摘要：，指定并發導出或導入線程數。默認線程數，默認線程數是個數。注線程數不是越大越好，這里主要的衡量指標是網絡帶寬磁盤目標庫，最好用觀察一下。

取名mypumpkin，是python封裝的一個讓mysqldump以多線程的方式導出庫表，再以mysql命令多線程導入新庫，用于成倍加快導出，特別是導入的速度。這一切只需要在 mysqldump 或 mysql 命令前面加上 mypumpkin.py 即可，所以稱作魔法。

項目地址：https://github.com/seanlook/m...

該程序源于需要對現網單庫幾百G的數據進行轉移到新庫，并對中間進行一些特殊操作（如字符集轉換），無法容忍mysqldump導入速度。有人可能會提到為什么不用 mydumper，其實也嘗試過它但還是放棄了，原因有：

不能設置字符集
mydumper強制使用 binary 方式來連接庫以達到不關心備份恢復時的字符集問題，然而我的場景下需要特意以不同的字符集導出、再導入。寫這個程序的時候正好在公眾號看到網易有推送的一篇文章 (解密網易MySQL實例遷移高效完成背后的黑科技)，提到他們對mydumper的改進已支持字符集設置，可是在0.9.1版本的patch里還是沒找到。

沒有像 mysqldump 那樣靈活控制過濾選項（導哪些表、忽略哪些表）
因為數據量之巨大，而且將近70%是不變更的歷史表數據，這些表是可以提前導出轉換的；又有少量單表大于50G的，最好是分庫導出轉換。mydumper 不具備 mysqldump 這樣的靈活性

對忽略導出gtid信息、觸發器等其它支持
阿里云rds 5.6 導出必須要設置 set-gtid-purged=OFF

另外有人還可能提到 mysqlpump —— 它才是我認為mysqldump應該具有的模樣，語法兼容，基于表的并發導出。但是只有 mysql服務端 5.7.9 以上才支持，這就是現實和理想的距離。。。

首先說明，mysqldump的導出速度并不慢，經測試能達到50M/s的速度，10G數據花費3分鐘的樣子，可以看到瓶頸在于網絡和磁盤IO，再怎樣的導出工具也快不了多少，但是導入卻花了60分鐘，磁盤和網絡大概只用到了20%，瓶頸在目標庫寫入速度（而一般順序寫入達不到IOPS限制），所以mypumpkin就誕生了 —— 兼顧myloader的導入速度和mysqldump導出的靈活性。

用python構造1個隊列，將需要導出的所有表一次放到隊列中，同時啟動N個python線程，各自從這個Queue里取出表名，subprocess調用操作系統的mysqldump命令，導出數據到以 dbname.tablename.sql 命名的文件中。load in 與 dump out 類似，根據指定的庫名或表名，從dump_dir目錄找到所有sql文件，壓進隊列，N個線程同時調用mysql構造新的命令，模擬 < 操作。

參數解析從原來自己解析，到改用argparse模塊，幾乎做了一次重構。
對于沒有指定--tables的情況，程序會主動去庫里查詢一下所有表名，然后過濾進隊列。

load in目標庫，選項做到與dump out一樣豐富，可以指定導入哪些db、哪些表、忽略哪些表。

其中的重點是做到與原mysqldump兼容，因為需要對與表有關的選項（-B, -A, --tables, --ignore=），進行分析并組合成新的執行命令，考慮的異常情況非常多。

重要：導出的數據不保證庫級別的一致性

對歷史不變表，是不影響的

具體到一個表能保證一致性，這是mysqldump本身采用哪些選項決定的

不同表導出動作在不同的mysqldump命令中，無法保證事務。
在我的案例場景下，是有開發同學輔助使用一套binlog解析程序，等完成后重放所有變更，來保證最終一致性。

另，許多情況下我們導數據，并不需要完整的或者一致的數據，只是用于離線分析或臨時導出，重點是快速拿數據給到開發。

不尋常選項識別
程序已經盡力做到與mysqldump命令兼容，只需要加上 mypumpkin.py、指定dump-dir，就完成并發魔法，但有些情況的參數不方便解析，暫不支持格式：

db1 table1 table2
db2 db3

即以上無法在命令行下判斷 db1、table1 是庫名還是表面，用的時候只需記住“[-A|-B], [--tables], [--ignore-table]”三組，必須出現一個：db1 table1 table2改成db1 --tables table1 table2，db2改成-B db2 db3。

密碼暫只能顯式輸入

安裝基于python 2.7 開發，其它版本沒測。需要按 MySQLdb 庫。

./mypumpkin.py --help
Only mysqldump or mysql allowed after mypumpkin.py

usage: mypumpkin.py {mysqldump|mysqls} [--help]

This"s a program that wrap mysqldump/mysql to make them dump-out/load-in
concurrently. Attention: it can not keep consistent for whole database(s).

optional arguments:
  --help                show this help message and exit
  -B db1 [db1 ...], --databases db1 [db1 ...]
                        Dump one or more databases
  -A, --all-databases   Dump all databases
  --tables t1 [t1 ...]  Specifiy tables to dump. Override --databases (-B)
  --ignore-table db1.table1 [db1.table1 ...]
                        Do not dump the specified table. (format like
                        --ignore-table=dbname.tablename). Use the directive
                        multiple times for more than one table to ignore.
  --threads =N          Threads to dump out [2], or load in [CPUs*2].
  --dump-dir DUMP_DIR   Required. Directory to dump out (create if not exist),
                        Or Where to load in sqlfile

At least one of these 3 group options given: [-A,-B] [--tables] [--ignore-table]

--dump-dir，必選項，原來用的shell標準輸入輸出 > or < 不允許使用。dump-dir指定目錄不存在時會嘗試自動創建。

--threads=N，N指定并發導出或導入線程數。dump out 默認線程數2， mypumpkin load in 默認線程數是 cpu個數 * 2。
注：線程數不是越大越好，這里主要的衡量指標是網絡帶寬、磁盤IO、目標庫IOPS，最好用 dstat 觀察一下。

-B, --tables，--ignore-table，使用與mysqldump相同，如：

在mysqldump里面，--tables會覆蓋--databases/-B選項

在mysqldump里面，--tables與--ignore-table不能同時出現

在mysqldump里面，如果沒有指定-B，則--tables或--ignore-table必須緊跟db名之后

其它選項，mypumpkin會原封不動的保留下來，放到shell去執行。所以如果其它選項有錯誤，檢查是交給原生mysqldump去做的，執行過程遇到一個失敗則會退出線程。

導出：

## 導出源庫所有db到visit_dumpdir2目錄 （不包括information_schema和performance_schema）
$ ./mypumpkin.py mysqldump -h dbhost_name -utest_user -pyourpassword -P3306 
 --single-transaction --opt -A --dump-dir visit_dumpdir2

## 導出源庫db1,db2，會從原庫查詢所有表名來過濾
$ ./mypumpkin.py mysqldump -h dbhost_name -utest_user -pyourpassword -P3306 
 --single-transaction --opt -B db1 db2 --dump-dir visit_dumpdir2

## 只導出db1庫的t1,t2表，如果指定表不存在則有提示
$ ./mypumpkin.py mysqldump -h dbhost_name -utest_user -pyourpassword -P3306 
 --single-transaction --opt -B db1 --tables t1 t2 --dump-dir visit_dumpdir2

## 導出db1,db2庫，但忽略 db1.t1, db2.t2, db2.t3表
## mysqldump只支持--ignore-table=db1.t1這種，使用多個重復指令來指定多表。這里做了兼容擴展
$ ./mypumpkin.py mysqldump -h dbhost_name -utest_user -pyourpassword --single-transaction 
 --opt -B db1 db2 --ignore-table=db1.t1 --ignore-table db2.t2 db2.t3 --dump-dir visit_dumpdir2 (如果-A表示全部db)

## 不帶 -A/-B
$ ./mypumpkin.py mysqldump -h dbhost_name -utest_user -pyourpassword -P3306 
 --single-transaction --opt db1 --ignore-table=db1.t1 --dump-dir=visit_dumpdir2

## 其它選項不做處理
$ ./mypumpkin.py mysqldump -h dbhost_name -utest_user -pyourpassword -P3306 
 --single-transaction --set-gtid-purged=OFF --no-set-names --skip-add-locks -e -q -t -n --skip-triggers 
 --max-allowed-packet=134217728 --net-buffer-length=1638400 --default-character-set=latin1 
 --insert-ignore --hex-blob --no-autocommit 
 db1 --tables t1 --dump-dir visit_dumpdir2

導入：
-A, -B, --tables, --ignore-table, --threads, --dump-dir用法與作用與上面完全相同，舉部分例子：

## 導入dump-dir目錄下所有表
$ ./mypumpkin.py mysql -h dbhost_name -utest_user -pyourpassword --port 3307 -A 
 --dump-dir=visit_dumpdir2

## 導入db1庫（所有表）
$ ./mypumpkin.py mysql -h dbhost_name -utest_user -pyourpassword --port 3307 -B db1 
 --dump-dir=visit_dumpdir2

## 只導入db.t1表
$ ./mypumpkin.py mysql -h dbhost_name -utest_user -pyourpassword --port 3307 
 --default-character-set=utf8mb4 --max-allowed-packet=134217728 --net-buffer-length=1638400 
 -B db1 --tables t1 --dump-dir=visit_dumpdir2

## 導入db1,db2庫，但忽略db1.t1表（會到dump-dir目錄檢查db1,db2有無對應的表存在，不在目標庫檢查）
$ ./mypumpkin.py mysql -h dbhost_name -utest_user -pyourpassword --port 3307 
 -B db1 db2 --ignore-table=db1.t1 --dump-dir=visit_dumpdir2

原文鏈接地址：http://seanlook.com/2016/11/1...