涉及多路归并，rocksdb_merge_buf_size 为每路数据量大小，rocksdb_merge_combine_read_size 为合并过程中多路合并所使用的总内存大小。
- 例如，建议 rocksdb_merge_buf_size 设置为64MB以上，rocksdb_merge_combine_read_size 设置为1GB以上，为避免 OOM，导入数据全部完成后务必改回原参数值。
- 此外，每个二级索引创建过程都会消耗较多内存，建议不要同时创建较多的二级索引。
处理方法2
导入数据过程中，关闭 unique_check，可以提升导入性能。
SET unique_checks=OFF;
...
导入数据
...
SET unique_checks=ON;注意：处理完成后，务必将 unique_checks 改回 ON，否则后续正常事务写入的 insert 操作不会进行唯一性检查。