背景

在进行查询操作的性能测试或者 sql 优化时，我们经常需要在线下环境构建大量的基础数据供我们测试，模拟线上的真实环境。

总不能让我去线上去测试吧，会被DBA砍死的

创建测试数据的方式

 1. 编写代码，通过代码批量插库（本人使用过，步骤太繁琐，性能不高，不推荐） 2. 编写存储过程和函数执行（本文实现方式1） 3. 临时数据表方式执行 （本文实现方式2，强烈推荐该方式，非常简单，数据插入快速，100W，只需几秒） 4. 一行一行手动插入，（WTF，去死吧）

创建基础表结构

不管用何种方式，我要插在那张表总要创建的吧

CREATE TABLE `t_user` ( `id` int(11) NOT NULL AUTO_INCREMENT, `c_user_id` varchar(36) NOT NULL DEFAULT '', `c_name` varchar(22) NOT NULL DEFAULT '', `c_province_id` int(11) NOT NULL, `c_city_id` int(11) NOT NULL, `create_time` datetime NOT NULL,  PRIMARY KEY (`id`),  KEY `idx_user_id` (`c_user_id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

方式1：采用存储过程和内存表

• 创建内存表

  


利用 MySQL 内存表插入速度快的特点，我们先利用函数和存储过程在内存表中生成数据，然后再从内存表插入普通表中



CREATE TABLE t_user_memory (


``id``int(11) NOT NULL AUTO_INCREMENT,


``c_user_id varchar(36) NOT NULL DEFAULT '',


``c_name varchar(22) NOT NULL DEFAULT '',


``c_province_id``int(11) NOT NULL,


``c_city_id``int(11) NOT NULL,


``create_time datetime NOT NULL,


PRIMARY KEY (id),


KEY idx_user_id (c_user_id)


) ENGINE=MEMORY DEFAULT CHARSET=utf8mb4;

• 创建函数和存储过程

  


创建随机字符串和随机时间的函数


mysql> delimiter $$


mysql> CREATE DEFINER=root@% FUNCTION randStr(n INT) RETURNS varchar(255) CHARSET utf8mb4


->     DETERMINISTIC



-> BEGIN



->     DECLARE chars_str varchar(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789';



->     DECLARE return_str varchar(255) DEFAULT '' ;



->     DECLARE i INT DEFAULT 0;



->     WHILE i < n DO



->         SET return_str = concat(return_str, substring(chars_str, FLOOR(1 + RAND() * 62), 1));



->         SET i = i + 1;



->     END WHILE;



->     RETURN return_str;



-> END$$



Query OK, 0 rows affected (0.00 sec)



mysql> CREATE DEFINER=root@% FUNCTION randDataTime(sd DATETIME,ed DATETIME) RETURNS datetime


->     DETERMINISTIC



-> BEGIN



->     DECLARE sub INT DEFAULT 0;



->     DECLARE ret DATETIME;



->     SET sub = ABS(UNIX_TIMESTAMP(ed)-UNIX_TIMESTAMP(sd));



->     SET ret = DATE_ADD(sd,INTERVAL FLOOR(1+RAND()*(sub-1)) SECOND);



->     RETURN ret;



-> END $$




mysql> delimiter ;



创建插入数据存储过程


mysql> CREATE DEFINER=root@% PROCEDURE add_t_user_memory(IN n int)


-> BEGIN



->     DECLARE i INT DEFAULT 1;



->     WHILE (i <= n) DO



->         INSERT INTO t_user_memory (c_user_id, c_name, c_province_id,c_city_id, create_time) VALUES (uuid(), randStr(20), FLOOR(RAND() * 1000), FLOOR(RAND() * 100), NOW());



->         SET i = i + 1;



->     END WHILE;



-> END



-> $$



Query OK, 0 rows affected (0.01 sec)

• 调用存储过程

mysql> CALL add_t_user_memory(1000000);ERROR 1114 (HY000): The table 't_user_memory' is full出现内存已满时，修改 max_heap_table_size 参数的大小，我使用64M内存，插入了22W数据，看情况改，不过这个值不要太大，默认32M或者64M就好，生产环境不要乱尝试。

• 从内存表插入普通表

mysql> INSERT INTO t_user SELECT * FROM t_user_memory;Query OK, 218953 rows affected (1.70 sec)Records: 218953 Duplicates: 0 Warnings: 0

方式2：采用临时表

• 创建临时数据表tmp_table

CREATE TABLE tmp_table (    id INT,    PRIMARY KEY (id));

• 用 python或者bash 生成 100w 记录的数据文件（python瞬间就会生成完）

python(推荐): python -c "for i in range(1, 1+1000000): print(i)" > base.txt

• 导入数据到临时表tmp_table中

  


mysql> load data infile '/Users/LJTjintao/temp/base.txt' replace into table tmp_table;


Query OK, 1000000 rows affected (2.55 sec)


Records: 1000000Deleted: 0Skipped: 0Warnings: 0



千万级数据 20秒插入完成

注意 ：导入数据时有可能会报错，原因是mysql默认没有开securefilepriv（ 这个参数用来限制数据导入和导出操作的效果，例如执行LOAD DATA、SELECT ... INTO OUTFILE语句和LOAD_FILE()函数。这些操作需要用户具有FILE权限 ）。

解决办法 ：在mysql的配置文件中（my.ini 或者 my.conf）中添加 securefilepriv = /Users/LJTjintao/temp/`, 然后重启mysql 解决

• 以临时表为基础数据，插入数据到t_user中，100W数据插入需要10.37s

mysql> INSERT INTO t_user    ->   SELECT    ->     id,    ->     uuid(),    ->     CONCAT('userNickName', id),    ->     FLOOR(Rand() * 1000),    ->     FLOOR(Rand() * 100),    ->     NOW()    ->   FROM    ->     tmp_table;Query OK, 1000000 rows affected (10.37 sec)Records: 1000000 Duplicates: 0 Warnings: 0

• 更新创建时间字段让插入的数据的创建时间更加随机

  
  

  


UPDATE t_user SET create_time=date_add(create_time, interval FLOOR(1 + (RAND() * 7)) year);



Query OK, 1000000 rows affected (5.21 sec)


Rows matched: 1000000Changed: 1000000Warnings: 0



mysql> UPDATE t_user SET create_time=date_add(create_time, interval FLOOR(1 + (RAND() * 7)) year);




Query OK, 1000000 rows affected (4.77 sec)


Rows matched: 1000000Changed: 1000000Warnings: 0



mysql> select * from t_user limit 30;


+----+--------------------------------------+----------------+---------------+-----------+---------------------+


| id | c_user_id                            | c_name         | c_province_id | c_city_id | create_time         |


+----+--------------------------------------+----------------+---------------+-----------+---------------------+


|  1 | bf5e227a-7b84-11e9-9d6e-751d319e85c2 | userNickName1  |            84 |        64 | 2015-11-1321:13:19 |


|  2 | bf5e26f8-7b84-11e9-9d6e-751d319e85c2 | userNickName2  |           967 |        90 | 2019-11-1320:19:33 |


|  3 | bf5e2810-7b84-11e9-9d6e-751d319e85c2 | userNickName3  |           623 |        40 | 2014-11-1320:57:46 |


|  4 | bf5e2888-7b84-11e9-9d6e-751d319e85c2 | userNickName4  |           140 |        49 | 2016-11-1320:50:11 |


|  5 | bf5e28f6-7b84-11e9-9d6e-751d319e85c2 | userNickName5  |            47 |        75 | 2016-11-1321:17:38 |


|  6 | bf5e295a-7b84-11e9-9d6e-751d319e85c2 | userNickName6  |           642 |        94 | 2015-11-1320:57:36 |


|  7 | bf5e29be-7b84-11e9-9d6e-751d319e85c2 | userNickName7  |           780 |         7 | 2015-11-1320:55:07 |


|  8 | bf5e2a4a-7b84-11e9-9d6e-751d319e85c2 | userNickName8  |            39 |        96 | 2017-11-1321:42:46 |


|  9 | bf5e2b58-7b84-11e9-9d6e-751d319e85c2 | userNickName9  |           731 |        74 | 2015-11-1322:48:30 |


| 10 | bf5e2bb2-7b84-11e9-9d6e-751d319e85c2 | userNickName10 |           534 |        43 | 2016-11-1322:54:10 |


| 11 | bf5e2c16-7b84-11e9-9d6e-751d319e85c2 | userNickName11 |           572 |        55 | 2018-11-1320:05:19 |


| 12 | bf5e2c70-7b84-11e9-9d6e-751d319e85c2 | userNickName12 |            71 |        68 | 2014-11-1320:44:04 |


| 13 | bf5e2cca-7b84-11e9-9d6e-751d319e85c2 | userNickName13 |           204 |        97 | 2019-11-1320:24:23 |


| 14 | bf5e2d2e-7b84-11e9-9d6e-751d319e85c2 | userNickName14 |           249 |        32 | 2019-11-1322:49:43 |


| 15 | bf5e2d88-7b84-11e9-9d6e-751d319e85c2 | userNickName15 |           900 |        51 | 2019-11-1320:55:26 |


| 16 | bf5e2dec-7b84-11e9-9d6e-751d319e85c2 | userNickName16 |           854 |        74 | 2018-11-1322:07:58 |


| 17 | bf5e2e50-7b84-11e9-9d6e-751d319e85c2 | userNickName17 |           136 |        46 | 2013-11-1321:53:34 |


| 18 | bf5e2eb4-7b84-11e9-9d6e-751d319e85c2 | userNickName18 |           897 |        10 | 2018-11-1320:03:55 |


| 19 | bf5e2f0e-7b84-11e9-9d6e-751d319e85c2 | userNickName19 |           829 |        83 | 2013-11-1320:38:54 |


| 20 | bf5e2f68-7b84-11e9-9d6e-751d319e85c2 | userNickName20 |           683 |        91 | 2019-11-1320:02:42 |


| 21 | bf5e2fcc-7b84-11e9-9d6e-751d319e85c2 | userNickName21 |           511 |        81 | 2013-11-1321:16:48 |


| 22 | bf5e3026-7b84-11e9-9d6e-751d319e85c2 | userNickName22 |           562 |        35 | 2019-11-1320:15:52 |


| 23 | bf5e3080-7b84-11e9-9d6e-751d319e85c2 | userNickName23 |            91 |        39 | 2016-11-1320:28:59 |


| 24 | bf5e30da-7b84-11e9-9d6e-751d319e85c2 | userNickName24 |           677 |        21 | 2016-11-1321:37:15 |


| 25 | bf5e3134-7b84-11e9-9d6e-751d319e85c2 | userNickName25 |            50 |        60 | 2018-11-1320:39:20 |


| 26 | bf5e318e-7b84-11e9-9d6e-751d319e85c2 | userNickName26 |           856 |        47 | 2018-11-1321:24:53 |


| 27 | bf5e31e8-7b84-11e9-9d6e-751d319e85c2 | userNickName27 |           816 |        65 | 2014-11-1322:06:26 |


| 28 | bf5e324c-7b84-11e9-9d6e-751d319e85c2 | userNickName28 |           806 |         7 | 2019-11-1320:17:30 |


| 29 | bf5e32a6-7b84-11e9-9d6e-751d319e85c2 | userNickName29 |           973 |        63 | 2014-11-1321:08:09 |


| 30 | bf5e3300-7b84-11e9-9d6e-751d319e85c2 | userNickName30 |           237 |        29 | 2018-11-1321:48:17 |


+----+--------------------------------------+----------------+---------------+-----------+---------------------+


30 rows inset (0.01 sec)

注意：此文章的数据量在100W，如果想要千万级，调大数量即可,但是不要大量使用rand() 或者uuid() 会导致性能下降。

往期精彩

《Docker是什么？》

《Kubernetes是什么？》

《Kubernetes和Docker到底有啥关系？》

《教你如何快捷的查询选择网络仓库镜像tag》

《Docker镜像进阶：了解其背后的技术原理》

《教你如何修改运行中的容器端口映射》

《k8s学习笔记：介绍&上手》

《k8s学习笔记：缩扩容&更新》

《Docker君带你认识Docker Swarm》

《Docker 基础用法和命令帮助》

《在K8S上搭建Redis集群》

《灰度部署、滚动部署、蓝绿部署》

《PM2实践指南》

《Docker垃圾清理》

《Kubernetes(k8s)底层网络原理刨析》

《容器环境下Node.js的内存管理》

免责声明：本文内容来源于网络，所载内容仅供参考。转载仅为学习和交流之目的，如无意中侵犯您的合法权益，请及时联系西岐Docker君！

dockerchina