[MySQL Q&A] 说说checksum table

心已赠人 2022-02-01 19:25 197阅读 0赞

有同学问到 checksum table在逻辑备份时候前后是否可以用于验证数据一致性。扩展一下发现有一些有趣的问题，比如数据插入顺序不同、表引擎不同、操作系统位数不同等。

**插入顺序不同是否有影响**

我们知道全表扫描是可以有很多种顺序的，尤其当表里面出现过delete动作以后，逻辑导出再导入另外一个表后，两个表的全表扫描结果可能不同。

Checksum table计算返回值的逻辑大致如下：

Cpp代码 ![收藏代码][icon_star.png]

1.  ha\_checksum crc= 0; 
2.  foreach(row in table) 
3.  \{ 
4.   row\_crc= get\_crc(row); 
5.   crc+= row\_crc; 
6.  \} 
7.  **return** crc;

可以看到只要总行数已经行内容相同，**与读取行的顺序无关**。

从这个逻辑还能得到一下几个结论：

1) 与使用的引擎无关，也就是说即使主备不用同一个引擎，checksum也可用于检查。虽然InnoDB有隐藏行，但这里无视。

2) 与是否有索引无关。row\_crc只用行本身的数据来计算，并不包括索引数据。

也就是说如果能够保证两个表里面的数据一样，表结构（列内容和顺序一样），操作系统一样，MySQL版本一致，是能够保证checksum的结果的。

下面我们讨论集中“不一样”

**字段顺序不同是否有影响**

在个row计算row\_crc时，是每个字段依次计算的。但计算过程中会将上一个字段的结果作为计算下一个值的输入。

<table style="font-family:Helvetica, Tahoma, Arial, sans-serif;font-size:14px;line-height:25.1875px;border-collapse:collapse;"> 
 <tbody> 
 <tr> 
 <td style="font-size:1em;width:426.1pt;"> &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;switch (f-&gt;type()) { &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;case MYSQL_TYPE_BLOB: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;case MYSQL_TYPE_VARCHAR: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;case MYSQL_TYPE_GEOMETRY: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;case MYSQL_TYPE_BIT: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;{&nbsp;&nbsp;&nbsp; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;String tmp; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;f-&gt;val_str(&amp;tmp); &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;row_crc= my_checksum(row_crc, (uchar*) tmp.ptr(), &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;tmp.length()); &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;break; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;}&nbsp;&nbsp;&nbsp; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;default: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;row_crc= my_checksum(row_crc, f-&gt;ptr, f-&gt;pack_length()); &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;break; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;}&nbsp;&nbsp;&nbsp; </td> 
 </tr> 
 </tbody> 
</table>

因此字段顺序会影响结果。

**字段长度不同是否有影响**

即使看到相同的内容，也有可能得到不同的checksum。

从上面计算每个field的crc上看，若为变长字段(varchar等)，由于用于计算的是实际长度，因此不会影响。比如将表的varchar(20)字段改成varchar(25)，不会改变checksum的值。

但若将char(20)改成char(25)，或者int改成bigint，则会改变checksum。

**操作系统位数不同**

因为返回值是unsigned long，我们就担心32位和64位机器的溢出问题。所幸在计算过程中的ha\_myisam直接定义为uint32，只是在返回的时候才转成unsigned long，因此无影响。

**字符集不同**

这个问题其实一直比较含糊。实际上与输入字符集有关。但有一个结论是肯定的：若表里面字段的unhex()值相同，得到的checksum即相同。

[icon_star.png]: /images/20220126/4228c7035052499f89d0386558a7744e.png