MYSQL Xtrabackup 做备份的时候你忘了点什么吗?

本文介绍Xtrabackup 2.4.13及以后版本如何支持innodb_buffer_pool数据的备份与恢复,这对于大内存MYSQL的快速恢复至关重要。文章详细解释了--dump-innodb-buffer-pool参数的正确使用方法,以及如何确保innodb_buffer_pool_dump_now和innodb_buffer_pool_dump_pct参数配置正确。

众所周知Xtrabackup 是mysql 中重要的备份工具,而数据库的备份中,尤其大内存的 MYSQL 备份中,都有一个问题的存在就是 innodb_buffer_pool 的存在。备份后的MYSQL 在恢复后,一般innodb_buffer_pool 的数据都不会再恢复的数据库上出现,越大的内存和繁忙的MYSQL 在数据恢复后,就会有一个缓冲期,需要预热一段时间。一般来说我们都是希望备份的数据恢复后能带有内存中的数据。其实MYSQL 本身是有这个设置的,就是在关机和开机的时候,将 innodb buffer pool 写入文件,在开始的时候读取这些文件,装载到内存中。  

但到备份就不大现实了,终不能为了这个功能,把数据库关机,在备份吧。

自从 XTRABACKUP  2.4.13后,xtrabackup 软件就可以支持将innodb_buffer_pool 的数据备份到备份中并且在恢复的时候装入到内存。

这项功能在对大内存和急需恢复后使用的MYSQL是十分有意义的,试想你恢复完一台128G的MYSQL 后,查询并没有预热,在此期间的查询会大量开始走磁盘,这当然不是一个专业的做法,并且在这段时间很可能出现一些你不想遇到的问题。

所以 XTRABACKUP 提供了再备份的时候,直接将innodb_buffer_pool 进行一个备份,并且在恢复的时候,将其恢复到MYSQL中,等恢复的MYSQL 启动后,你的innodb_buffer_pool 会和源机具有一样的 innodb_buffer_pool 来应对马上到来的大量查询。

我们使用下面的命令就可以进行相关的备份

xtrabackup --defaults-file=/etc/my.cnf --user=root --password='password' --socket=/data/mysql/mysql.sock --backup  --dump-innodb-buffer-pool --target-dir=/data/backup/2019-08-31 

添加了 --dump-innodb-buffer-pool  但有些同学却抱怨这是一个垃圾的无效的命令,使用这条命令恢复后的MYSQL 并没有和预想的一样,有了 innodb_buffer_pool 的数据。

到底是是命令有问题,还是.......

其实这个功能是MYSQL 5.7 后的本身提供的功能,XTRABACKUP 仅仅是将这个功能在XTRABACKUP 进行了体现而已。

到底是什么原因造成的这里卖个关子

我上面的备份怎么证明我备份了innodb_buffer_pool

SHOW STATUS LIKE 'Innodb_buffer_pool_dump_status';

通过上面的命令就可以展现你最后一次 dump buffer pool 的时间

上面可以证明我的确在我早上 6:59的时候,在备份的期间,将buffer_pool dump下来了。

所以可以证明那个参数是有效的,也可以通过查看你恢复后的数据库的bufferpooldata 来正你恢复了数据

OK 到这里为止,可以证明这个参数是有效的,到底什么原因会导致有些同学的命令无效。

你可以尝试打开下面的参数

SET GLOBAL innodb_buffer_pool_dump_now=ON;

默认此参数是关闭的状态

同时也可以设置到备份的时候要download 多少的 buffer_pool
[mysqld]
innodb_buffer_pool_dump_pct=40

所以如果你备份的时候不能进行innodb_buffer_pool download 的原因主要是你的那个在线download buffer_pool 的参数是否是打开的状态。

其实有些时候,某些事情的操作看似不成功莫名其妙,其实如果往深挖,往下看,大多是能找到问题的所在的。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值