SQL调优如何生成海量测试数据
场景，如果出现慢SQL，需要DBA加索引优化，怎么知道加的索引是有效的呢？这需要一遍遍的试验和调整，总不能直接拿线上的数据库测试吧，一般方法是在测试环境建立测试表，然后从线上的从库拷贝一些数据进测试环境，接着再进行加索引和explain
但有时候，导出的数据量少，执行计划看不出效果，导出数据量多，又会冲刷线上机器的buffer pool和影响IO，如果有个工具能够直接生成数据就好了，生成跟线上一样的100万，或者1000万就好了
以前sysbench压力测试，有一个生成数据的功能，生成100万数据是这样的
sysbench --test=oltp --mysql-table-engine=myisam --oltp-table-size=1000000 \ --mysql-socket=/tmp/mysql.sock --mysql-user=test --mysql-host=localhost \ --mysql-password=test prepare
但它生成表结构是固定的，进行压力测试的SQL语句也是固定的,无法调试线上的SQL语句
CREATE TABLE `sbtest` ( `id` int(10) unsigned NOT NULL auto_increment, `k` int(10) unsigned NOT NULL default '0', `c` char(120) NOT NULL default '', `pad` char(60) NOT NULL default '', PRIMARY KEY (`id`), KEY `k` (`k`));
能否有一个创建用户自定义的表结构，并且对这个表结构生成上百千万数据的工具呢？有一个叫datagen的工具，链接在文章末尾
drwxr-xr-x. 2 root mysql 4096 Sep 27 2016 bizsql drwxr-xr-x. 2 root mysql 4096 May 31 20:51 conf -rw-r--r--. 1 root mysql 23698092 Sep 27 2016 datagen.jar -rwxr-xr-x. 1 root mysql 147 Sep 27 2016 datagen.sh -rw-rw-r--. 1 root mysql 31599 May 31 20:54 envbuilder.log -rw-r--r--. 1 root mysql 1741 May 31 20:53 example.schema -rw-r--r--. 1 root mysql 1336 May 31 09:42 example.schema_backup -rw-r--r--. 1 root mysql 2062 Sep 27 2016 readme
方法很简单的2步，把你想要的表结构和想要生成多少条数据，写入到example.schema文件，比如这样，如果想要生成100万条数据，在表末尾加入注释/*{RC{1000000}}*/
CREATE TABLE `test`.`tbl_test` (
`post_id` BIGINT(20) DEFAULT '0' ,
`star` INTEGER(10) DEFAULT '0' ,
`view_count` INTEGER(11) DEFAULT '0' ,
`bean` INTEGER(11) DEFAULT '0' ,
`nearby` INTEGER(11) DEFAULT '0' ,
PRIMARY KEY (post_id) ,
INDEX (poster_uid)
) COLLATE='utf8mb4_general_ci' ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 /*{RC{1000000}}*/;
第2步，填写连接测试数据库的账号密码，只需要加入一行
<property name="obURL" value="jdbc:mysql://数据IP:数据库端口/数据库名字?user=用户名&password=密码"/>
vi conf/datagen.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans classpath:org/springframework/beans/factory/xml/spring-beans-2.5.xsd"> <bean id="datagen" class="com.alipay.obmeter.tools.DataGen"> <property name="obURL" value="jdbc:mysql://数据IP:数据库端口/数据库名字?user=用户名&password=密码"/> <property name="inputDDL" value="example.schema"/> <property name="rowCountPerTable" value="1000000"/> <property name="maxThreadCountPerTable" value="20"/> <property name="maxThreadCount" value="20"/> <property name="dropTableFirst" value="true"/> <property name="needFreeze" value="false"/> <property name="staticRatio" value="1.0"/> </bean> </beans>
接着运行shell脚本，往测试库建表，插入数据
[root@localhost datagen]# /bin/bash datagen.sh
[2017-05-31 08:53:15][WARN ] [DataGen :184] - Parsing ddl... [2017-05-31 08:53:15][WARN ] [DataGen :187] - Creating table... [2017-05-31 08:53:15][WARN ] [MultiThreadPrepareDataComparator:508] - Preparing generators... [2017-05-31 08:53:15][WARN ] [MultiThreadPrepareDataComparator:510] - Generating dynamic data... [2017-05-31 08:54:34][WARN ] [MultiThreadPrepareDataComparator:526] - Generate done.
在测试库，就会出现100万条数据了
mysql> select count(*) from test.tbl_test; +----------+ | count(*) | +----------+ | 1000000 | +----------+ 1 row in set (0.16 sec)
现在就可以加索引，explain线上真实的SQL语句了
mysql> explain select post_id from test.tbl_test where post_type <> 1 and check_status = 9 and flag = 1 and post_time < 1496178301 order by post_time asc limit 200; \G +----+-------------+----------+-------+---------------+-----------+---------+------+--------+-------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+----------+-------+---------------+-----------+---------+------+--------+-------------+ | 1 | SIMPLE | tbl_test | range | post_time | post_time | 9 | NULL | 501491 | Using where | +----+-------------+----------+-------+---------------+-----------+---------+------+--------+-------------+ 1 row in set (0.00 sec) ERROR: No query specified
加索引
mysql> alter table test.tbl_test add index idx_f(check_status,flag,post_type,post_time); Query OK, 0 rows affected (4.45 sec) Records: 0 Duplicates: 0 Warnings: 0
再来一次explain，扫描50万行变2行
mysql> explain select post_id from test.tbl_test where post_type <> 1 and check_status = 9 and flag = 1 and post_time < 1496178301 order by post_time asc limit 200; \G +----+-------------+----------+-------+-----------------+-------+---------+------+------+------------------------------------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+----------+-------+-----------------+-------+---------+------+------+------------------------------------------+ | 1 | SIMPLE | tbl_test | range | post_time,idx_f | idx_f | 15 | NULL | 2 | Using where; Using index; Using filesort | +----+-------------+----------+-------+-----------------+-------+---------+------+------+------------------------------------------+ 1 row in set (0.00 sec)
等调试好索引以后，确定能优化SQL以后，再往线上环境去加索引
当然还有一些很强大的功能
比如某个字段，只出现规定的几个值，比如状态status字段0,1,2，以及每个状态出现的概率
比如模拟线上的用户UID，可以限制某个字段随机数的范围,从00000001到899999999之间等
具体可以查看readme的介绍
百度链接: https://pan.baidu.com/s/1pKGQLkB 密码: 6t4u
