MySQL導入導出實踐
最近一次數據遷移,需要將MySQL的數據導出、處理後導入到新表和ES。這裏做個簡單記錄,方便後續查詢。
註: 為了寫文章方便及隱私安全,實際內容會有所簡化。例如表結構簡化、數據庫連接部分全部用 xxx 表示、目錄及文件名均為化名等。
實踐過程
原表:
book_db 庫
- b_book(id,create_time,update_time,price,title,intro)
新表:
book 庫
- book(id,price,title,create_time,update_time)
- book_ext(id,book_id,intro,create_time)
MySQL導出
mkdir -p /tmp/
# 導出原始數據
mysql -hxxx -uxxx -pxxx book_db --default-character-set=utf8 -e 'select id,create_time,update_time,price,title,intro from b_book' | sed 's/NULL//g' > /tmp/b_book.csv
sed ‘s/NULL//g‘
是因為導出的數據有些字段存的NULL,新表不需要存儲NULL,所以去掉。
導出的數據每行默認以\t
分隔,第一行包含字段名。這裏我們刪掉第一行:
sed -i '1d' /tmp/b_book.csv
數據處理
cd /tmp/ # 處理create_time,update_time,price,並生成文件 book.csv cat b_book.csv | awk -F '\t' -v OFS=' @@@ ' '{gsub(/[-:]/," ",$2); $2=mktime($2);gsub(/[-:]/,"",$3);$3=mktime($3);$4=$4*100;$6="";print $0}' > book.csv # 生成文件 book_ext.csv cat b_book.csv | awk -F '\t' -v OFS=' @@@ ' '{print $1,$6}' > book_ext.csv # 生成文件 book_es.csv cat b_book.csv | awk -F '\t' -v OFS=' @@@ ' '{$4=$4*100;print $0}' > book_es.csv
因為原表裏時間都是datetime格式,新表是時間戳格式,這裏處理成時間戳格式。價格原表是以元為單位,這裏*100
是為了處理成以分為單位。
-v OFS=‘ @@@ ‘
表示輸出的時候每列以@@@
為分隔符。原因是原表裏的intro
字段存儲的是html,可能包含常用轉義字符,這裏使用@@@
確保能正確分隔每列。
導入到MySQL
mysql -hxxx -uxxx -pxxx book
Load Data LOCAL InFile '/tmp/book.csv' Into Table book
character set utf8
Fields Terminated By ' @@@ ' Enclosed By '' Escaped By '' Lines Terminated By '\n'
(id,create_time,update_time,price,title);
Load Data LOCAL InFile '/tmp/book_ext.csv' Into Table book_ext
character set utf8
Fields Terminated By ' @@@ ' Enclosed By '' Escaped By '' Lines Terminated By '\n'
(book_id,intro);
說明:
- Terminated 字段分隔符(列分隔符)。一般是空格或者
\t
- Enclosed 字段括起字符。沒有為空字符即可
- Escaped 轉義字符。沒有為空字符即可
- Terminated 記錄分隔符(行結束符)
Into Table
代表插入,記錄已存在(唯一鍵約束)則失敗不再往下執行。Replace Into Table
代表覆蓋,記錄已存在則覆蓋(是整條記錄覆蓋,沒有列出的字段給默認值)。Ignore Into Table
遇到已存在直接跳過。
導入到ES
由於生產的book_es.csv
文件比較大,所以這裏按20000條生成一個文件,防止文件過大,ES導入失敗。
cd /tmp/
awk '{filename = "book_es.csv." int((NR-1)/20000) ".csv"; print >> filename}' book_es.csv
ConvertBookToEs.php
是PHP腳本,生成ES批量導入的文件。見附錄。執行後生成很多book_es.csv.*.csv.json
文件。
php ConvertBookToEs.php
importToEs.sh
是ES批量導入腳本,如下:
#!/bin/bash
for file in `ls /tmp/book_es.csv.*.csv.json`
do
echo $file;
curl -XPOST http://xxx:9200/book/doc/_bulk -H "Content-Type: application/json" --data-binary "@$file" >> importToEs.log
done
執行腳本:
sh importToEs.sh
等待數分鐘,便執行完畢了。
實現MySQL LOAD DATA按字段更新
為了將大量數據加載到MySQL中,LOAD DATA INFILE
是迄今為止最快的選擇。但是,雖然這可以以INSERT IGNORE
或REPLACE
的方式使用,但目前不支持ON DUPLICATE KEY UPDATE
。
如果我們想批量更新某個字段,ON DUPLICATE KEY UPDATE
如何使用LOAD DATA INFILE
模擬?
stackoverflow 上有網友給了答案。步驟是:
1)創建一個新的臨時表。
CREATE TEMPORARY TABLE temporary_table LIKE target_table;
2)從臨時表中刪除所有索引以加快速度。(可選)
SHOW INDEX FROM temporary_table;
DROP INDEX `PRIMARY` ON temporary_table;
DROP INDEX `some_other_index` ON temporary_table;
3)將CSV加載到臨時表中
LOAD DATA INFILE 'your_file.csv'
INTO TABLE temporary_table
Fields Terminated By '\t' Enclosed By '' Escaped By '' Lines Terminated By '\n'
(field1, field2);
4)使用ON DUPLICATE KEY UPDATE
復制數據
SHOW COLUMNS FROM target_table;
INSERT INTO target_table
SELECT * FROM temporary_table
ON DUPLICATE KEY UPDATE field1 = VALUES(field1), field2 = VALUES(field2);
MySQL將假定=
之前的部分引用INSERT INTO
子句中指定的列,第二部分引用SELECT
列。
5)刪除臨時表
DROP TEMPORARY TABLE temporary_table;
使用SHOW INDEX FROM
和SHOW COLUMNS FROM
此過程可以針對任何給定的表自動執行。
註:官方文檔裏
INSERT ... SELECT ON DUPLICATE KEY UPDATE
語句被標記為基於語句的復制不安全。所以上述方案請在充分測試後再實施。詳見:
https://dev.mysql.com/doc/refman/5.6/en/insert-on-duplicate.html
附錄
ConvertBookToEs.php
<?php
/**
* 轉換wish_book為ES 批量格式(json)
*/
//id,create_time,update_time,price,title,intro
function dealBook($file)
{
$fp = fopen($file, 'r');
while (!feof($fp)) {
$line = explode(' @@@ ', fgets($fp, 65535));
if ($line && isset($line[1])) {
$arr_head = [
'index' => [
'_id' => (int)$line[0]
]
];
$arr = [
'id' => (int)$line[0],
'create_time' => strtotime($line[1]),
'update_time' => strtotime($line[2]),
'price' => intval($line[3]),
'title' => (string)$line[4],
'intro' => (string)$line[18],
];
file_put_contents($file . '.json', json_encode($arr_head, JSON_UNESCAPED_UNICODE) . PHP_EOL, FILE_APPEND);
file_put_contents($file . '.json', json_encode($arr, JSON_UNESCAPED_UNICODE) . PHP_EOL, FILE_APPEND);
}
}
}
try {
//處理CSV文件為es bluk json格式
//參考 https://www.elastic.co/guide/en/elasticsearch/reference/current/_batch_processing.html
$files = glob("/tmp/book_es.csv.*.csv");
if (false === $files) {
exit("can not find csv file");
}
$pids = [];
foreach ($files as $i => $file) {
$pid = pcntl_fork();
if ($pid < 0) {
exit("could not fork");
}
if ($pid > 0) {
$pids[$pid] = $pid;
} else {
echo time() . " new process, pid:" . getmypid() . PHP_EOL;
dealBook($file);
exit();
}
}
while (count($pids)) {
foreach ($pids as $key => $pid) {
$res = pcntl_waitpid($pid, $status, WNOHANG);
if ($res == -1 || $res > 0) {
echo 'Child process exit,pid ' . $pid . PHP_EOL;
unset($pids[$key]);
}
}
sleep(1);
}
} catch (Exception $e) {
$message = $e->getFile() . ':' . $e->getLine() . ' ' . $e->getMessage();
echo $message;
}
參考
1、Linux命令行文本工具 - 飛鴻影~ - 博客園
https://www.cnblogs.com/52fhy/p/5836429.html
2、mysqldump 導出 csv 格式 --fields-terminated-by=, :字段分割符; - superhosts的專欄 - CSDN博客
https://blog.csdn.net/superhosts/article/details/26054997
3、Batch Processing | Elasticsearch Reference [6.4] | Elastic
https://www.elastic.co/guide/en/elasticsearch/reference/current/_batch_processing.html
4、mysql導入數據load data infile用法整理 - conanwang - 博客園
https://www.cnblogs.com/conanwang/p/5890753.html
5、MySQL LOAD DATA INFILE with ON DUPLICATE KEY UPDATE - Stack Overflow
https://stackoverflow.com/questions/15271202/mysql-load-data-infile-with-on-duplicate-key-update
6、mysql - INSERT INTO ... SELECT FROM ... ON DUPLICATE KEY UPDATE - Stack Overflow
https://stackoverflow.com/questions/2472229/insert-into-select-from-on-duplicate-key-update
7、MySQL :: MySQL 5.6參考手冊:: 13.2.5.2 INSERT ... ON DUPLICATE KEY UPDATE語法
https://dev.mysql.com/doc/refman/5.6/en/insert-on-duplicate.html
8、復制表結構和數據SQL語句 - becket - 博客園
https://www.cnblogs.com/zhengxu/articles/2206894.html
MySQL導入導出實踐