我读过很多关于这个主题的帖子,但没有一篇谈论 AWS RDS MySQL 数据库。三天前,我在 AWS EC2 实例中运行一个 Python 脚本,该脚本向我的 AWS RDS MySQL 数据库中写入行。我必须写入 3500 万行,所以我知道这需要一些时间。我定期检查数据库的性能,三天后(今天)我意识到数据库的速度正在变慢。启动时,前 100,000 行仅用了 7 分钟就写入了(这是我正在处理的行的一个示例)
0000002178-14-000056 AccountsPayableCurrent us-gaap/2014 20131231 0 USD 266099000.0000
三天后,数据库中已写入 5,385,662 行,但现在写入 100,000 行需要近 3 个小时。发生了什么?
我正在运行的 EC2 实例是 t2.small。如果需要,您可以在这里查看规格:EC2 规格 。我运行的 RDS 数据库是 db.t2.small。在此处查看规格:RDS 规格
我将在这里附上一些有关数据库和 EC2 实例性能的图表: 数据库 CPU/数据库内存/数据库写入 IOPS/数据库写入吞吐量/ EC2 网络(字节)/EC2 网络输出(字节)
如果你能帮助我,那就太好了。非常感谢。
编辑 1:如何插入行? 正如我之前所说,我有一个在 EC2 实例上运行的 Python 脚本,该脚本读取文本文件,使用这些值进行一些计算,然后将每个“新”行写入数据库。以下是我的一小段代码。 我如何读取文本文件?
for i in path_list:
notify("Uploading: " + i)
num_path = "path/" + i + "/file.txt"
sub_path = "path/" + i + "/file.txt"
try:
sub_dict = {}
with open(sub_path) as sub_file:
for line in sub_file:
line = line.strip().split("\t")
sub_dict[line[0]] = line[1] # Save cik for every accession number
sub_dict[line[1] + "-report"] = line[25] # Save report type for every CIK
sub_dict[line[1] + "-frecuency"] = line[28] # Save frecuency for every CIK
with open(num_path) as num_file:
for line in num_file:
num_row = line.strip().split("\t")
# Reminder: sometimes in the very old reports, cik and accession number does not match. For this reason I have to write
# the following statement. To save the real cik.
try:
cik = sub_dict[num_row[0]]
except:
cik = num_row[0][0:10]
try: # If there is no value, pass
value = num_row[7]
values_dict = {
'cik': cik,
'accession': num_row[0][10::].replace("-", ""),
'tag': num_row[1],
'value': value,
'valueid': num_row[6],
'date': num_row[4]
}
sql = ("INSERT INTO table name (id, tag, value_num, value_id, endtime, cik, report, period) "
"VALUES ('{}', '{}', '{}', '{}', '{}', '{}', '{}', '{}', '{}', '{}')".format(
values_dict['cik'] + values_dict['accession'] + values_dict['date'] + values_dict['value'].split(".")[0] + "-" + values_dict['tag'],
values_dict['tag'],
float(values_dict['value']),
values_dict['valueid'],
values_dict['date'],
int(values_dict['cik']),
sub_dict[values_dict['cik'] + "-report"],
sub_dict[values_dict['cik'] + "-frecuency"]
))
cursor.execute(sql)
connection.commit()
我知道没有except:
办法将这些语句全部列出try
,但这只是脚本的一部分。我认为最重要的部分是我如何插入每一行。如果我不需要用这些值进行计算,我将使用它Load Data Infile
来将文本文件写入数据库。我只是意识到commit
每次插入一行时这样做可能不是一个好主意。我将尝试在插入 10,000 行左右后提交。
答案1
T2 和 T3 实例(包括 db.t2 db.t3 实例)使用CPU积分系统。当实例处于空闲状态时,它会积累 CPU 积分,然后可以使用这些积分在短时间内更快地运行 -连拍性能。一旦你耗尽信用,它就会减速到基线表现。
一个选项是启用T2/T3 无限制在您的 RDS 配置中设置,让实例根据需要全速运行,但您需要支付所需的额外费用。
另一个选择是将实例类型更改为 db.m5 或其他支持一致性能的非 T2/T3 类型。
以下是更深入的CPU 积分说明以及这些钱是如何累积和使用的:关于澄清 t2 和 t3 的工作条件?
希望有帮助:)
答案2
单行
INSERTs
比100行INSERTs
或慢10倍LOAD DATA
。UUID 很慢,尤其是当表变得很大时。
UNIQUE
需要检查索引前完成一个iNSERT
。非唯一性
INDEXes
可以在后台完成,但它们仍然会承担一些负载。
请提供SHOW CREATE TABLE
和所用的方法INSERTing
。可能会有更多提示。
答案3
每次提交事务时,都需要更新索引。更新索引的复杂性与表中的行数有关,因此随着行数的增加,索引更新会变得越来越慢。
假设您使用 InnoDB 表,您可以执行以下操作:
SET FOREIGN_KEY_CHECKS = 0;
SET UNIQUE_CHECKS = 0;
SET AUTOCOMMIT = 0;
ALTER TABLE table_name DISABLE KEYS;
然后进行插入,但要批量插入,这样一条语句就可以插入几十行。就像INSERT INTO table_name VALUES ((<row1 data>), (<row2 data>), ...)
。插入完成后,
ALTER TABLE table_name ENABLE KEYS;
SET UNIQUE_CHECKS = 1;
SET FOREIGN_KEY_CHECKS = 1;
COMMIT;
您可以根据自己的情况进行调整,例如,如果行数很大,那么您可能希望插入五十万行然后提交。这假设您在执行插入操作时数据库不是“实时”的(即用户主动读取/写入数据库),因为您禁用了您在输入数据时可能依赖的检查。