摘要：在业界中有一个比较成熟的工具，针对大表的场景，可以在线进行Alter变更，且不会出现锁表的风险。除此之外，它还有其他的一些优点，让我们开始探索吧。
背景
大家在日常工作中，往往需要对数据库的表结构做变更，一般涉及到增删字段，修改字段属性等ALTER的操作。然而，在大表场景下，特别是千万级、亿级的大表，如果处理不当。这些操作往往会引发锁表的巨大隐患，特别是在生产环境中，一旦在变更表结构过程中，出现了长时间锁表，会导致用户产生的数据长时间无法正常变更到表中，进而导致服务功能异常，结果将是灾难性的。
一般执行这种Alter类型的变更，我们可能有以下的想法：
1、停服，在停服期间做表结构的变更，自然就可以防止对用户产生影响。但是，很多场景是不允许停服的。并且如果表的数据量达到上亿，那么需要停服时间可能需要十几个小时，甚至更长，这是极不现实的；
2、凌晨执行，在用户较少的时间段内，做变更，尽量减少对用户产生影响。但是如果出现锁表的话，万一有用户使用服务，服务将不可用；
3、使用换表，但是缺点是复制数据到新表期间，如果用户在这期间做了update或delete操作，且数据发生在已经复制完成的部分，那么将无法感知到这部分数据，导致丢失掉用户的操作数据，风险太大；
4、使用存储过程，缺点是执行时间会很久，且有可能影响到用户的DDL操作。因为为了防止每次循环修改时，锁住太多数据行，我们需要控制每次更新数据的行数，粒度不能太大，否则很有可能会锁住用户正在操作的数据行。
那么针对以上实际的需求，就没有一个很好的工具，来解决我们的痛点吗？其实在业界中，就有一个比较成熟的工具，针对大表的场景，可以在线进行Alter变更，且不会出现锁表的风险。除此之外，它还有其他的一些优点，让我们开始探索吧。
一、pt-osc是什么
pt-online-schema-change是Percona-toolkit一员，通过改进原生ddl的方式，达到不锁表在线修改表结构的效果。在Percona的官网中，关于pt-osc工具，也特别提到了ALTER表不会出现锁表的特性。
针对上面谈到的避免锁表、感知用户更新删除动作等，ps-osc工具是怎么解决的呢？
pt-osc主要执行步骤如下：
1、创建一个跟原表一模一样的新表，命名方式为'_正式表名_new';
2、使用alter语句将要变更的内容在新创建的新表上做变更，避免了对原表的alter操作；
3、在原表中创建3个触发器，分别是insert、update和delete，主要是用于原表在往新表复制数据时，如果用户有DDL操作，触发器能够将在这期间出现的DDL操作数据也写入到新表中，确保新表的数据是最新的，不会丢失掉用户的新操作数据；
4、按块拷贝数据到新表，拷贝过程对数据行持有S锁；
5、重命名，将原表重命名为老表，命名为“_正式表名_old”，将新表重命名为正式表，可通过配置决定执行完成后是否删除掉老表；
6、删除3个触发器；
二、pt-osc的安装
在linux系统中安装步骤：
--下载安装包
wget http://szxge1-sw.artifactory.cd-cloud-artifact.tools.huawei.com/artifactory/CommonComponent/common/tool/percona-toolkit-3.1.0.tar.gz
--解压安装包
tar -zxvf percona-toolkit-3.1.0.tar.gz
--安装依赖环境
yum install perl-ExtUtils-CBuilder perl-ExtUtils-MakeMaker
yum -y install perl-Digest-MD5
cd percona-toolkit-3.1.0
perl Makefile.PL
--编译
make
make install
yum install mariadb
--安装Mysql
yum install perl-DBD-MySQL三、pt-osc的使用
pt-osc工具使用起来很简单，直接在linux命令行输入pt-osc格式的命令，即可直接执行。
以Mysql数据库增加一个名字是MARK的字段为例：
pt-online-schema-change --user="root" --password="*****" --host="数据库IP" --port=3306 --alter "ADD COLUMN MARK TINYINT NULL DEFAULT 1 COMMENT 'mark source region is 1';" D=my_test,t=t_test --no-drop-old-table --execute --print --no-check-replication-filters --charset=utf8 --no-check-unique-key-change --max-load="Threads_running=100" --critical-load="Threads_running=300" --recursion-method=none;在上面的语句中：
1、user和password分别为数据库执行变更操作的用户名、密码，需要高权限；
2、host为数据库的IP地址；
3、port为数据库的端口号；
4、alter后面跟上具体的alter语句；
5、D为database名字；
6、t为要执行变更的表名；
7、no-drop-old-table就是不要删除
8、charset，字符集，使用utf8；
9、max-load，在复制数据时，工具会监控数据库中正在运行的线程数，如果大于配置的Threads_running值，那么会暂停复制，直到小于该值。以此防止对数据库造成较大压力，影响现网业务正常使用；
10、critical-load，默认为50，在每个块之后检查SHOW GLOBAL STATUS，与max-load不同的是，如果负载太高，,直接中止，而不是暂停。可根据自己数据库情况斟酌配置阈值；
注意：在--alter后面跟着的变更语句中，列名不可以加`符号，否则会出现报错。如--alter "ADD COLUMN MARK TINYINT NULL DEFAULT 1 COMMENT 'mark source region is 1';"，MARK字段加了`符号，就会出现错误，COMMENT后面有`符号无影响。
下面是使用pt-osc工具，实际执行一个作业时，打印出来的信息。为了安全起见，部分日志信息做了隐藏忽略。
[root@ttt ~]# `pt-online-schema-change --user="root" --password="*****" --host="数据库IP" --port=3306 --alter "ADD COLUMN MARK TINYINT NULL DEFAULT 1 COMMENT 'mark source region is 1';" D=my_test,t=t_test --no-drop-old-table --execute --print --no-check-replication-filters --charset=utf8 --no-check-unique-key-change --max-load="Threads_running=100" --critical-load="Threads_running=300" --recursion-method=none;`
No slaves found. See --recursion-method if host EulerOS-BaseTemplate has slaves.
Not checking slave lag because no slaves were found and --check-slave-lag was not specified.
Operation, tries, wait:
analyze_table, 10, 1
copy_rows, 10, 0.25
create_triggers, 10, 1
drop_triggers, 10, 1
swap_tables, 10, 1
update_foreign_keys, 10, 1
Altering `my_test`.`t_test`...
Creating new table...
CREATE TABLE `my_test`.`_t_test_new` (
`ID` int(11) NOT NULL AUTO_INCREMENT COMMENT '递增ID',
.............建表语句数据................
Created new table my_test._t_test_new OK.
Altering new table...
ALTER TABLE `my_test`.`_t_test_new` ADD COLUMN MARK TINYINT NULL DEFAULT 1 COMMENT 'mark source region is 1';
Altered `my_test`.`_t_test_new` OK.
2020-10-14T11:14:48 Creating triggers...
2020-10-14T11:14:48 Created triggers OK.
2020-10-14T11:14:48 Copying approximately 346697 rows...
INSERT LOW_PRIORITY IGNORE INTO `my_test`.`_t_test_new` (`id`, ..建表语句信息.... FROM `my_test`.`_t_test_new` FORCE INDEX(`PRIMARY`) WHERE ((`id` >= ?)) AND ((`id` <= ?)) LOCK IN SHARE MODE /*pt-online-schema-change 31340 copy nibble*/
SELECT /*!40001 SQL_NO_CACHE */ `id` FROM `my_test`.`t_test` FORCE INDEX(`PRIMARY`) WHERE ((`id` >= ?)) ORDER BY `id` LIMIT ?, 2 /*next chunk boundary*/
2020-10-14T11:14:53 Copied rows OK.
2020-10-14T11:14:53 Analyzing new table...
2020-10-14T11:14:53 Swapping tables...
RENAME TABLE `my_test`.`t_test` TO `my_test`.`_t_test_old`, `my_test`.`_t_test_new` TO `my_test`.`t_test`
2020-10-14T11:14:53 Swapped original and new tables OK.
Not dropping old table because --no-drop-old-table was specified.
2020-10-14T11:14:53 Dropping triggers...
DROP TRIGGER IF EXISTS `my_test`.`pt_osc_my_test_t_test_del`
DROP TRIGGER IF EXISTS `my_test`.`pt_osc_my_test_t_test_upd`
DROP TRIGGER IF EXISTS `my_test`.`pt_osc_my_test_t_test_ins`
2020-10-14T11:14:54 Dropped triggers OK.
Successfully altered `my_test`.`t_test`.四、性能对比
前面介绍了很多pt-osc的优点，以及良好的特性。那么实际使用效果到底怎么样呢？在测试环境中，专门做了一个测试，让大家有更加直观的感受。
在测试库中，准备了一张1600万数据的大表，目标为对大表添加一个字段，分别使用存储过程和pt-osc工具，进行测试。
4.1 使用存储过程
首先使用存储过程做测试，为防止锁表，每次只更新200行。整个变更从开始到完成，需要耗费90分钟。其实，存储过程在执行过程中，如果恰好用户也在DDL操作存储过程正在变更的数据行，还有可能会锁住用户的数据，导致用户不能变更成功。
4.2 使用pt-osc工具
pt-osc从开始执行到变更完成，耗时7分钟左右，速度非常快。在执行的过程中，测试环境的服务连接到该数据库，并执行多个会操作该表的任务，整个过程中，任务能够正常执行，未出现异常情况。
5、结语
ps-osc的上述优点，在现网环境的不停服等要求下，能够优雅地帮助我们实施变更，且保证在变更期间，数据库不会受到锁表、过载等的影响，进而保证了业务能够正常运转。
本文分享自华为云社区《千万级、亿级大表在线不锁表变更字段与索引》，原文作者：active_zhao 。
来源：oschina
链接：https://my.oschina.net/u/4526289/blog/4910239