使用 Databend 助力 MySQL 的数据分析

目标

Databend 是一个非常先进的基于对象存储云原生数仓¹可以提强大的计算分析及存储能力。让 MySQL DBA 非常眼馋。今天想把 MySQL 的 wubx 库从 MySQL 全量迁移到 Databend 中。
借助工具： dumpling²

Dumpling 介绍

Dumpling³ 是支持以 SQL 文本或者 CSV 格式将 MySQL/TiDB 数据导出的工具。设计初衷是为了替代Mydumper⁴, 所以基本用法可以参考 Mydumper, 当然在实现中没有完全照搬 Mydumper, 因此存在与 Mydumper 不同的用法。更多帮助：https://github.com/pingcap/ti...

遗憾的 TiDB 没有提供 dumpling 的单独下载，只提供了大的 package：https://pingcap.com/zh/produc... 内含：dumpling 二进制包，下载安装就省略了。

环境说明

现在 MySQL 中 wubx 库是 sysbench 生成的数据，10 个表，每个表 1000 万数据。迁移目标：DatabendDatabend 安装部署参考：https://databend.rs/doc/deploy

使用 dumpling 备份现有数据库

dumpling -uwubx -pwubxwubx -P3306 -h 192.168.2.10 --filetype csv -t 8 -o ./ -F 256M -B wubx

命令说明：
-u   mysql 用户名
-p   mysql 密码
-P   mysql 端口
-h   mysql 机器 ip
--filetype csv  指定使用 CSV 格式导出（非常重要）
-t  8  使用 8 进程导出
-o  ./ 指定导出来的文件存放位置
-F 导出文件的大小
-B  wubx  指定导出的数据库
命令运行后导出来文件如下：

因为 Databend 对 MySQL 的语法并没有完全兼容，这里需要去除 schema 上的一定义：

• engine=InnoDB

<!---->

• 二级索引

<!---->

• 注释，这个在新的 planner 中已经支持

针对 sbtest 表处理可以比较爆力的：

sed -i 's/ ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci//g' *.sql

处理完表结构如下：

 cat wubx.sbtest1-schema.sql 
/*!40101 SET NAMES binary*/;
CREATE TABLE `sbtest1` (
  `id` int NOT NULL,
  `k` int NOT NULL DEFAULT '0',
  `c` char(120) NOT NULL DEFAULT '',
  `pad` char(60) NOT NULL DEFAULT '',
  PRIMARY KEY (`id`)
);

好了，后续的我们开始使用 streaming_load 来加载数据了。

使用 databend 的 streaming load 加载数据

这里导入数据的核心是利用了 databend streaming load 功能，具体参考：https://databend.rs/doc/load-...
首先在 databend 中创建 wubx 数据库

echo "create database wubx"|mysql -h 127.0.0.1 -P3307 -uroot 

因为表的数量较多，这里使用了一个脚本cat im.sh

#!/bin/bash
t=''
getTable(){
 str=${1#*.}
 t=${str%%-*}
}

for i in `ls *-schema.sql`
do
        getTable $i
        echo $t
        cat $i | mysql -h127.0.0.1 -P3307 -uroot wubx
        time ls *$t*.csv |xargs -P 8 -I{} curl -H "insert_sql:insert into wubx.$t format CSV" -H "skip_header:1" -F "upload=@{}" -XPUT http://root:@localhost:8000/v1/streaming_load
done

脚本比较粗糙，可以根据实际情况调整。运行脚本就可以完成数据加载。

‍

进行分析计算

到这里数据已经加载到 Databend 中了， 如果是你用的真实数据，你可以运行一下统计分析类数据测试一下了。顺便说一下，如果你为了体验 databend 的 join 功能。可以把新 planner 打开

set enable_planner_v2=1;

利用 show settings 确认 enable_planner =1 就可以使用 Databend 的 join 功能。目前 join 差不多 1-2 周就可以对外默认开放，大家在使用不足的方也可以在 github 上反馈一下。

关于 Databend

Databend 是一款开源、弹性、低成本，基于对象存储也可以做实时分析的新式数仓。期待您的关注，一起探索云原生数仓解决方案，打造新一代开源 Data Cloud。

• Databend 文档：https://databend.rs/
• Twitter：https://twitter.com/Datafuse_...
• Slack：https://datafusecloud.slack.com/
• Wechat：Databend
• GitHub ：https://github.com/datafusela...

文章首发于公众号：Databend

---

1. https://github.com/datafusela... ↩
2. https://github.com/pingcap/ti... ↩
3. https://github.com/pingcap/ti... ↩
4. https://github.com/pingcap/my... ↩