使用tar+pigz+ssh實現大數據的高效傳輸

以前我們跨主機拷貝大數據的時候，比如要拷貝超過100GB的mysql原始數據，我們通常的做法如下：

• 在源端打包壓縮為tar.gz文件

• 采用scp或者rsync等方式拷貝到目標主機

• 在目標主機解壓文件

這三個過程是同步阻塞，即不能同時異步執行，導致效率低下。

現在我們將過程優化為以數據流的方式，同時執行（非阻塞模式），則效率一般可以提高到原來的3倍以上，具體實現如下：

磁盤讀取---->打包---->壓縮------>傳輸---->解壓縮-->拆包---->落盤

|->tar |->gzip |->ssh |->gzip |->tar

比如我要將本地的test目錄拷貝到“目標IP”的的data目錄，則命令如下：

tar -c test/ |pigz |ssh -c arcfour128 目標IP "gzip -d|tar -xC /data"

當然，這裏的解壓過程仍然用了效率比較低下的gzip，如果將解壓工具換成lz4（但需要單獨編譯安裝），則效率可以再提高不少。

如果不需要解壓，則命令變為：

tar -c test/ |pigz |ssh -c arcfour128 目標IP "cat >/data/test.tar.gz"

註：因為采用了流式壓縮，解壓過程必須加上-i參數，及tar –ixf /data/test.tar.gz 。

說明： pigz是一個高效的壓縮工具，可以將多核CPU的每一分剩余性能都用來做壓縮計算。而傳統的gzip則只能用單核CPU。比如一臺2個8core cpu服務器采用pigz和gzip壓縮相同的數據，一般性能差距至少在7-8倍以上（一般不會達到理論的16倍，因為受限於磁盤的讀寫速度和內存等資源）

使用tar+pigz+ssh實現大數據的高效傳輸