title: sync-diff-inspector 用户文档

sync-diff-inspector 用户文档

sync-diff-inspector 是一个用于校验 MySQL/TiDB 中两份数据是否一致的工具。该工具提供了修复数据的功能(适用于修复少量不一致的数据)。

主要功能:

你可通过以下方式下载 sync-diff-inspector:

sync-diff-inspector 的使用限制

  • 对于 MySQL 和 TiDB 之间的数据同步不支持在线校验,需要保证上下游校验的表中没有数据写入,或者保证某个范围内的数据不再变更,通过配置 range 来校验这个范围内的数据。

  • 不支持 JSON、BIT、BINARY、BLOB 等类型的数据,在校验时需要设置 ignore-columns 忽略检查这些类型的数据。

  • FLOAT、DOUBLE 等浮点数类型在 TiDB 和 MySQL 中的实现方式不同,在计算 checksum 时会分别取 6 位和 15 位有效数字。如果不使用该特性,需要设置 ignore-columns 忽略这些列的检查。

  • 支持对不包含主键或者唯一索引的表进行校验,但是如果数据不一致,生成的用于修复的 SQL 可能无法正确修复数据。

sync-diff-inspector 所需的数据库权限

sync-diff-inspector 需要获取表结构信息、查询数据,需要的数据库权限如下:

  • 上游数据库

    • SELECT(查数据进行对比)

    • SHOW_DATABASES(查看库名)

    • RELOAD(查看表结构)

  • 下游数据库

    • SELECT(查数据进行对比)

    • SHOW_DATABASES(查看库名)

    • RELOAD(查看表结构)

配置文件说明

sync-diff-inspector 的配置总共分为五个部分:

  • Global config: 通用配置,包括校验的线程数量、是否输出修复 SQL 、是否比对数据等。
  • Datasource config: 配置上下游数据库实例。
  • Routes: 上游多表名通过正则匹配下游单表名的规则。(可选)
  • Task config: 配置校验哪些表,如果有的表在上下游有一定的映射关系或者有一些特殊要求,则需要对指定的表进行配置。
  • Table config: 对具体表的特殊配置,例如指定范围、忽略的列等等。(可选)

下面是一个完整配置文件的说明:

  • 提示:配置名后带 s 的配置项允许拥有多个配置值,因此需要使用方括号 [] 来包含配置值。
  1. # Diff Configuration.
  2. ######################### Global config #########################
  3. # 检查数据的线程数量,上下游数据库的连接数会略大于该值
  4. check-thread-count = 4
  5. # 如果开启,若表存在不一致,则输出用于修复的 SQL 语句。
  6. export-fix-sql = true
  7. # 只对比表结构而不对比数据
  8. check-struct-only = false
  9. ######################### Datasource config #########################
  10. [data-sources]
  11. [data-sources.mysql1] # mysql1 是该数据库实例唯一标识的自定义 id,用于下面 task.source-instances/task.target-instance 中
  12. host = "127.0.0.1"
  13. port = 3306
  14. user = "root"
  15. password = ""
  16. #(可选)使用映射规则来匹配上游多个分表,其中 rule1 和 rule2 在下面 Routes 配置栏中定义
  17. route-rules = ["rule1", "rule2"]
  18. [data-sources.tidb0]
  19. host = "127.0.0.1"
  20. port = 4000
  21. user = "root"
  22. password = ""
  23. #(可选)使用 TiDB 的 snapshot 功能,如果开启的话会使用历史数据进行对比
  24. # snapshot = "386902609362944000"
  25. ########################### Routes ###########################
  26. # 如果需要对比大量的不同库名或者表名的表的数据,或者用于校验上游多个分表与下游总表的数据,可以通过 table-rule 来设置映射关系
  27. # 可以只配置 schema 或者 table 的映射关系,也可以都配置
  28. [routes]
  29. [routes.rule1] # rule1 是该配置的唯一标识的自定义 id,用于上面 data-sources.route-rules 中
  30. schema-pattern = "test_*" # 匹配数据源的库名,支持通配符 "*" 和 "?"
  31. table-pattern = "t_*" # 匹配数据源的表名,支持通配符 "*" 和 "?"
  32. target-schema = "test" # 目标库名
  33. target-table = "t" # 目标表名
  34. [routes.rule2]
  35. schema-pattern = "test2_*" # 匹配数据源的库名,支持通配符 "*" 和 "?"
  36. table-pattern = "t2_*" # 匹配数据源的表名,支持通配符 "*" 和 "?"
  37. target-schema = "test2" # 目标库名
  38. target-table = "t2" # 目标表名
  39. ######################### Task config #########################
  40. # 配置需要对比的*目标数据库*中的表
  41. [task]
  42. # output-dir 会保存如下信息
  43. # 1 sql: 检查出错误后生成的修复 SQL 文件,并且一个 chunk 对应一个文件
  44. # 2 log: sync-diff.log 保存日志信息
  45. # 3 summary: summary.txt 保存总结
  46. # 4 checkpoint: a dir 保存断点续传信息
  47. output-dir = "./output"
  48. # 上游数据库,内容是 data-sources 声明的唯一标识 id
  49. source-instances = ["mysql1"]
  50. # 下游数据库,内容是 data-sources 声明的唯一标识 id
  51. target-instance = "tidb0"
  52. # 需要比对的下游数据库的表,每个表需要包含数据库名和表名,两者由 `.` 隔开
  53. # 使用 ? 来匹配任意一个字符;使用 * 来匹配任意;详细匹配规则参考 golang regexp pkg: https://github.com/google/re2/wiki/Syntax
  54. target-check-tables = ["schema*.table*", "!c.*", "test2.t2"]
  55. #(可选)对部分表的额外配置,其中 config1 在下面 Table config 配置栏中定义
  56. target-configs = ["config1"]
  57. ######################### Table config #########################
  58. # 对部分表进行特殊的配置,配置的表必须包含在 task.target-check-tables 中
  59. [table-configs.config1] # config1 是该配置的唯一标识自定义 id,用于上面 task.target-configs 中
  60. # 目标表名称,可以使用正则来匹配多个表,但不允许存在一个表同时被多个特殊配置匹配。
  61. target-tables = ["schema*.test*", "test2.t2"]
  62. #(可选)指定检查的数据的范围,需要符合 sql 中 where 条件的语法
  63. range = "age > 10 AND age < 20"
  64. #(可选)指定用于划分 chunk 的列,如果不配置该项,sync-diff-inspector 会选取一些合适的列(主键/唯一键/索引)
  65. index-fields = ["col1","col2"]
  66. #(可选)忽略某些列的检查,例如 sync-diff-inspector 目前还不支持的一些类型(json,bit,blob 等),
  67. # 或者是浮点类型数据在 TiDB 和 MySQL 中的表现可能存在差异,可以使用 ignore-columns 忽略检查这些列
  68. ignore-columns = ["",""]
  69. #(可选)指定划分该表的 chunk 的大小,若不指定可以删去或者将其配置为 0。
  70. chunk-size = 0
  71. #(可选)指定该表的 collation,若不指定可以删去或者将其配置为空字符串。
  72. collation = ""

运行 sync-diff-inspector

执行如下命令:

  1. ./bin/sync_diff_inspector --config=./config.toml

该命令最终会在 config.toml 中的 output-dir 输出目录输出本次比对的检查报告 summary.txt 和日志 sync_diff.log。在输出目录下还会生成由 config.toml 文件内容哈希值命名的文件夹,该文件夹下包括断点续传 checkpoint 结点信息以及数据存在不一致时生成的 SQL 修复数据。

前台输出

sync-diff-inspector 在执行过程中会往 stdout 发送进度信息。进度信息包括表的结构比较结果、表的数据比较结果以及进度条。

注意:

为了达成显示效果,请保持显示窗口宽度在80字符以上。

  1. A total of 2 tables need to be compared
  2. Comparing the table structure of ``sbtest`.`sbtest96`` ... equivalent
  3. Comparing the table structure of ``sbtest`.`sbtest99`` ... equivalent
  4. Comparing the table data of ``sbtest`.`sbtest96`` ... failure
  5. Comparing the table data of ``sbtest`.`sbtest99`` ...
  6. _____________________________________________________________________________
  7. Progress [==========================================================>--] 98% 193/200
  1. A total of 2 tables need to be compared
  2. Comparing the table structure of ``sbtest`.`sbtest96`` ... equivalent
  3. Comparing the table structure of ``sbtest`.`sbtest99`` ... equivalent
  4. Comparing the table data of ``sbtest`.`sbtest96`` ... failure
  5. Comparing the table data of ``sbtest`.`sbtest99`` ... failure
  6. _____________________________________________________________________________
  7. Progress [============================================================>] 100% 0/0
  8. The data of `sbtest`.`sbtest99` is not equal
  9. The data of `sbtest`.`sbtest96` is not equal
  10. The rest of tables are all equal.
  11. The patch file has been generated in
  12. 'output/fix-on-tidb2/'
  13. You can view the comparision details through 'output/sync_diff.log'

输出文件

输出文件目录结构如下:

  1. output/
  2. |-- checkpoint # 保存断点续传信息
  3. | |-- bbfec8cc8d1f58a5800e63aa73e5 # config hash 占位文件,标识该输出目录(output/)对应的配置文件
  4. |-- DO_NOT_EDIT_THIS_DIR
  5. └-- sync_diff_checkpoints.pb # 断点续传信息
  6. |
  7. |-- fix-on-target # 保存用于修复不一致的 SQL 文件
  8. | |-- xxx.sql
  9. | |-- xxx.sql
  10. | └-- xxx.sql
  11. |
  12. |-- summary.txt # 保存校验结果的总结
  13. └-- sync_diff.log # 保存 sync-diff-inspector 执行过程中输出的日志信息

日志

sync-diff-inspector 的日志存放在 ${output}/sync_diff.log 中,其中 ${output}config.toml 文件中 output-dir 的值。

校验进度

sync-diff-inspector 会在运行时定期(间隔 10s)输出校验进度到checkpoint中(位于 ${output}/checkpoint/sync_diff_checkpoints.pb 中,其中 ${output}config.toml 文件中 output-dir 的值。

校验结果

当校验结束时,sync-diff-inspector 会输出一份校验报告,位于 ${output}/summary.txt 中,其中 ${output}config.toml 文件中 output-dir 的值。

  1. +---------------------+--------------------+----------------+
  2. | TABLE | STRUCTURE EQUALITY | DATA DIFF ROWS |
  3. +---------------------+--------------------+----------------+
  4. | `sbtest`.`sbtest99` | true | +97/-97 |
  5. | `sbtest`.`sbtest96` | true | +0/-101 |
  6. +---------------------+--------------------+----------------+
  7. Time Cost: 16.75370462s
  8. Average Speed: 113.277149MB/s
  • TABLE: 该列表示对应的数据库及表名

  • STRUCTURE EQUALITY: 表结构是否相同

  • DATA DIFF ROWS: 即 rowAdd / rowDelete ,表示该表修复需要增加/删除的行数

SQL 修复

校验过程中遇到不同的行,会生成修复数据的 SQL 语句。一个chunk如果出现数据不一致,就会生成一个以 chunk.Index 命名的 SQL 文件。文件位于 ${output}/fix-on-${instance} 文件夹下。其中 ${instance}config.tomltask.target-instance 的值。

一个 SQL 文件会包含该 chunk 的所属表以及表示的范围信息。对每个修复 SQL 语句,有三种情况:

  • 下游数据库缺失行,则是 REPLACE 语句
  • 下游数据库冗余行,则是 DELETE 语句
  • 下游数据库行部分数据不一致,则是 REPLACE 语句,但会在 SQL 文件中通过注释的方法标明不同的列
  1. -- table: sbtest.sbtest99
  2. -- range in sequence: (3690708) < (id) <= (3720581)
  3. /*
  4. DIFF COLUMNS ╏ `K` ╏ `C` ╏ `PAD`
  5. ╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍
  6. source data ╏ 2501808 ╏ 'hello' ╏ 'world'
  7. ╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍
  8. target data ╏ 5003616 ╏ '0709824117-9809973320-4456050422' ╏ '1714066100-7057807621-1425865505'
  9. ╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╋╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍╍
  10. */
  11. REPLACE INTO `sbtest`.`sbtest99`(`id`,`k`,`c`,`pad`) VALUES (3700000,2501808,'hello','world');

注意事项

  • sync-diff-inspector 在校验数据时会消耗一定的服务器资源,需要避免在业务高峰期间校验。
  • TiDB 使用的 collation 为 utf8_bin。如果对 MySQL 和 TiDB 的数据进行对比,需要注意 MySQL 中表的 collation 设置。如果表的主键/唯一键为 varchar 类型,且 MySQL 中 collation 设置与 TiDB 不同,可能会因为排序问题导致最终校验结果不正确,需要在 sync-diff-inspector 的配置文件中增加 collation 设置。
  • sync-diff-inspector 会优先使用 TiDB 的统计信息来划分 chunk,需要尽量保证统计信息精确,可以在业务空闲期手动执行 analyze table {table_name}
  • table-rule 的规则需要特殊注意,例如设置了 schema-pattern="test1"table-pattern = "t_1"target-schema="test2"target-table = "t_2",会对比 source 中的表 test1.t_1 和 target 中的表 test2.t_2。sync-diff-inspector 默认开启 sharding,如果 source 中还有表 test2.t_2,则会把 source 端的表 test1.t_1 和表 test2.t_2 作为 sharding 与 target 中的表 test2.t_2 进行一致性校验。
  • 生成的 SQL 文件仅作为修复数据的参考,需要确认后再执行这些 SQL 修复数据。