PHP 脚本要对 600 万行的 mysql 进行一次批处理操作，怎样才能用多个进程达到最快执行？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2310 天前的主题，其中的信息可能已经有所发展或是发生改变。

要扫描一次全表，php 对每一行都要批处理一次，如果单个 php 进程把 600 万行载入内存扫描一次全表处理实在太慢，想用多个 php 进程来扫描表：

想用多个 php 进程从 MySQL 中随机取出一些行出来，因为 primary id 不连续，但用 MySQL 的 ORDER BY RAND()慢的令人发指
想快一点也只能用两个 php 进程，一个 ORDER BY id ASC 顺序执行，一个 ORDERY BY id DESC 倒序执行，但两个进程还是太慢

估计表述得不太明白，反正就是怎样能将 mysql 快速截取成一段一段的行，让多个 php 进程去执行？

PHP

MySQL

进程

order

33 条回复 • 2018-08-07 14:55:33 +08:00

Sornets

2018-08-06 14:14:29 +08:00

一个思路：
记录 id 取余，比如十个进程，就对 10 取余，根据余数查找对应 id，proc_id = rec_id % 10，

z550665887

2018-08-06 14:18:04 +08:00

limit ？

582033

2018-08-06 14:25:58 +08:00

分页

Rekkles

2018-08-06 14:29:36 +08:00

PHP 哪有什么多进程 pthread 性能不会有太大的提高这种东西如果打算用 PHP 做，mysql 和内存能扛就能做，一次取 1k 条数据（内存够就多取点），处理，update，循环

lihongjie0209

2018-08-06 14:30:57 +08:00

生产者消费者喽

widdy

2018-08-06 14:34:20 +08:00

有这扯淡时间，一个脚本 600w 行早跑完了，为啥不一次取个 1w 条。

nsxuan

2018-08-06 15:00:43 +08:00

关键是要开启事务

colincat

2018-08-06 15:46:00 +08:00

@widdy 说的没毛病

newtype0092

2018-08-06 15:54:15 +08:00

@widdy 那就来讨论下 6 亿条怎么做嘛，让这个淡扯的有点意义～

tanszhe

2018-08-06 15:58:00 +08:00

这种简单到爆的问题就不要来问了

mumbler

2018-08-06 16:02:37 +08:00

order by id limit 1,10000
order by id limit 10001,10000
order by id limit 20001,10000
order by id limit 30001,10000
这样就可以一万一万读了,和分页一样

widdy

2018-08-06 16:03:09 +08:00

@newtype0092 , 真这么大，时间来最清晰，php xxoo.php 2017-01 ， php xxoo.php 2017-02 ...

ps1aniuge

2018-08-06 16:06:41 +08:00

一个进程不行，就多个进程。多个进程不行就 n 机子分布。
这里面要有一个队列，分发任务或表 id。根据实际情况，一次分发一百，一千，一万。

vacker

2018-08-06 16:10:00 +08:00 via Android

用队列，随便多少条都可以

GGGG430

2018-08-06 16:10:42 +08:00 via iPhone

pcntl，我上周才刚用过，你把行数除以进程数，然后把各个起始 id 传给各个子进程，快的一比

yuanfnadi

2018-08-06 16:11:33 +08:00

select * from xxx where id > 0 limit 1000
然后取最后一个 ID 为 1022
select * from xxx where id > 1022 limit 1000
想开几个线程都可以。

GGGG430

2018-08-06 16:13:12 +08:00 via iPhone

不要排序，各个进程处理各自起始 id 部门数据，然后各个进程都每次取 100 条数据作为一个事物提交，但注意 mysql 连接数和执行脚本机器的负载

dobelee

2018-08-06 16:16:20 +08:00 via Android

600w。。随便跑跑就行，等你写好算法逻辑，10 遍都跑完了。

jswh

2018-08-06 16:32:51 +08:00

记得别用对象，用数组就行

InternetExplorer

2018-08-06 16:38:31 +08:00

能不能直接用 sql 处理？

xmadi

2018-08-06 18:11:39 +08:00 via iPhone

用 limit 效率很低可以直接先人工查询最大的 id 和最小的 id 然后以十万个 id 间隔分组很粗糙肯定不均匀但是没有影响开进程池每个进程用 where 筛选分组数据进行处理

bugsnail

2018-08-06 19:39:48 +08:00 via iPhone

@mumbler https://oyifan.com/2016/03/23/offsetSlow/

了解一下，limit 是会越来越慢的

singer

2018-08-06 19:47:37 +08:00 via iPhone

id 放到 redis 的 list，然后多进程拉起来就好了个

xschaoya

2018-08-06 21:41:24 +08:00

最简单的多进程资源分配啊，简单粗暴的就是主键分段开多进程。高级点的可以用消息队里（生产者消费者类模型）

GreatHumorist

2018-08-06 22:38:01 +08:00 via iPhone

还是想想直接用 sql 吧，php 弄很麻烦，上周末弄过一个三百万行的匹配，php 遍历到十万左右就很慢了。最后直接用 sql，贼快，加起来不超过 10 分钟

yangqi

2018-08-06 22:41:32 +08:00

多复杂的处理不能在 mysql 里面完成？

beastk

2018-08-06 22:45:55 +08:00 via iPhone

要不就用 php 执行个 go 或者 python，分分钟给你跑完

jsjscool

2018-08-06 23:46:11 +08:00

使用进程间通信也是几句代码的事情。和语言无关，通信的方式无非就是信号量，消息队列，管道这几种，都是操作系统提供的。选择一种自己能理解的方式就行了，代码都贴给你
http://blog.it2048.cn/article-php-thread/

PS：600 万行这么少的数据，几句代码就能搞定，用啥多线程。就算用了多线程速度也提升不了多少，MySQL 的硬盘 IO 会是瓶颈。比如每秒 40M，你写入数据的极限也差不多是 40M/s。