navicat数据库迁移报错(navicat连接数据库的方法)

   日期:2022-02-16     文章发布:文章发布    网络转载:生活号    
核心提示:今天本是晴天,到了下午天一下子暗起来了,不久便下起了小雨,没办法外出,就在家鼓捣起了MySQL数据库服务。 前一段时间做内训,演示数据库复制服务,通过数据库客户端工具NavicatPremium导入样例数据库时,只导入了数据库结构,数据却一条都没导入,当时就觉得纳闷,好在不影响演示,打算有空了查一下。今天恰好有点时间,从下午四点多,一直鼓捣到晚上,差不多搞明白了原因,同时也尝试了通过mysql数据...
移动站源标题:http://mip.818114.com/news/item-160480.html

今天本是晴天,到了下午天一下子暗起来了,不久便下起了小雨,没办法外出,就在家鼓捣起了MySQL数据库服务。

前一段时间做内训,演示数据库复制服务,通过数据库客户端工具Navicat Premium导入样例数据库时,只导入了数据库结构,数据却一条都没导入,当时就觉得纳闷,好在不影响演示,打算有空了查一下。今天恰好有点时间,从下午四点多,一直鼓捣到晚上,差不多搞明白了原因,同时也尝试了通过mysql数据库服务的参数调优来提高大数据量的导入性能。

01 实验环境

1、本地win10,需要安装并配置好mysql,怎么安装百度查;

2、安装客户端工具Navicat Premium,怎么安装百度查;

3、华为云&天翼云上开通mysql数据库服务,我选择最低配1c2g,SAS盘,并配置了2M的EIP;

4、下载mysql示例数据库,大概有近400万条数据,具体下载地址忘了,如果需要可以@我。

02 Navicat 导入数据失败

先从日志里查找原因,提示是语法错误,不断的去尝试,发现在Navicat工具的mysql命令行窗口,仅仅输入source命令居然也报错,百思不得其解,各种百度,可能的原因是source命令是mysql客户端的工具集,Navicat可能不支持,要导入还是要直接在命令行窗口执行。

03 本地批量数据导入

1、以系统管理员的权限打开cmd窗口;

2、运行 net start mysql,显示“服务已经启动成功”,如下图:

3、进入到employees样例数据库文件夹,执行导入数据库命令:

mysql -h 125.124.74.17 -P 8635 -uroot -pTest@1234 < employees.sql

<”符号表示导入数据库文件,执行结果如下:

图中导入数据成功,耗时4分42秒,通过Navicat工具能够直观的看到导入的数据库、表、视图及数据等,如下图:

04 参数调优

通过不断地尝试,针对大数据量的批量导入,在华为云&天翼云服务端可以调优的参数有2个,分别是
innodb_flush_log_at_trx_commit
bulk_insert_buffer_size,我们可以在华为云&天翼云mysql服务的参数组界面修改参数,如下图:

innodb_flush_log_at_trx_commit

该参数控制重做日志写入磁盘的过程,系统默认为1,表示事务提交时,会将重做日志缓冲写入磁盘,并且立即刷新.也即是说一旦事务完成,数据立即写盘,以确保数据不会丢失。但对于批量导入大量数据的情况,会导致频繁写盘,影响导入性能。我们这里将该参数设置为0,表示每间隔1秒再写盘。这里我们把参数从1改为0,如图:

bulk_insert_buffer_size

用来缓存批量插入数据的时候临时缓存写入数据,大数据的sql文件能达到几百M乃至上G,默认8M,确实有点小,这里我们改到120M。

修改参数后保险期间需重启数据库实例。

05 性能优化效果

先是修改了
innodb_flush_log_at_trx_commit
参数,导入数据耗时00:04:14,快了28秒;

然后再修改bulk_insert_buffer_size参数,耗时00:03:42,此次调优提升了32秒;

相比没有调优之前,整体快了60秒,相当于性能提升了了27%

06 总结

通常用户在云端开了RDS服务后,需要将本地私有云的数据批量导入到云端,对数据量达到千万级的情况,需要综合来考虑,比如数据可以分批导入,为提升导入性能,可以调整RDS的相关参数,以加快数据的导入速度,使客户的业务中断时间降低到最小。当然除了手动导入,也可以通过购买数据库复制服务来实现在线的数据导入,好处是能够避免人工导入带来的疏忽,并能实现业务的平滑迁移。

最后附上导入的数据库的相关表的数据条数:

SELECt count(*) from salaries
2844047
SELECt count(*) from employees
300024
SELECt count(*) from titles
443308
SELECt count(*) from dept_emp
331603
免责声明:本网部分文章和信息来源于互联网,本网转载出于传递更多信息和学习之目的,并不意味着赞同其观点或证实其内容的真实性,如有侵权请通知我们删除!(留言删除
 
 
更多>同类行业

同类新闻
最新资讯
最新发布
最受欢迎
网站首页  |  黄页  |  联系方式  |  信息  |  版权隐私  |  网站地图  |  API推送  |  网站留言  |  RSS订阅  |  违规举报  |  京ICP备2000095号