通过系统变量 tidb_snapshot 读取历史数据

本文档介绍如何通过系统变量 tidb_snapshot 读取历史数据,包括具体的操作流程以及历史数据的保存策略。

注意:

你还可以使用 Stale Read 功能读取历史数据。更推荐使用 Stale Read 读取历史数据。

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。

注意:

读取历史数据时,即使当前数据的表结构相较于历史数据的表结构已经发生改变,历史数据也会使用当时的表结构来返回数据。

操作流程

为支持读取历史版本数据, TiDB 引入了一个新的系统变量 tidb_snapshot

  • 这个变量的作用域为 SESSION
  • 你可以通过标准的 SET 语句修改这个变量的值。
  • 这个变量的数据类型为文本类型,能够存储 TSO 和日期时间。TSO 是从 PD 端获取的全局授时的时间戳,日期时间的格式为:“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 会按照设置的时间戳建立 Snapshot(没有开销,只是创建数据结构),随后所有的 SELECT 操作都会从这个 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:

  • 使用系统变量 tidb_gc_life_time 可以配置历史版本的保留时间(默认值是 10m0s)。
  • 使用 SQL 语句 SELECT * FROM mysql.tidb WHERE variable_name = 'tikv_gc_safe_point' 可以查询当前的 safePoint,即当前可以读的最旧的快照。在每次 GC 开始运行时,safePoint 将自动更新。

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。

历史数据恢复策略

在恢复历史版本的数据之前,需要确保在对数据进行操作时,垃圾回收机制 (GC) 不会清除历史数据。如下所示,可以通过设置 tidb_gc_life_time 变量来调整 GC 清理的周期。不要忘记在恢复历史数据后将该变量设置回之前的值。

  1. SET GLOBAL tidb_gc_life_time="60m";

注意:

将 GC life time 从默认的 10 分钟增加到半小时及以上,会导致同一行保留有多个版本并占用更多的磁盘空间,也可能会影响某些操作的性能,例如扫描。进行扫描操作时,TiDB 读取数据需要跳过这些有多个版本的同一行,从而影响到扫描性能。

如果想要恢复历史版本的数据,可以使用以下任意一种方法进行设置:

  • 对于简单场景,在设置 tidb_snapshot 变量后使用 SELECT 语句并复制粘贴输出结果,或者使用 SELECT ... INTO LOCAL OUTFLE 语句并使用 LOAD DATA 语句来导入数据。

  • 使用 Dumpling 导出 TiDB 的历史数据快照。Dumpling 在导出较大的数据集时有较好的性能。