使用tar+pigz+ssh实现大数据的高效传输

共计 759 个字符，预计需要花费 2 分钟才能阅读完成。

以前我们跨主机拷贝大数据的时候，比如要拷贝超过 100GB 的 mysql 原始数据，我们通常的做法如下：

• 在源端打包压缩为 tar.gz 文件
• 采用 scp 或者 rsync 等方式拷贝到目标主机
• 在目标主机解压文件

这三个过程是同步阻塞，即不能同时异步执行，导致效率低下。

现在我们将过程优化为以数据流的方式，同时执行（非阻塞模式），则效率一般可以提高到原来的 3 倍以上，具体实现如下：

磁盘读取 —-> 打包 —-> 压缩 ——> 传输 —-> 解压缩 –> 拆包 —-> 落盘

                    |->tar    |->gzip      |->ssh      |->gzip  |->tar

比如我要将本地的 test 目录拷贝到“目标 IP”的的 data 目录，则命令如下：

tar -c test/ |pigz |ssh -c arcfour128 目标 IP “gzip -d|tar -xC /data”

当然，这里的解压过程仍然用了效率比较低下的 gzip，如果将解压工具换成 lz4（但需要单独编译安装），则效率可以再提高不少。

如果不需要解压，则命令变为：

tar -c test/ |pigz |ssh -c arcfour128 目标 IP “cat >/data/test.tar.gz”

注：因为采用了流式压缩，解压过程必须加上 - i 参数，及 tar –ixf /data/test.tar.gz。

说明： pigz 是一个高效的压缩工具，可以将多核 CPU 的每一分剩余性能都用来做压缩计算。而传统的 gzip 则只能用单核 CPU。比如一台 2 个 8core cpu 服务器采用 pigz 和 gzip 压缩相同的数据，一般性能差距至少在 7 - 8 倍以上（一般不会达到理论的 16 倍，因为受限于磁盘的读写速度和内存等资源）。

本文永久更新链接地址 ：http://www.linuxidc.com/Linux/2017-02/141168.htm