零基础实战：使用 pt-archiver 实现 MySQL 千万级大表的水平分表（Hash分片）

---

本文适合人群：MySQL新手、想低成本实践数据库分表的开发者
环境要求：MySQL 5.7+、Linux系统（建议CentOS/Ubuntu）
你将学会：

• 📦 1分钟生成百万测试数据
• 🔧 安全拆解大表为5个哈希分片表
• 🛠 零停机分表迁移实操技巧

---

一、为什么需要分表？

假设您有一张 ​订单表 orders​ 数据达到 1000万行，面临以下问题：
1️⃣ 查询变慢：SELECT * FROM orders WHERE user_id='xxx' 需要扫描全表
2️⃣ 维护困难：索引膨胀、备份耗时
3️⃣ 容灾风险：单表损坏可能导致业务瘫痪

解决方案：
👉 Hash分表：将数据按 user_id 的哈希值分散到 orders_0~orders_4 五个分片中，查询永远只需扫一张小表！

---

二、5分钟快速搭建测试环境

环境准备清单

1. 安装 MySQL 5.7（已安装可跳过）

   # Ubuntusudo apt install mysql-server-5.7# CentOSsudo yum install mysql-community-server
   

2. 安装 Percona Toolkit

   # 所有Linux版本通用wget https://repo.percona.com/apt/percona-release_latest.$(lsb_release -sc)_all.debsudo dpkg -i percona-release_latest.$(lsb_release -sc)_all.debsudo apt-get updatesudo apt-get install percona-toolkit
   

3. 创建测试数据库

   CREATE DATABASE test_sharding;USE test_sharding;
   

4. 开启LOCAL INFILE参数

   允许客户端从本地文件系统中读取数据文件，并将其内容加载到远程 MySQL 服务器的表中，使用pt-archiver分片导入的前提参数。

   local_infile = on
   

三、1分钟生成百万测试数据

复制下列代码到 MySQL客户端，快速生成100万测试订单：

-- 创建原始订单表
CREATE TABLE orders (
  id INT AUTO_INCREMENT PRIMARY KEY,
  user_id VARCHAR(20) NOT NULL,  -- 分片键（关键字段）
  amount DECIMAL(10,2) NOT NULL,
  create_time DATETIME DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB;

-- 快速填充100万数据（耗时约30秒）
INSERT INTO orders (user_id, amount)
SELECT 
  CONCAT('user_', FLOOR(RAND() * 1000000)),
  ROUND(RAND() * 100, 2)
FROM 
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) a,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) b,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) c,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) d,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) e,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) f,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) g,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) h,
  (SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) i;

执行成功后验证：

SELECT COUNT(*) FROM orders; 

---

四、哈希分表实战：拆解大表为5个分片

1. 创建分片表

-- 创建5个分片表（结构与原表一致）
CREATE TABLE orders_0 LIKE orders;
CREATE TABLE orders_1 LIKE orders;
CREATE TABLE orders_2 LIKE orders;
CREATE TABLE orders_3 LIKE orders;
CREATE TABLE orders_4 LIKE orders;

2. 关键分片逻辑

通过 哈希函数 CRC32 将数据均匀分散到分片中：

CRC32(user_id) % 5 = 0 → 存入 orders_0  
CRC32(user_id) % 5 = 1 → 存入 orders_1  
... 以此类推

3. 使用 pt-archiver 迁移数据

将原表数据按 Hash 规则迁移到分片表（不锁表、不影响线上业务）：

迁移到 orders_0 分片

/opt/percona-toolkit-3.6.0/bin/pt-archiver --source h=127.0.0.1,P=3306,u=root,p=密码,D=test_sharding,t=orders --dest h=127.0.0.1,P=3306,u=root,p=密码,D=test_sharding,t=orders_0 --where "CRC32(user_id) %5=0" --limit 500 --commit-each --bulk-insert --no-delete --no-check-charset

迁移其他分片

修改 --where 条件和目标表名，依次执行：

# orders_1（余数1）
pt-archiver ... --where "CRC32(user_id) %5=1" --dest t=orders_1

# orders_2（余数2）
pt-archiver ... --where "CRC32(user_id) %5=2" --dest t=orders_2
...（省略orders_3/4）

---

五、分片结果验证

1. 核对各分片数据量

SELECT 
  table_name AS '分片表',
  FORMAT(table_rows,0) AS '数据量'
FROM information_schema.tables 
WHERE table_schema = 'test_sharding' 
  AND table_name LIKE 'orders_%';

期望结果（误差应小于2%）：

+-----------+-----------+
| 分片表    | 数据量    |
+-----------+-----------+
| orders_0  | 390,780   |
| orders_1  | 390,112   |
| orders_2  | 389,778   |
| orders_3  | 388,776   |
| orders_4  | 389,778   |
+-----------+-----------+

2. 数据完整性检验

-- 所有分片总和 = 原表总数
SELECT 
  (SELECT COUNT(*) FROM orders_0) + 
  (SELECT COUNT(*) FROM orders_1) +
  (SELECT COUNT(*) FROM orders_2) +
  (SELECT COUNT(*) FROM orders_3) +
  (SELECT COUNT(*) FROM orders_4) AS total_count;

-- 应与原表数据量一致
SELECT COUNT(*) FROM orders;

注意！pt-archiverBug不会迁移max(id)那条数据，需要手动完成最后一行数据的迁移

定位数据差异

SELECT * 
FROM orders 
WHERE NOT EXISTS (
  SELECT 1 FROM orders_0 WHERE orders_0.id = orders.id UNION ALL
  SELECT 1 FROM orders_1 WHERE orders_1.id = orders.id UNION ALL
  SELECT 1 FROM orders_2 WHERE orders_2.id = orders.id UNION ALL
  SELECT 1 FROM orders_3 WHERE orders_3.id = orders.id UNION ALL
  SELECT 1 FROM orders_4 WHERE orders_4.id = orders.id 
) 
LIMIT 1;

+---------+-----------+--------+---------------------+
| id      | user_id   | amount | create_time         |
+---------+-----------+--------+---------------------+
| 1953125 | user_9823 |  39.33 | 2025-03-14 17:03:24 |
+---------+-----------+--------+---------------------+

使用insert 插入最后一条数据到orders_4表

INSERT INTO orders_4 (id, user_id, amount, create_time)
SELECT id, user_id, amount, create_time 
FROM orders 
WHERE id=1953125;

---

六、常见问题排雷指南

1. 迁移性能慢（每秒不到1000条）

• ✅ 优化技巧：

  -- 增加批量大小（视内存调整）
  --limit 1000 \
  --bulk-insert \
  

2. 主键冲突错误

• ✅ 解决方案：

  • 迁移前清空分片表：TRUNCATE orders_0
  • 或使用 --replace 参数覆盖已有数据

3. 数据分布不均匀

• ✅ 原因排查：

  • 检查分片键是否有倾斜（如某user_id占比过高）
  • 改用 一致性哈希算法（如 SHA1(user_id)）

---

七、分表后如何查询数据？

通过业务代码计算目标分片，直连对应表：

# Python示例：按user_id定位分片
user_id = "user_12345"
shard_no = crc32(user_id.encode()) % 5  # 计算分片编号
table_name = f"orders_{shard_no}"
query = f"SELECT * FROM {table_name} WHERE user_id = %s"

---

总结

通过本方案，我们实现了：

• 🚀 100万数据安全拆分：无锁迁移、分钟级完成
• 📊 分布式查询提速：查询性能提升5~10倍
• 🔒 数据零丢失保证：每一步操作均可回滚验证

下一篇预告：
1、如何完成垂直分表？将单表中高频访问的"热数据"与低频使用的"冷数据"分离存储！
2、如何可以将分片逻辑封装到中间件（如 MyCAT），彻底告别单表性能瓶颈！