• TiDB-Lightning 错误排解
    • 导入速度太慢
    • checksum failed: checksum mismatched remote vs local
    • Checkpoint for … has invalid status: 18
    • ResourceTemporarilyUnavailable(“Too many open engines …: 8”)
    • cannot guess encoding for input file, please convert to UTF-8 manually
    • [sql2kv] sql encode error = [types:1292]invalid time format: ‘{1970 1 1 0 45 0 0}’

    TiDB-Lightning 错误排解

    当 Lightning 遇到不可恢复的错误时便会异常退出，并在日志中记下错误原因。一般可在日志底部找到，也可以搜索 [error] 字符串找出中间发生的错误。本文主要描述一些常见的错误及其解决方法。

    导入速度太慢

    Lightning 的正常速度为每条线程每 2 分钟导入一个 256 MB 的数据文件，如果速度远慢于这个数值就是有问题。导入的速度可以检查日志提及 restore chunk … takes 的记录，或者观察 Grafana 的监控信息。

    导入速度太慢一般有几个原因：

    原因 1：region-concurrency 设定太高，线程间争用资源反而减低了效率。

    1. 从日志的开头搜寻 region-concurrency 能知道 Lightning 读到的参数是多少。
    2. 如果 Lightning 与其他服务（如 Importer）共用一台服务器，必需手动将 region-concurrency 设为该服务器 CPU 数量的 75%。
    3. 如果 CPU 设有限额（例如从 K8s 指定的上限），Lightning 可能无法自动判断出来，此时亦需要手动调整 region-concurrency。

    原因 2：表结构太复杂。

    每条索引都会额外增加 KV 对。如果有 N 条索引，实际导入的大小就差不多是 mydumper 文件的 N+1 倍。如果索引不太重要，可以考虑先从 schema 去掉，待导入完成后再使用 CREATE INDEX 加回去。

    原因 3：Lightning 版本太旧。

    试试最新的版本吧！可能会有改善。

    checksum failed: checksum mismatched remote vs local

    原因：本地数据源跟目标数据库某个表的校验和不一致。这通常有更深层的原因：

    1. 这张表可能本身已有数据，影响最终结果。
    2. 如果目标数据库的校验和全是 0，表示没有发生任何导入，有可能是集群太忙无法接收任何数据。

    3. 如果数据源是由机器生成而不是从 mydumper 备份的，需确保数据符合表的限制，例如：

      • 自增 (AUTO_INCREMENT) 的列需要为正数，不能为 0。
      • 单一键和主键 (UNIQUE and PRIMARY KEYs) 不能有重复的值。

    解决办法：

    1. 使用 tidb-lightning-ctl 把出错的表删除，然后重启 Lightning 重新导入那些表。

      1.  tidb-lightning-ctl --config conf/tidb-lightning.toml --checkpoint-error-destroy=all

    2. 把断点存放在外部数据库（修改 [checkpoint] dsn），减轻目标集群压力。

    Checkpoint for … has invalid status: 18

    原因: 断点续传已启用。Lightning 或 Importer 之前发生了异常退出。为了防止数据意外损坏，Lighting 在错误解决以前不会启动。

    解决办法:

    如果错误原因是非法数据源，使用 tidb-lightning-ctl 删除已导入数据，并重启 Lightning。

    1. ```sh
    2. tidb-lightning-ctl --config conf/tidb-lightning.toml --checkpoint-error-destroy=all
    3. ```

    其他解决方法请参考断点续传的控制。

    ResourceTemporarilyUnavailable(“Too many open engines …: 8”)

    原因：并行打开的引擎文件 (engine files) 超出 tikv-importer 里的限制。这可能由配置错误引起。即使配置没问题，如果 tidb-lightning 曾经异常退出，也有可能令引擎文件残留在打开的状态，占据可用的数量。

    解决办法：

    1. 提高 tikv-importer.toml 内 max-open-engines 的值。这个设置主要由内存决定，计算公式为：

      最大内存使用量 ≈ max-open-engines × write-buffer-size × max-write-buffer-number

    2. 降低 table-concurrency + index-concurrency，使之低于 max-open-engines。

    3. 重启 tikv-importer 来强制移除所有引擎文件 (默认值为 ./data.import/)。这样也会丢弃导入了一半的表，所以启动 Lightning 前必须清除过期的断点记录：

      1.  tidb-lightning-ctl --config conf/tidb-lightning.toml --checkpoint-error-destroy=all

    cannot guess encoding for input file, please convert to UTF-8 manually

    原因：Lightning 只支持 UTF-8 和 GB-18030 编码的表架构。此错误代表数据源不是这里任一个编码。也有可能是文件中混合了不同的编码，例如，因为在不同的环境运行过 ALTER TABLE，使表架构同时出现 UTF-8 和 GB-18030 的字符。

    解决办法：

    1. 编辑数据源，保存为纯 UTF-8 或 GB-18030 的文件。
    2. 手动在目标数量库创建所有的表，然后设置 [mydumper] no-schema = true 跳过创建表的步骤。
    3. 设置 [mydumper] character-set = "binary" 跳过这个检查。但是这样可能使数据库出现乱码。

    [sql2kv] sql encode error = [types:1292]invalid time format: ‘{1970 1 1 0 45 0 0}’

    原因: 一个 timestamp 类型的时间戳记录了不存在的时间值。时间值不存在是由于夏时制切换或超出支持的范围（1970 年 1 月 1 日至 2038 年 1 月 19 日）。

    解决办法:

    1. 确保 Lightning 与数据源时区一致。

      • 使用 Ansible 部署的话，修正 [inventory.ini] 下的 timezone 变量。

        1.   # inventory.ini
        2.   [all:vars]
        3.   timezone = Asia/Shanghai

      • 手动部署的话，通过设定 $TZ 环境变量强制时区设定。

        1.   # 强制使用 Asia/Shanghai 时区
        2.   TZ='Asia/Shanghai' bin/tidb-lightning -config tidb-lightning.toml

    2. 导出数据时，必须加上 --skip-tz-utc 选项。