mysql数据迁徙详解

数据迁徙是每个后端都会遇到的工作之一，本文介绍了一些常见的数据迁徙方法与工具

mysqldump：数据结构不变的数据迁徙

导出数据

mysqldump -u root -p DATABASE_NAME table_name > dump.sql

恢复数据

mysql -u root -p DATABESE_NAME < dump.sql

或者连接mysql客户端

mysql> source dump.sql

使用pymysql连接数据库

可以直接用用户名密码连接的数据库

class GeneralConnector:
    def __init__(self, config, return_dic=False):
        self.return_dic = return_dic
        self.config = config

    def __enter__(self):
        self.conn = pymysql.connect(**self.config, port=3306)
        if self.return_dic:
            # 一行数据会变成一个字典
            self.cursor = self.conn.cursor(pymysql.cursors.DictCursor)
        else:
            self.cursor = self.conn.cursor()
        return self.cursor

    def __exit__(self, *args):
        self.cursor.close()
        self.conn.commit()
        self.conn.close()

使用：

# local_db = {
#     'user': 'root',
#     'passwd': '',
#     'host': '127.0.0.1',
#     'db': 'local_db'
#     }
with GeneralConnector(const.local_db, return_dic=True) as cursor:
    cursor.execute('SELECT `col1`, `col2` FROM test;')
    return cursor.fetchall()

连接处于需要SSH连接的服务器的数据库

class SSHConnector:
    def __init__(self, server, config, return_dic=False):
        self.return_dic=return_dic
        self.server = server
        self.config = config

    def __enter__(self):
        self.conn = pymysql.connect(**self.config, port=self.server.local_bind_port)
        if self.return_dic:
            # 一行数据会变成一个字典
            self.cursor = self.conn.cursor(pymysql.cursors.DictCursor)
        else:
            self.cursor = self.conn.cursor()
        return self.cursor

    def __exit__(self, *args):
        self.cursor.close()
        self.conn.commit()
        self.conn.close()

使用：

# SERVER = SSHTunnelForwarder(
#         (remote_host, ssh_port),
#         ssh_username=USERNAME,
#         ssh_pkey=SSH_KEY,
#         ssh_private_key_password=SSH_KEY_PASSWD,
#         remote_bind_address=('127.0.0.1', 3306) # mysql服务位置
#     )
# server_db = {
#     'user': 'root',
#     'passwd': '',
#     'host': '127.0.0.1',
#     'db': 'server_db'
#     }
# 创建一个隧道将服务端的mysql绑定到本地3306端口
with const.SERVER as server:
    with SSHConnector(server, const.server_db) as cursor:
        cursor.execute('show tables;')
        data = cursor.fetchall()
        print(data)

cursor的各种操作

cursor.execute(sql_statement)

执行一条sql语句
cursor.fetchall()

获取cursor的所有结果，常跟在select语句后使用
cursor.fetchone()

获取cursor的第一条结果
cursor.lastrowid

最后一条数据的id

cursor.executemany(insert_statement, data_list)

批量插入一批数据，如

with const.SERVER as server:
    with connector.Connector(server, const.db_1) as cursor:
        cursor.execute('select * from preference')
        preferences = cursor.fetchall()

    with connector.Connector(server, const.db_2) as cursor:
        cursor.executemany('insert into preference (`id`,`theme`,`user_id`) values (%s,%s,%s)',preferences)

从cursor获取list类型的结果

cursor.execute('SELECT `name` FROM user;')

直接使用fetchall()，只能得到tuple包裹的数据

cursor.fetchall()
# (('Jack',), ('Ben'))

现在希望得到一个list结果集，做到像Django中flat=True那样的效果

有两种方法

列表解析式(list comprehension)
```
name_list = [x[0] for x in cursor.fetchall()]
```
这个方法的缺点在于会先使用fetchall()将结果集读到内存，再做列表转换，并不高效。
itertools工具
```
name_list = list(itertools.chain.from_iterable(cursor))
```
推荐使用这个方式，第一它不会将所有结果fetch到内存中，第二使用itertools生成列表比列表解析式要快

如何在数据迁徙中使用Django的model

需要拷贝Django的settings文件，删掉不需要的配置，并设置好迁徙目标数据库
需要拷贝用到此model的文件
需要在settings.INSTALLED_APPS中引入models.py文件所在的目录

在迁徙脚本头部启动Django

import os
import django
import sys
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
os.environ.setdefault("DJANGO_SETTINGS_MODULE", "translate.settings")
django.setup()

通过SSH隧道的本地转发实现Django连接远程数据库

创建一个ssh隧道，将远程数据库映射到本地端口
```
ssh -L local_port:localhost:<remote mysql port> <username>@<remote host>
```
ssh连接进行时，可以通过访问本地端口来访问远程数据库

在Django的settings中配置数据库

DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'NAME': db_name,
        'USER': remote_mysql_user, # 远程数据库账号密码
        'PASSWORD': remote_mysql_password,
        'HOST': "localhost",
        'PORT': local_port, # 远程数据库映射到本地的端口
        'OPTIONS': {'init_command': 'SET default_storage_engine=INNODB;'}
        }
}

至此，在使用Django的model时，将通过ssh隧道访问远程数据库

注意事项

事先了解迁徙数据量，并且取5%~10%的数据测试迁徙速度
由测试数据预估总迁徙用时，如果总迁徙用时大于一小时，一定要把迁徙脚本放到服务器运行，这样迁徙过程不易中断，且服务器性能远比个人电脑更优
尽量使用批量插入减少写数据库的次数，使用cursor.executemany或者Django的bulk_create
迁徙过程要写好log，这样能够知道数据迁徙到了哪一步，如意外终端也能找到断点继续运行
创建时间字段加上auto_add_now会自动记录数据的创建时间，在插入数据的时候对这个字段赋值无效