读取历史数据

本文档介绍 TiDB 如何读取历史版本数据,包括具体的操作流程以及历史数据的保存策略。

功能说明

TiDB 实现了通过标准 SQL 接口读取历史数据功能,无需特殊的 client 或者 driver。当数据被更新、删除后,依然可以通过 SQL 接口将更新/删除前的数据读取出来。

另外即使在更新数据之后,表结构发生了变化,TiDB 依旧能用旧的表结构将数据读取出来。

操作流程

为支持读取历史版本数据, 引入了一个新的 system variable: tidb_snapshot ,这个变量是 Session 范围有效,可以通过标准的 Set 语句修改其值。其值为文本,能够存储 TSO 和日期时间。TSO 即是全局授时的时间戳,是从 PD 端获取的; 日期时间的格式可以为: “2016-10-08 16:45:26.999”,一般来说可以只写到秒,比如”2016-10-08 16:45:26”。 当这个变量被设置时,TiDB 会用这个时间戳建立 Snapshot(没有开销,只是创建数据结构),随后所有的 Select 操作都会在这个 Snapshot 上读取数据。

注意:

TiDB 的事务是通过 PD 进行全局授时,所以存储的数据版本也是以 PD 所授时间戳作为版本号。在生成 Snapshot 时,是以 tidb_snapshot 变量的值作为版本号,如果 TiDB Server 所在机器和 PD Server 所在机器的本地时间相差较大,需要以 PD 的时间为准。

当读取历史版本操作结束后,可以结束当前 Session 或者是通过 Set 语句将 tidb_snapshot 变量的值设为 “”,即可读取最新版本的数据。

历史数据保留策略

TiDB 使用 MVCC 管理版本,当更新/删除数据时,不会做真正的数据删除,只会添加一个新版本数据,所以可以保留历史数据。历史数据不会全部保留,超过一定时间的历史数据会被彻底删除,以减小空间占用以及避免历史版本过多引入的性能开销。

TiDB 使用周期性运行的 GC(Garbage Collection,垃圾回收)来进行清理,关于 GC 的详细介绍参见 TiDB 垃圾回收 (GC)

这里需要重点关注的是 tikv_gc_life_timetikv_gc_safe_point 这条。tikv_gc_life_time 用于配置历史版本保留时间,可以手动修改;tikv_gc_safe_point 记录了当前的 safePoint,用户可以安全地使用大于 safePoint 的时间戳创建 snapshot 读取历史版本。safePoint 在每次 GC 开始运行时自动更新。

示例

  1. 初始化阶段,创建一个表,并插入几行数据:

    1. create table t (c int);
    1. Query OK, 0 rows affected (0.01 sec)
    1. insert into t values (1), (2), (3);
    1. Query OK, 3 rows affected (0.00 sec)
  2. 查看表中的数据:

    1. select * from t;
    1. +------+
    2. | c |
    3. +------+
    4. | 1 |
    5. | 2 |
    6. | 3 |
    7. +------+
    8. 3 rows in set (0.00 sec)
  3. 查看当前时间:

    1. select now();
    1. +---------------------+
    2. | now() |
    3. +---------------------+
    4. | 2016-10-08 16:45:26 |
    5. +---------------------+
    6. 1 row in set (0.00 sec)
  4. 更新某一行数据:

    1. update t set c=22 where c=2;
    1. Query OK, 1 row affected (0.00 sec)
  5. 确认数据已经被更新:

    1. select * from t;
    1. +------+
    2. | c |
    3. +------+
    4. | 1 |
    5. | 22 |
    6. | 3 |
    7. +------+
    8. 3 rows in set (0.00 sec)
  6. 设置一个特殊的环境变量,这个是一个 session scope 的变量,其意义为读取这个时间之前的最新的一个版本。

    1. set @@tidb_snapshot="2016-10-08 16:45:26";
    1. Query OK, 0 rows affected (0.00 sec)

    注意:

    • 这里的时间设置的是 update 语句之前的那个时间。
    • tidb_snapshot 前须使用 @@ 而非 @,因为 @@ 表示系统变量,@ 表示用户变量。

    这里读取到的内容即为 update 之前的内容,也就是历史版本:

    1. select * from t;
    1. +------+
    2. | c |
    3. +------+
    4. | 1 |
    5. | 2 |
    6. | 3 |
    7. +------+
    8. 3 rows in set (0.00 sec)
  7. 清空这个变量后,即可读取最新版本数据:

    1. set @@tidb_snapshot="";
    1. Query OK, 0 rows affected (0.00 sec)
    1. select * from t;
    1. +------+
    2. | c |
    3. +------+
    4. | 1 |
    5. | 22 |
    6. | 3 |
    7. +------+
    8. 3 rows in set (0.00 sec)

    注意:

    tidb_snapshot 前须使用 @@ 而非 @,因为 @@ 表示系统变量,@ 表示用户变量。