关于数据库:AP引擎助力加速生产SQL运行

Rapid存储引擎简介

从GreatSQL 8.0.32-25版本开始，新增Rapid存储引擎，该引擎使得GreatSQL能满足联机剖析（OLAP）查问申请。

Rapid引擎采纳插件（Plugin）形式嵌入GreatSQL中，能够在线动静装置或卸载。

Rapid引擎不会间接面对客户端和应用程序，用户无需批改原有的数据拜访形式。它是一个无共享、内存化、混合列式存储的查询处理引擎，其设计目标是为了高性能的解决剖析型查问。

并且在TPC-H性能体现优异在32C64G测试机环境下，TPC-H 100G测试中22条SQL总耗时 仅需不到80秒

上面是几个不同TPC-H数据量级的压缩率数据：

通过GreatSQL社区的测试剖析能够看出，相较于InnoDB存储引擎，Rapid存储引擎在存储效率上取得了极大晋升。在寄存雷同的数据集时，Rapid的数据文件所须要的空间仅为InnoDB的6~7分之1，大概 升高了85% 左右。

实在生产案例测试

为了全面验证AP引擎的性能晋升，咱们胜利获取了实在生产环境下的SQL语句、表构造以及通过脱敏解决的数据。在此，特别感谢潲同学和贵司的帮助！

测试环境介绍

本次测试采纳的环境是 Arch Linux x86_64，机器配置为12C15G

$ uname -aLinux myarch 6.6.3-arch1-1 #1 SMP PREEMPT_DYNAMIC Wed, 29 Nov 2023 00:37:40 +0000 x86_64 GNU/Linux$ cat /proc/cpuinfo | grep "processor" | wc -l12$  free -h     totalMem: 15Gi

采纳的GreatSQL版本为 GreatSQL 8.0.32-25 版本

$ mysql --version           mysql  Ver 8.0.32-25 for Linux on x86_64 (GreatSQL, Release 25, Revision 79f57097e3f)

实在生产SQL

展现行将进行测试的生产SQL（这里不深刻探讨该SQL是否存在优化的可能性）：

select c.id, c.dept_id, c.user_id, c.type, c.source, c.charge_no, c.amount, c.from_bank, c.to_bank, c.receipt,c.status, c.remark, c.create_by, c.create_time, c.update_by, c.update_time,c.reason,c.fr_no, d.dept_name, dt.company_name, cp.company_name  from charge cleft join dept d on c.dept_id = d.dept_idleft join user u on c.user_id = u.user_idleft join dept_tax dt on c.dept_id = dt.dept_idleft join dept_info di on c.dept_id = di.dept_idleft join company_bank cb on di.sign_cbid = cb.idleft join company cp on cb.company_id = cp.company_idlimit 3313445,10;

实在生产表构造

生产SQL波及7张表，咱们将逐个展现每张表的表构造。为了爱护隐衷，咱们对局部字段进行了脱敏解决以及一些微调

dept表

CREATE TABLE `dept` (  `dept_id` bigint(20) NOT NULL AUTO_INCREMENT,  `parent_id` bigint(20) DEFAULT '0',  `ancestors` varchar(50) DEFAULT '',  `dept_name` varchar(30) DEFAULT '',......  `create_time` datetime DEFAULT NULL,  `update_by` varchar(64) DEFAULT '',  `update_time` datetime DEFAULT NULL,  PRIMARY KEY (`dept_id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='部门表'

user表

CREATE TABLE `user` (  `user_id` bigint(20) NOT NULL AUTO_INCREMENT,  `dept_id` bigint(20) DEFAULT NULL,  `fans_id` bigint(20) DEFAULT NULL,  `login_name` varchar(30) NOT NULL,  `user_name` varchar(30) NOT NULL,  `alias` varchar(100) DEFAULT NULL,  `user_type` varchar(2) DEFAULT '00',  `email` varchar(50) DEFAULT '',  `phonenumber` varchar(11) DEFAULT '',  `sex` char(1) DEFAULT '0',......  `create_by` varchar(64) DEFAULT '',  `create_time` datetime DEFAULT NULL,  `update_by` varchar(64) DEFAULT '',  `update_time` datetime DEFAULT NULL,  `remark` varchar(500) DEFAULT NULL,  PRIMARY KEY (`user_id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='用户表'

dept_tax表

CREATE TABLE `dept_tax` (  `id` bigint(20) NOT NULL AUTO_INCREMENT,  `dept_id` bigint(20) NOT NULL,  `company_name` varchar(50) NOT NULL,  `tax_no` varchar(50) DEFAULT NULL,  `tax_type` varchar(30) DEFAULT NULL,......  `create_by` varchar(50) DEFAULT '',  `create_time` datetime DEFAULT NULL,  `update_by` varchar(50) DEFAULT '',  `update_time` datetime DEFAULT NULL,  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='信息表'

dept_info表

CREATE TABLE `dept_info` (  `id` bigint(20) NOT NULL AUTO_INCREMENT,  `dept_id` bigint(20) NOT NULL,  `customer_id` bigint(20) DEFAULT NULL,  `dept_type` char(1) DEFAULT '1',  `industry_type` char(1) DEFAULT '0',  `dept_flag` char(1) DEFAULT '1',  `dept_kind` char(1) DEFAULT '0',  `bus_scope` varchar(10) DEFAULT '1',  `channel_id` bigint(20) DEFAULT NULL,......   PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='信息表'

company_bank表

CREATE TABLE `company_bank` (  `id` bigint(20) NOT NULL AUTO_INCREMENT,  `company_id` bigint(20) DEFAULT NULL,  `bank_name` varchar(50) DEFAULT NULL,  `bank_card` varchar(30) DEFAULT NULL,  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

company表

CREATE TABLE `company` (  `company_id` bigint(20) NOT NULL AUTO_INCREMENT,  `company_name` varchar(100) DEFAULT NULL,  PRIMARY KEY (`company_id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

charge表

CREATE TABLE `charge` (  `id` bigint(20) NOT NULL AUTO_INCREMENT,  `dept_id` bigint(20) NOT NULL,  `user_id` bigint(20) DEFAULT NULL,  `type` char(1) DEFAULT NULL,......  `create_time` datetime DEFAULT NULL,  `update_by` varchar(50) DEFAULT '',  `update_time` datetime DEFAULT NULL,  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

不深入探讨SQL和表构造是否存在优化的可能性，只验证AP引擎晋升查问测试。

加载数据

鉴于原始数据较为无限，为了更显著地进行测试，咱们为每张表生成了一些新数据，来看下各表数据和表空间大小是多少：

未革新测试

待测试的SQL语句：

select c.id, c.dept_id, c.user_id, c.type, c.source, c.charge_no, c.amount, c.from_bank, c.to_bank, c.receipt,c.status, c.remark, c.create_by, c.create_time, c.update_by, c.update_time,c.reason,c.fr_no, d.dept_name, dt.company_name, cp.company_name  from _charge cleft join dept d on c.dept_id = d.dept_idleft join user u on c.user_id = u.user_idleft join dept_tax dt on c.dept_id = dt.dept_idleft join dept_info di on c.dept_id = di.dept_idleft join company_bank cb on di.sign_cbid = cb.idleft join company cp on cb.company_id = cp.company_idlimit 3313445,10;

先不应用AP引擎测试查问五次：

能够看到五次测试后果都是稳固在12秒左右，均匀耗时12.64/s：

应用Rapid引擎测试

启用Rapid引擎

greatsql> INSTALL PLUGIN Rapid SONAME 'ha_rapid.so';greatsql> SHOW PLUGINS;+----------------------------------+----------+--------------------+----------------------+---------+| Name                             | Status   | Type               | Library              | License |+----------------------------------+----------+--------------------+----------------------+---------+| binlog                           | ACTIVE   | STORAGE ENGINE     | NULL                 | GPL     |...| Rapid                            | ACTIVE   | STORAGE ENGINE     | ha_rapid.so          | GPL     |+----------------------------------+----------+--------------------+----------------------+---------+55 rows in set (0.00 sec)

加上Rapid辅助引擎

greatsql> ALTER TABLE dept SECONDARY_ENGINE = rapid;Query OK, 0 rows affected (0.02 sec)Records: 0  Duplicates: 0  Warnings: 0greatsql> ALTER TABLE user SECONDARY_ENGINE = rapid;greatsql> ALTER TABLE charge SECONDARY_ENGINE = rapid;greatsql> ALTER TABLE company SECONDARY_ENGINE = rapid;greatsql> ALTER TABLE company_bank SECONDARY_ENGINE = rapid;greatsql> ALTER TABLE dept_info SECONDARY_ENGINE = rapid;greatsql> ALTER TABLE dept_tax SECONDARY_ENGINE = rapid;

查看建表DDL，发现减少了 SECONDARY_ENGINE=rapid

greatsql> SHOW CREATE TABLE _company\G*************************** 1. row ***************************       Table: companyCreate Table: CREATE TABLE `company` (  `company_id` bigint NOT NULL AUTO_INCREMENT COMMENT '序号ID',  `company_name` varchar(100) DEFAULT NULL COMMENT '签约主体',  PRIMARY KEY (`company_id`)) ENGINE=InnoDB AUTO_INCREMENT=1001 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci SECONDARY_ENGINE=rapid1 row in set (0.00 sec)

数据全量导入Rapid引擎中

greatsql> ALTER TABLE dept SECONDARY_LOAD;greatsql> ALTER TABLE user SECONDARY_LOAD;greatsql> ALTER TABLE charge SECONDARY_LOAD;greatsql> ALTER TABLE company SECONDARY_LOAD;greatsql> ALTER TABLE company_bank SECONDARY_LOAD;greatsql> ALTER TABLE dept_info SECONDARY_LOAD;greatsql> ALTER TABLE dept_tax SECONDARY_LOAD;

开始测试Rapid引擎

有两种形式启用Rapid引擎

形式一

-- 设置use_secondary_engine=ON的时候，为保障查问语句可能应用rapid，-- 通常须要设置secondary_engine_cost_threshold = 0，或一个较小的阈值SET use_secondary_engine = ON;SET secondary_engine_cost_threshold = 0; 

形式二（不倡议）

-- 批改会话变量，设置强制应用Rapid引擎SET use_secondary_engine = FORCED;-- 或执行SQL查问时指定HINTSELECT /*+ SET_VAR(use_secondary_engine=forced) */ ...省略 FROM from charge c;

先应用计划二，执行SQL查问时指定HINT测试五次看看体现如何

待测试的SQL语句：

select /*+ SET_VAR(use_secondary_engine=forced) */ c.id, c.dept_id, c.user_id, c.type, c.source, c.charge_no, c.amount, c.from_bank, c.to_bank, c.receipt,c.status, c.remark, c.create_by, c.create_time, c.update_by, c.update_time,c.reason,c.fr_no, d.dept_name, dt.company_name, cp.company_namefrom _charge cleft join dept d on c.dept_id = d.dept_idleft join user u on c.user_id = u.user_idleft join dept_tax dt on c.dept_id = dt.dept_idleft join dept_info di on c.dept_id = di.dept_idleft join company_bank cb on di.sign_cbid = cb.idleft join company cp on cb.company_id = cp.company_idlimit 3313445,10;

同样测试查问五次：

能够看到Rapid引擎出手即是秒杀，均匀耗时0.47/s：

革新前（均匀耗时12.64/s）和革新后（均匀耗时0.47/s）比照测试后果：

总体来说革新后约晋升了26.9倍：

如果咱们抉择应用HINT进行革新，就须要对原SQL语句进行相应批改。因而，咱们将采纳计划一来进行试验

greatsql> SET use_secondary_engine = ON;greatsql> secondary_engine_cost_threshold = 0;# 查看下执行打算greatsql> explain select c.id, c.dept_id, c.user_id, c.type, c.source, c.charge_no, c.amount, c.from_bank, c.to_bank, c.receipt,c.status, c.remark, c.create_by, c.create_time, c.update_by, c.update_time,c.reason,c.fr_no , d.dept_name, dt.company_name, cp.company_name from charge c left join dept d on c.dept_id = d.dept_id left join user u on c.user_id = u.user_id left join dept_tax dt on c.dept_id = dt.dept_id left join dept_info di on c.dept_id = di.dept_id left join company_bank cb on di.sign_cbid = cb.id left join company cp on cb.company_id = cp.company_id limit 3313445,10\G*************************** 1. row ***************************           id: 1  select_type: SIMPLE        table: c   partitions: NULL         type: ALLpossible_keys: NULL          key: NULL      key_len: NULL          ref: NULL         rows: 905486     filtered: 100.00        Extra: Using secondary engine RAPID # 证实用到RAPID引擎# 下方省略，证实有用到RAPID引擎即可

能够看到默认的应用了RAPID引擎

数据导入

在上方咱们执行过ALTER TABLE xxx SECONDARY_LOAD这个操作，会将InnoDB主引擎中的数据全量加载到Rapid引擎中，这个过程称为全量导入。全量导入胜利后，Rapid引擎中的数据是动态的，当向主引擎表中持续插入、删除、批改数据时，并不会导入到Rapid引擎中。

那数据会更新会批改要怎么办呢？总不能每次都全量导入吧？

所以此时能够利用binlog个性，能够在全量导入胜利后，启动增量导入工作。增量工作会读取自全量导入胜利之后的binlog数据，将binlog解析并利用到rapid引擎中，这个过程称为增量导入。

不同于全量导入，增量导入会启动一个常驻的后盾线程，实时读取和利用增量binlog数据。

增量导入数据的限度和需要

在手册上有介绍到增量导入数据的限度和需要，如下：

1. 须要设置表名大小写不敏感，即设置 lower_case_table_names = 1。
2. 须要开启GTID模式，即设置 gtid_mode = ON 和 enforce_gtid_consistency = ON。
3. 须要采纳row格局的binlog event，不反对statement格局，即设置 binlog_format = ROW。增量工作运行过程中，检测到statement的DML event，可能会报错退出。
4. 须要敞开GIPKs个性，即设置 sql_generate_invisible_primary_key = OFF。用户表不能有 invisible primary key，如果表蕴含隐式不可见的主键，在全量导入过程中会报错；同时也不反对用户表中存在任何不可见列（invisible column）。
5. 须要先对表执行过一次全量导入后，能力启动增量导入工作，否则工作启动会报错。
6. 不反对 PARTIAL_UPDATE_ROWS_EVENT 类型的binlog，即不要设置 binlog_row_value_options = PARTIAL_JSON。
7. 不反对 CREATE TABLE SELECT 语句，增量工作运行过程中，检测到该语句产生的binlog event时可能会报错退出。
8. 不反对XA事务，运行过程中查看到XA事务会报错退出。

开启增量导入

增量导入有两个零碎函数别离是

• START_SECONDARY_ENGINE_INCREMENT_LOAD_TASK() ：启动工作
• STOP_SECONDARY_ENGINE_INCREMENT_LOAD_TASK()：进行工作

执行SQL命令 SELECT START_SECONDARY_ENGINE_INCREMENT_LOAD_TASK() 即可启动增量工作，依据函数返回信息能够确认是否工作启动胜利。如果启动失败，能够从谬误日志中查看具体失败的起因。

该函数蕴含3个参数：

• db_name，必选项，指定增量导入工作对应的数据库名。
• table_name，必选项，指定增量导入工作对应的数据表名。
• gtid，可选项，指定开始增量导入工作的起始gtid_set值。默认不须要指定，工作会主动依据ALTER TABLE ... SECONDARY_LOAD 全量导入时刻的 gtid_executed 进行计算和判断。

-- 对user表启动增量导入工作greatsql> SELECT START_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('aptest', 'user');+------------------------------------------------------------------+| START_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('aptest', 'user') |+------------------------------------------------------------------+| success                                                          |+------------------------------------------------------------------+1 row in set (0.00 sec)-- 查看增量导入工作状态greatsql>  SELECT * FROM information_schema.SECONDARY_ENGINE_INCREMENT_LOAD_TASK\G*************************** 1. row ***************************           DB_NAME: aptest        TABLE_NAME: user        START_TIME: 2024-02-21 09:33:55        START_GTID: 9548406d-8ff1-11ee-97ec-ec5c6826bca3:1-3808COMMITTED_GTID_SET: 9548406d-8ff1-11ee-97ec-ec5c6826bca3:1-3821         READ_GTID: 9548406d-8ff1-11ee-97ec-ec5c6826bca3:3821  READ_BINLOG_FILE: ./binlog.000023   READ_BINLOG_POS: 596312770             DELAY: 0            STATUS: RUNNING          END_TIME:               INFO: 1 row in set (0.00 sec)

当然如果想进行也能够应用以下操作进行增量同步

greatsql>  SELECT STOP_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('aptest', 'user');greatsql> SELECT STOP_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('aptest', 'user');+-----------------------------------------------------------------+| STOP_SECONDARY_ENGINE_INCREMENT_LOAD_TASK('aptest', 'user') |+-----------------------------------------------------------------+| success                                                         |+-----------------------------------------------------------------+1 row in set (0.21 sec)greatsql> SELECT * FROM information_schema.SECONDARY_ENGINE_INCREMENT_LOAD_TASK\G*************************** 1. row ***************************           DB_NAME: aptest        TABLE_NAME: user        START_TIME: 2024-02-21 09:33:55        START_GTID: 9548406d-8ff1-11ee-97ec-ec5c6826bca3:1-3808COMMITTED_GTID_SET: 9548406d-8ff1-11ee-97ec-ec5c6826bca3:1-3821         READ_GTID: 9548406d-8ff1-11ee-97ec-ec5c6826bca3:3821  READ_BINLOG_FILE: ./binlog.000023   READ_BINLOG_POS: 596312770             DELAY: 60            STATUS: NOT RUNNING          END_TIME: 2024-02-21 09:35:46              INFO: NORMAL EXIT1 row in set (0.00 sec)

更多Rapid存储引擎介绍请返回GreatSQL用户手册上查看 Rapid引擎（Rapid Engine）https://greatsql.cn/docs/8032-25/user-manual/5-enhance/5-1-hi...

总结

对于在不革新SQL的前提下，查问速度晋升了 26.9倍 的这一后果，潲同学示意十分诧异。然而，令人遗憾的是，他们尚未迁徙到GreatSQL数据库。因而，他目前正紧锣密鼓地向总监提议，争取尽快实现迁徙并采纳GreatSQL数据库:)

目前Rapid存储引擎曾经凋谢测试了，欢送各位来体验测试~

GreatSQL手册：https://greatsql.cn/docs/8032-25/

GreatSQL下载地址：https://gitee.com/GreatSQL/GreatSQL/releases/tag/GreatSQL-8.0...

Enjoy GreatSQL :)

对于GreatSQL

GreatSQL数据库是一款开源收费数据库，可在一般硬件上满足金融级利用场景，具备高可用、高性能、高兼容、高平安等个性，可作为MySQL或Percona Server for MySQL的现实可选替换。

相干链接

GreatSQL社区

Gitee

Github

Bilibili

技术交换群

微信：增加GreatSQL社区助手好友，微信号wanlidbc发送验证信息加群

QQ群：533341697

Enjoy GreatSQL :)

## 对于 GreatSQL

GreatSQL是实用于金融级利用的国内自主开源数据库，具备高性能、高牢靠、高易用性、高平安等多个外围个性，能够作为MySQL或Percona Server的可选替换，用于线上生产环境，且完全免费并兼容MySQL或Percona Server。

相干链接： GreatSQL社区 Gitee GitHub Bilibili

GreatSQL社区：

社区博客有奖征稿详情：https://greatsql.cn/thread-100-1-1.html

技术交换群：

微信：扫码增加GreatSQL社区助手微信好友，发送验证信息加群。