导读
大家先看一下二个命令，假如huge_dump.sql文件很大，然后猜测一下哪种导入方式效率会更高一些?
# 命令1，管道导入
shell> cat huge_dump.sql | mysql -uroot;
# 命令2，重定向导入
shell> mysql -uroot < huge_dump.sql;
大家先看一下上面二个命令，假如huge_dump.sql文件很大，然后猜测一下哪种导入方式效率会更高一些?
这个问题挺有意思的，我的第一反应是：没比较过，应该是一样的，一个是cat负责打开文件，一个是bash
这种场景在MySQL运维操作里面应该比较多，所以就花了点时间做了个比较和原理上的分析：
我们先构造场景：
首先准备一个程序b.out来模拟mysql对数据的消耗：
int main(int argc, char *argv[])
while(fread(buf, sizeof(buf), 1, stdin) > 0);
return 0;
}
$ gcc -o b.out b.c
$ ls|./b.out
再来写个systemtap脚本用来方便观察程序的行为。
$ cat test.stp
function should_log(){
return (execname() == "cat" ||
execname() == "b.out" ||
execname() == "bash") ;
}
probe syscall.open,
syscall.close,
syscall.read,
syscall.write,
syscall.pipe,
syscall.fork,
syscall.execve,
syscall.dup,
syscall.wait4
{
if (!should_log()) next;
printf("%s -> %s\n", thread_indent(0), probefunc());
}
probe kernel.function("pipe_read"),
kernel.function("pipe_readv"),
kernel.function("pipe_write"),
kernel.function("pipe_writev")
{
if (!should_log()) next;
printf("%s -> %s: file ino %d\n", thread_indent(0), probefunc(), __file_ino($filp));
}
probe begin { println(":~") }
这个脚本重点观察几个系统调用的顺序和pipe的读写情况，然后再准备个419M的大文件huge_dump.sql,在我们几十G内存的机器很容易在内存里放下：
$ sudo dd if=/dev/urandom of=huge_dump.sql bs=4096 count=102400
102400+0 records in
102400+0 records out
419430400 bytes (419 MB) copied, 63.9886 seconds, 6.6 MB/s
因为这个文件是用bufferio写的，所以它的内容都cache在pagecahce内存里面，不会涉及到磁盘。
好了，场景齐全了，我们接着来比较下二种情况下的速度，第一种管道：
# 第一种管道方式
$ time (cat huge_dump.sql|./b.out)
real 0m0.596s
user 0m0.001s
sys 0m0.919s
从执行时间数看出来速度有3倍左右的差别了，第二种明显快很多。
是不是有点奇怪?好吧我们来从原来上面分析下，还是继续用数据说话：
这次准备个很小的数据文件，方便观察然后在一个窗口运行stap
$ echo hello > huge_dump.sql
$ sudo stap test.stp
:~
0 bash(26570): -> sys_read
0 bash(26570): -> sys_read
0 bash(26570): -> sys_write
0 bash(26570): -> sys_read
0 bash(26570): -> sys_write
0 bash(26570): -> sys_close
0 bash(26570): -> sys_pipe
0 bash(26570): -> sys_pipe
0 bash(26570): -> do_fork
0 bash(26570): -> sys_close
0 bash(26570): -> sys_close
0 bash(26570): -> do_fork
0 bash(13775): -> sys_close
0 bash(13775): -> sys_read
0 bash(13775): -> pipe_read: file ino 20906911
0 bash(13775): -> pipe_readv: file ino 20906911
0 bash(13776): -> sys_close
0 bash(13776): -> sys_close
0 bash(13776): -> sys_close
0 bash(13776): -> do_execve
0 bash(26570): -> sys_close
0 bash(26570): -> sys_close
0 bash(26570): -> sys_close
0 bash(13775): -> sys_close
0 bash(26570): -> sys_wait4
0 bash(13775): -> sys_close
0 bash(13775): -> sys_close
0 b.out(13776): -> sys_close
0 b.out(13776): -> sys_close
0 bash(13775): -> do_execve
0 b.out(13776): -> sys_open
0 b.out(13776): -> sys_close
0 b.out(13776): -> sys_open
0 b.out(13776): -> sys_read
0 b.out(13776): -> sys_close
0 cat(13775): -> sys_close
0 cat(13775): -> sys_close
0 b.out(13776): -> sys_read
0 b.out(13776): -> pipe_read: file ino 20906910
0 b.out(13776): -> pipe_readv: file ino 20906910
0 cat(13775): -> sys_open
0 cat(13775): -> sys_close
0 cat(13775): -> sys_open
0 cat(13775): -> sys_read
0 cat(13775): -> sys_close
0 cat(13775): -> sys_open
0 cat(13775): -> sys_close
0 cat(13775): -> sys_open
0 cat(13775): -> sys_read
0 cat(13775): -> sys_write
0 cat(13775): -> pipe_write: file ino 20906910
0 cat(13775): -> pipe_writev: file ino 20906910
0 cat(13775): -> sys_read
0 b.out(13776): -> sys_read
0 b.out(13776): -> pipe_read: file ino 20906910
0 b.out(13776): -> pipe_readv: file ino 20906910
0 cat(13775): -> sys_close
0 cat(13775): -> sys_close
0 bash(26570): -> sys_wait4
0 bash(26570): -> sys_close
0 bash(26570): -> sys_wait4
0 bash(26570): -> sys_write
stap在收集数据了，我们在另外一个窗口运行管道的情况：
$ cat huge_dump.sql|./b.out
我们从systemtap的日志可以看出：
bash fork了2个进程。
然后execve分别运行cat 和 b.out进程, 这二个进程用pipe通信。
数据从由cat从 huge_dump.sql读出，写到pipe,然后b.out从pipe读出处理。
那么再看下命令2重定向的情况：
$ ./b.out < huge_dump.sql
stap输出：
0 bash(26570): -> sys_read
0 bash(26570): -> sys_read
0 bash(26570): -> sys_write
0 bash(26570): -> sys_read
0 bash(26570): -> sys_write
0 bash(26570): -> sys_close
0 bash(26570): -> sys_pipe
0 bash(26570): -> do_fork
0 bash(28926): -> sys_close
0 bash(28926): -> sys_read
0 bash(28926): -> pipe_read: file ino 20920902
0 bash(28926): -> pipe_readv: file ino 20920902
0 bash(26570): -> sys_close
0 bash(26570): -> sys_close
0 bash(26570): -> sys_wait4
0 bash(28926): -> sys_close
0 bash(28926): -> sys_open
0 bash(28926): -> sys_close
0 bash(28926): -> do_execve
0 b.out(28926): -> sys_close
0 b.out(28926): -> sys_close
0 b.out(28926): -> sys_open
0 b.out(28926): -> sys_close
0 b.out(28926): -> sys_open
0 b.out(28926): -> sys_read
0 b.out(28926): -> sys_close
0 b.out(28926): -> sys_read
0 b.out(28926): -> sys_read
0 bash(26570): -> sys_wait4
0 bash(26570): -> sys_write
0 bash(26570): -> sys_read
bash fork了一个进程，打开数据文件。
然后把文件句柄搞到0句柄上，这个进程execve运行b.out。
然后b.out直接读取数据。
现在就非常清楚为什么二种场景速度有3倍的差别：
命令1，管道方式： 读二次，写一次,外加一个进程上下文切换。
命令2，重定向方式：只读一次。
结论：Linux下大文件重定向效率更高。