在数据密集型的业务场景中，有效的数据管理策略是确保系统性能和存储效率的关键。数据归档作为这一策略的核心组成部分，有助于优化数据库性能和降低存储成本。
pt-archiver 是 MySQL 用户最常用的数据归档工具。我写这篇博客的目的就是分享一下我对 pt-archiver 的上手体验和深入测试，算是一篇较为详细的试用报告哈。顺带着，给社区用户带来我近期开发的 ob-archiver，一个为 OceanBase 量身定制的数据归档命令行工具！
1. pt-archiver 上手体验
最近在调研数据生命周期管理相关的工具，了解到 Percona-Toolkit 工具集中的 pt-archiver 很受 MySQL 用户的欢迎，于是打算上手体验下。Percona-Toolkit 工具集中包含了 30 多个命令行工具，已经开源了（https://github.com/percona/percona-toolkit），并且收获了 900+ Star。
废话不多说，直接上手试试吧～
1.1. 安装
# percona-toolkit 依赖 perl 环境库，需要提前安装
sudo yum install perl-DBI perl-DBD-MySQL perl-IO-Socket-SSL perl-Digest-MD5 perl-TermReadKey
# 安装 percona-toolkit rpm 包
sudo rpm -ivh percona-toolkit-3.5.5-1.el7.x86_64.rpm
# 验证 pt-archiver 命令是否可用
pt-archiver --version1.2. 准备环境
pt-archiver 是针对 MySQL 设计的，没有对 OceanBase MySQL 模式做兼容处理。我这里使用的是 MySQL 5.7.42。
源端数据库/源表：gaoda_archive_source/employee
目标数据库/归档表：gaoda_archive_dest/employee_arc
源表的基本信息：1,000,000 rows with 6 columns
源表 DDL：
CREATE TABLE `employee` (
`id` bigint(20) NOT NULL AUTO_INCREMENT,
`name` varchar(255) DEFAULT NULL,
`birthday` datetime DEFAULT NULL,
`weight` double DEFAULT NULL,
`gender` enum('MALE','FEMALE') DEFAULT NULL,
`description` tinytext,
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf81.3. 场景一：表归档到表
1. 在目标数据库新建相同结构的归档表（必须提前新建，否则会报错）
2. 逐行归档表数据，且不删除源端表已归档数据
3. 查看归档表数据
4. TRUNCATE 归档表，然后在上述命令增加 --limit 和 --bulk-insert 选项以批量归档
1.4. 场景二：表归档到文件
1. 归档 100,000 行表数据到文件（需要确保文件路径已存在）
2. 查看归档文件
1.5. 场景三：数据清理
1. 通过 --purge 选项执行清理，通过 --dry-run 选项可以打印 SQL 并退出而不执行任何操作（类似 EXPLAIN SQL）
2. 删除命令中的--dry-run 选项，执行数据清理
1.6. 体验小结
pt-archiver 的试用过程是比较丝滑的。作为命令行工具，其安装和使用方法简单、参数清晰易懂、日志可读性好。最重要的是轻量化，轻量化，还是 xxx 轻量化，不需要打开任何专业软件就能归档大批量数据，这体验真的很爽啊。另外 --dry-run 选项查看执行计划的功能非常亮眼。
2. pt-archiver 深入测试
用起来很爽，但我更想了解 pt-archiver 归档、清理数据的底层逻辑，比如它的数据查询和删除策略、如何保障归档准确性。PT 官方描述是：
The strategy is to find the first row(s), then scan some index forward-only to find more rows efficiently. Each subsequent query should not scan the entire table; it should seek into the index, then scan until it finds more archivable rows.
数据归档中，为了保障数据一致性和表查询效率，应该会对表结构（主键、索引、约束等）和 WHERE 条件（引用的列是否为索引列等）有一定的要求。pt-archiver 并没有在文档中作出明确说明，因此需要通过更深度地测试，分析其功能细节和使用限制。
2.1. 索引与约束
在下面的测试中，约束全部使用主键约束，索引全部使用普通索引。
先说结论：pt-archiver 数据归档时，要求源表有主键或至少包含一个索引（任意类型），对 WHERE 条件中引用的列没有特殊要求。如果表中存在主键，则使用主键拼接 WHERE 子句，并使用 ORDER BY 按序查询，使用 LIMIT 分批操作；如果表中不存在主键，则使用第一个索引。另外，pt-archiver 会添加 WHERE 子句条件限制具有 AUTO_INCREMENT 属性字段所对应的数据行操作（目的是为了在数据库重启之后，之前 AUTO_INCREMENT 的值还可以使用）。
以下是我的测试过程，不需要关注的同学建议直接跳过哈，因为太枯燥了～
2.1.1. 表-无主键无索引
CREATE TABLE `table_without_pk_and_index` (
`col1` varchar(120) DEFAULT NULL,
`col2` varchar(120) DEFAULT NULL,
`col3` varchar(120) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8运行报错："Cannot find an ascendable index in table at /usr/bin/pt-archiver line 3262, <STDIN> line 2"。尝试通过使用 --no-ascend 并取消 --no-delete 选项来禁用升序索引优化（直译的，官方描述是 Ascending Index Optimization），仍然报上述错误，可以确认 必须要有约束或索引。
2.1.2. 表-有主键无索引
CREATE TABLE `table_only_with_pk` (
`col1` varchar(120) NOT NULL,
`col2` varchar(120) DEFAULT NULL,
`col3` varchar(120) DEFAULT NULL,
PRIMARY KEY (`col1`)
) ENGINE=InnoDB DEFAULT CHARSET=utf81. where 条件使用主键（varchar 类型）：执行成功，数据准确
2. where 条件使用非主键：执行成功，数据准确
使用 --dry-run查看执行 SQL 可以发现，pt-archiver 会主动去寻找主键，并利用主键 order by 和 limit 来实现 forward 寻找列，并不依赖 WHERE 条件指定索引列：
3. where 条件使用主键和非主键：执行成功，数据准确
2.1.3. 表-无主键有索引
1. 仅有一个索引
CREATE TABLE `table_only_with_index` (
`col1` varchar(255) DEFAULT NULL,
`col2` varchar(255) DEFAULT NULL,
`col3` varchar(255) DEFAULT NULL,
KEY `idx_col1` (`col1`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8a. where 条件使用索引：执行成功，数据准确
b. where 条件使用非索引：执行成功，数据准确
使用 --dry-run查看执行 SQL 可以发现，pt-archiver 会主动去寻找索引列，并利用索引列 order by 和 limit 来实现 forward 寻找列，并不依赖 WHERE 条件指定索引列，不过其 SQL 的 WHERE 子句的拼接与主键存在差异：
注意，这种情况下，理论上存在丢数据风险，下文会给出复现案例。
c. where 条件使用索引和非索引：执行成功，数据准确
2. 存在多个索引
CREATE TABLE `table_only_with_multi_index` (
`col1` varchar(255) DEFAULT NULL,
`col2` varchar(255) DEFAULT NULL,
`col3` varchar(255) DEFAULT NULL,
`col4` varchar(255) DEFAULT NULL,
KEY `idx_col1` (`col1`),
KEY `idx_col2` (`col2`),
KEY `idx_col3` (`col3`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8当表中没有主键，但是存在多个索引时，pt-archiver 默认只会使用第一个索引：
如果使用 --no-ascend 选项来关闭升序索引优化，并删除 --no-delete 选项来及时清理已归档的数据，则 SELECT 语句中直接不会使用任何索引：
2.1.4. 表-有主键有索引
CREATE TABLE `table_with_pk_and_index` (
`col1` varchar(255) NOT NULL,
`col2` varchar(255) DEFAULT NULL,
`col3` varchar(255) DEFAULT NULL,
PRIMARY KEY (`col1`),
KEY `idx_col2` (`col2`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8如果表中同时存在主键和索引，则 pt-archiver 在查询中只会使用主键。
1. where 条件使用非索引列
2. where 条件使用索引列
2.2. 异常案例——归档时漏数据
源表结构和数据如下：
CREATE TABLE `table_for_test` (
`col1` varchar(120) DEFAULT NULL,
`col2` varchar(120) DEFAULT NULL,
`col3` varchar(120) DEFAULT NULL,
KEY `idx_col1` (`col1`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8
使用 pt-archiver 归档 WHERE col3 < 'j' 的数据，并且保留源端数据，执行以下命令：
pt-archiver --source h=xxx,P=3307,u=root,D=gaoda_archive_source,t=table_for_test,A=utf8 --dest h=xxx,P=3307,u=root,D=gaoda_archive_dest,t=table_for_test_arc,A=utf8 --charset=utf8 --where "col3 < 'j'" --progress 1 --txn-size=1 --statistics --no-delete --ask-pass --limit=5 --bulk-insert预期应该归档 9 行数据，实际只归档了 7 条数据：
原因分析如下：
2.3. 原理浅析
根据前面的测试结果，推测 pt-archiver 的执行流程如下：
3. ob-archiver 来啦！
3.1. 功能简介
在 MySQL 领域，pt-archiver 以其轻量化、快捷易用而广受欢迎。然而在处理 OceanBase 数据库时，会遇到不兼容和效率不佳的问题：
- 4.x 版本 OB，无法使用
--bulk-insert批量插入功能。使用普通插入模式可以规避，但是性能差距约 6.5 倍 - 3.x 版本 OB，所有功能都无法使用，语法不支持
- 所有版本都无法设置
--charset=UTF8，因为 OB 用的是 utf8mb4
针对这一问题，我们开发了 ob-archiver。ob-archiver 是基于 OceanBase ODC 数据归档引擎 打造的轻量化命令行工具，兼容 pt-archiver 的命令行选项，并对 OceanBase 数据库提供原生支持和更强大的性能：
- 支持 MySQL 和 OceanBase MySQL 模式
- 支持数据限流
- 支持数据分片并发处理
「 后续会有文章揭秘 OceanBase ODC 数据归档引擎关键技术原理，例如断点恢复、数据校验、多维度限流、自动分片等，敬请期待 😚 」
3.2. 使用样例
源表结构：
使用 ob-archiver 归档并清理源表中 col1 列在 200,000 和 700,000 之间的 499,999 行数据：
3.3. 下载使用
下载 ob-archiver 软件包并解压，按 README.md 文档指引使用。
ob-archiver-1.0.0-beta.tar.gz (15 MB)
ob-archiver-1.0.0-beta.zip (15 MB)
【结尾小彩蛋】 🎉
如果你不喜欢使用命令行工具，推荐使用 ODC（OceanBase Developer Center）体验完整的数据生命周期管理能力。可以通过 GUI 界面点点点，创建定时任务进行数据归档和清理工作，还支持断点恢复，从此解放双手，岂不美哉！点此直达。
