V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
pusidun
V2EX  ›  程序员

迫于没思路,如何用较少内存做到将一个数据库表采集成文件

  •  
  •   pusidun ·
    pusidun · 2018-12-08 16:15:53 +08:00 · 2562 次点击
    这是一个创建于 2166 天前的主题,其中的信息可能已经有所发展或是发生改变。
    工作的业务场景里面想到的。
    一张亿级记录数的表,有一个时间戳字段 timestamp 以及若干其他字段。这张表每隔 5 分钟更新,插入新的纪录,并删除上上个粒度数据。比如 9 点更新该时刻数据的时候,删除 timestamp 8:50 的数据,同时保证 9 点 5 分前数据更新完毕。
    要求在 9 点 10 分前用较少的内存将 9 点的数据采集成文件。不考虑读数据库和磁盘 io 时间,只允许使用这一个数据库。程序可以分布式,数据库只可查询

    我想法是把表按主键取模进行水平拆分,按照拆分个数 n 在 n 台主机采集,最后丢进 mq 队列,一台机器上把 n 个文件拼成一个。
    没搞过相关业务的经验,原来搞这个模块的人跑路了,所以现在没个讨论的。
    有经验有想法的,欢迎给个思考方向,谢谢
    12 条回复    2018-12-09 19:08:24 +08:00
    sagaxu
        1
    sagaxu  
       2018-12-08 18:29:59 +08:00 via Android
    每 5 分钟更新 1 亿条? 9 点是做个 snapshot 还是只采集更新部分?
    pusidun
        2
    pusidun  
    OP
       2018-12-08 21:09:54 +08:00
    @sagaxu 9 点开始更新时间戳是 9 点的数据,在 9 点 05 分更新结束。这部分数据会在 9 点 05 分到 9 点 10 分由程序采集。更新和采集是错开来的
    sagaxu
        3
    sagaxu  
       2018-12-08 21:50:41 +08:00 via Android
    @pusidun 时间戳是 9 点的数据预估是多少条呢?几千条和几百万条,设计是完全不同的,如果每隔 5 分钟就把亿级数据全量刷新一遍,又是完全不同的要求了
    yfl168648
        4
    yfl168648  
       2018-12-08 22:28:01 +08:00
    不清楚是增量还是全量采集。如果是全量,很多问题就出现了。拍快照行不行~
    reus
        5
    reus  
       2018-12-08 23:15:09 +08:00
    这个和内存有啥关系?读一行就写一行,又不是说全部读入内存才能写文件
    vitoliu
        6
    vitoliu  
       2018-12-09 01:21:28 +08:00
    我理解这种数据存储类似于时间序列吧,考虑一下 HBase?用 MySQL 的话感觉比较麻烦...
    pusidun
        7
    pusidun  
    OP
       2018-12-09 10:26:03 +08:00
    @sagaxu 一个时间戳数据大概千万条

    @yfl168648 全量采集最新的时间戳数据就行了

    @reus 那查询 sql 咋写?每一行一个 sql 数据库吃得消吗= =
    reus
        8
    reus  
       2018-12-09 11:29:20 +08:00
    @pusidun ……谁说一行一个 sql。主流数据库都支持 cursor,一次查询如果返回多行,可以一行一行取回,处理完再读下一行,这样不会占用多少内存。
    C2G
        9
    C2G  
       2018-12-09 11:35:49 +08:00 via Android
    虫群?
    ----------
    #8 的思路应该是可行的。
    跑路的话问人事要一下之前那个人的电话 /邮箱,私下沟通一下
    sagaxu
        10
    sagaxu  
       2018-12-09 12:22:49 +08:00 via Android
    @pusidun 似乎是在做设备监控,db 只保留当前状态,历史状态归档到文件。

    如果是这种需求,应该把 db 拿掉,一分钟 200 万个更新,得按照每秒 5 万次写入来设计,db 的压力是巨大的。

    可以考虑直接写到 mq,一个消费者负责 update 到 redis,另一个消费者负责聚合成文件。mq,redis,消费者都可以按需做 HA 或者 LB。
    winglight2016
        11
    winglight2016  
       2018-12-09 16:07:41 +08:00
    log 类型的数据,考虑一下 ELK 吧
    nekoneko
        12
    nekoneko  
       2018-12-09 19:08:24 +08:00
    为什么不在拿到数据的时候就写成文件并放进数据库呢,到了另一个时间段直接从数据库删除之前的数据不行吗
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1057 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 19:38 · PVG 03:38 · LAX 11:38 · JFK 14:38
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.