超大数据快速导入MySQL

一.问题背景

由于论文实验需要,现有下面两个需求.

1. 将1G的csv文件数据导入MySQL单表sample中,记录数2000w+;

2. 将上面的sample表中的数据迁移到远程数据库中.

二.解决方案

对于需求1,有如下解决方式.

1. 使用Navicat 工具栏中’数据导入’功能;

2. 使用编写Python/Perl脚本导入(未实现).

3. 使用MySQL的LOAD DATA INFILE命令,语法如下.

LOAD DATA [LOW_PRIORITY | CONCURRENT] [LOCAL] INFILE 'file_name'
[REPLACE | IGNORE]
INTO TABLE tbl_name
[PARTITION (partition_name [, partition_name] ...)]
[CHARACTER SET charset_name]
[{FIELDS | COLUMNS}
[TERMINATED BY 'string']
[[OPTIONALLY] ENCLOSED BY 'char']
[ESCAPED BY 'char']
]
[LINES
[STARTING BY 'string']
[TERMINATED BY 'string']
]
[IGNORE number {LINES | ROWS}]
[(col_name_or_user_var
[, col_name_or_user_var] ...)]
[SET col_name={expr | DEFAULT},
[, col_name={expr | DEFAULT}] ...]

关于其中各参数的介绍见参考文献3[3]

对于需求2,有如下解决方式.

1. 使用FTP/SCP 或者WinSCP工具,将CSV文件压缩后发送到远程服务器,然后使用LOAD DATA INFILE 导入.

2. 使用 mysqldump[1];

3. 使用Navicat的数据传输.

三.实验环境

MySQL 5.6

Windows 7 32bit

四.实验结果

对于需求1,由于数据量很大,导致使用方法1时,电脑卡死,放弃.使用LOAD DATA,本地不到10分钟可将数据全部导入.

==注1:使用LOAD之前,需在MySQL中先创建目标表,建议添加一个自增ID列,方便统计记录数,字段顺序和CSV列的顺序保持一致.==

实验结果如图:



==注2: 最后一行类似(col1,col2,@col3,col4..)的语法是指定要插入的列,对于不想插入的列,用@col3表示.==

==注3:如果CSV文件列属性类型数据库中没有,就需要对该列进行处理(转换类型或者不插入这列)==

对于需求2,方法2和3耗时巨大,同样是LOAD DATA 最为高效.

图一为数据传输所花费时间:



图二为LOAD所花费时间:

五. 实验结论

LOAD DATA INFILE 数据导入功能是非常强大的,相对其他耗时最少.

参考文献

Three methods to transfer a mysql database

13.2.6 LOAD DATA INFILE Syntax

load的语法