妈妈再也不用担心我把数据弄丢了

数据是现代大小厂的重要资产，保护和恢复数据成为了重要的技能，

最近几年，常有一些无良程序员删库跑路的情况，不仅给所在企业更是给自己造成重大的损失。

另外，即使不是故意的情况下，也会因为疏忽造成数据误操作，是一件及麻烦又头疼的事情……

神器出场

最近的一个项目里，客户数据因为维护不当，导致数据丢失，为了挽回数据，并建立一个跨网闸（内部组网之间不通，无法使用 MySql 主从同步）的数据备份机制，发现了一个神器 binlog2sql^[1]。

研究了一番之后，不仅恢复了误操作丢失的数据，还通过 binlog2sql 将主服务器上的 binlog^[2] 转化为 SQL 语句，存入文件，实现了数据同步！

安装

binlog2sql 使用 Python 开发，所以需要 Python 环境，可参考 Python 环境搭建

将 binlog2sql 用 git 克隆的本地，GitHub 上的地址是: https://github.com/danfengcao/binlog2sql.git

git clone https://github.com/danfengcao/binlog2sql.git

通过 binlog2sql 目标下的 requirements.txt 安装依赖包

提示：推荐在 Python 虚拟环境中安装，创建虚拟环境可参考 Python 虚拟环境 看这一篇就够了

pip install -r requirements.txt

一切顺利的话，很快就可完成安装。

命令行进入 binlog2sql 代码目录下测试一下

> python binlog2sql.py

usage: binlog2sql.py [-h HOST] [-u USER] [-p [PASSWORD ...]] [-P PORT] [--start-file START_FILE] [--start-position START_POS] [--stop-file END_FILE] [--stop-position END_POS]
                     [--start-datetime START_TIME] [--stop-datetime STOP_TIME] [--save-as SAVE_AS] [--stop-never] [--help] [-d [DATABASES ...]] [-t [TABLES ...]] [--only-dml]
                     [--sql-type [SQL_TYPE ...]] [-K] [-B] [--back-interval BACK_INTERVAL]

Parse MySQL binlog to SQL you want

...<省略>...

由于没加任何参数，所以打印出使用说明，那说明安装正常了。

简介

binlog2sql 是通过分析 MySql 数据库的 binlog 文件，从中解析出需要执行的 sql 语句的。

那么使用时需要提供一些必要的参数，其中重要的有数据库服务器链接信息，需要分析的 binlog 文件名等，

还可以指定解析的起始和结束位置，以及开始和结束时间。

身手不凡

是骡子是马拉出来溜溜。

恢复被删数据

假如库表 tb_user 中的数据如下：

+----+--------+---------------------+
| id | name   | createtime          |
+----+--------+---------------------+
|  1 | 张三   | 2021-01-10 00:04:33 |
|  2 | 李四   | 2021-01-10 00:04:48 |
|  3 | 王五   | 2021-04-23 20:25:00 |
|  4 | 赵六   | 2021-06-04 11:21:23 |
+----+--------+---------------------+

这时不小心执行了一个删操作，将数据误删了

delete from tb_user

如何恢复呢？

我们看一下数据库的日志情况

show master status;

会看到类似这样的结果

+------------------+-----------+
| File             | Position  |
+------------------+-----------+
| mysql-bin.000002 |     13136 |
+------------------+-----------+

注意：只有 MySql 数据库打开了日志记录功能，才能查询到，打开日志功能请参考 binlog日志开启和使用^[3]

可以看出，目前日志记录在文件 mysql-bin.000002 中，当前最新的记录位置是 12546 行

假如当时误操作的时间是上午 11点半左右（可能着急吃饭，没注意），那么预估一个时间范围，比如 11点25 到 11点35，看看一下当时的操作：

python binlog2sql -h127.0.0.1 -P3306 -uadmin -p'admin' -dtest -t tb_user --start-file='mysql-bin.000002' --start-datetime='2021-06-04 11:25:00' --stop-datetime='2021-06-04 11:35:00'

输出为：

INSERT INTO `test`.`tb_user`(`createtime`, `id`, `name`) VALUES ('2021-06-04 11:21:23', 4, '李四'); #start 12317 end 12487 time 2021-06-04 11:21:23
DELETE FROM `test`.`tb_user` WHERE `createtime`='2021-01-10 00:04:33' AND `id`=1 AND `name`='张三' LIMIT 1; #start 12728 end 12829 time 2021-06-04 11:27:32
DELETE FROM `test`.`tb_user` WHERE `createtime`='2021-01-10 00:04:48' AND `id`=2 AND `name`='李四' LIMIT 1; #start 12728 end 12829 time 2021-06-04 11:27:32
DELETE FROM `test`.`tb_user` WHERE `createtime`='2021-04-23 20:25:00' AND `id`=3 AND `name`='王五' LIMIT 1; #start 12728 end 12829 time 2021-06-04 11:27:32
DELETE FROM `test`.`tb_user` WHERE `createtime`='2021-06-04 11:21:23' AND `id`=4 AND `name`='赵六' LIMIT 1; #start 12728 end 12829 time 2021-06-04 11:27:32

可以看出，第二行开始到第五行为删除语句，查看语句最后的起始和结束位置 start 12728 end 12829

即 binlog 中，删除执行的位置在 12728-12829 之间，于是锁定精确位置，生成回滚语句：

python binlog2sql -h127.0.0.1 -P3306 -uadmin -p'admin' -dtest -t tb_user --start-file='mysql-bin.000002' --start-position=12728 --stop-position=12829 -B

注意参数 -B，意思是生成回滚 SQL，即生成的是撤销之前操作的语句

输出为：

INSERT INTO `test`.`tb_user`(`createtime`, `id`, `name`) VALUES ('2021-06-04 11:21:23', 4, '赵六'); #start 12728 end 12829 time 2016-12-13 20:28:05
INSERT INTO `test`.`tb_user`(`createtime`, `id`, `name`) VALUES ('2021-04-23 20:25:00', 3, '王五'); #start 12728 end 12829 time 2016-12-13 20:28:05
INSERT INTO `test`.`tb_user`(`createtime`, `id`, `name`) VALUES ('2021-01-10 00:04:48', 2, '李四'); #start 12728 end 12829 time 2016-12-13 20:28:05
INSERT INTO `test`.`tb_user`(`createtime`, `id`, `name`) VALUES ('2021-01-10 00:04:33', 1, '张三'); #start 12728 end 12829 time 2016-12-13 20:28:05

从输出的语句来看，顺序是删除的倒序，而且已经将原来的 delete 语句改为了 insert 语句，也就是原来操作的逆操作

如果确认语句没问题，执行生成的语句就可以了

是不是既方便又高效呢？

解析 SQL

binlog2sql 功能强大，使用起来也很方便，看看其他功能吧。

作为一个命令行工具，功能都体现在参数里，可分为 解析模式、解析目标、解析范围三部分。

解析模式

binlog2sql 支持两个解析模式，默认的是单次解析，即运行一次解析一次，

还可以支持持续解析，即不间断地从目标数据库地 binlog 中解析出 sql 来，持续解析通过参数 --never-stop 开启，

开启之后，线程不会退出，一直处于运行状态，会自动判断 binlog 的变化，对变化部分增量式解析。

这种模式可以用于数据库同步，不过生产上使用前，最好考虑各种异常情况，比如重启，网络中断等情况。

参数 -K 或 --no-primany-key 表示的去除 INSERT 语句中的主键，这个在数据汇总的场景下很方便，可以避免多个数据源中主键冲突的问题。

参数 -B 或 --flashback，表示回滚模式，在上面的例子中展示过，即会解析成逆操作的 sql 语句。

在回滚模式下，每生成一千条 SQL 语句会加一个 SLEEP 语句，是为以免数据执行时产生拥堵，默认为 1 秒，可以通过 --back-interval 参数来设置，

例如 --back-interval 2 表示暂停 2 秒。

解析目标

MySql 设置 binlog 时可以指定记录哪个库，以及哪些表，即目标。

那么用 binlog2sql 也可以指定解析目标。

参数 -d 或 --databases 用于指定数据库，如果多个库，用空格分隔，例如 -d db1 db2；

参数 -t 或 --tables 用于指定库表，多个库表用空格分隔，例如 -t tb1 tb2。

如果指定解析目标不仅效率更高，而且分析和执行解析的结果也更方便。

解析范围

范围包括 binlog 文件范围，时间范围 以及 行范围，例如前面例子中用到了 时间范围 和 行范围。

文件范围 用 --start-file 和 --stop-file 参数来指定，只需要提供 binlog 文件名即可，不需要写全路径，这是因为，binlog2sql 会自动根据目标服务器配置读取 binlog 文件；

时间范围 用  --start-datetime 和 --stop-datetime 参数来指定，时间格式为 %Y-%m-%d %H:%M:%S；

行范围 用 --start-position 和 --stop-position 参数来指定，也可以简写为 --start-pos 和 --end-pos。

深入了解

binlog2sql 不仅是一个实用的工具，而且也是个研究和学习的好例子。

只有不到 500 行代码，很容易阅读；

阅读源码，不仅能深入了解其实现原理，而且还可以学习到很多好用法。

实现原理

binlog2sql 的原理是，利用 pymysql 从目标服务器上获取 binlog 信息，然后锁定范围，使用 pymysqlreplication 解析 binlog 文件，最后，得到需要解析出的 sql 语句。

在这基础上，做了一些功能性扩展，比如解析范围，解析模式等，相对来说比较简单，很容易看懂。

命令行参数

编程时处理命令行参数是机械而繁琐的，特别是有不同性质的性质和别名的参数

binlog2sql 中利用了 argparse 模块^[4]，

argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，argparse 可以从 sys.argv 解析出提供的命令行参数。而且 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。

很容易就能编程高大上的命令行程序接口，再也不用为很 low 的程序接口发愁了。

文件处理上下文（context）

binlog2sql 在回滚模式（即提供了参数 -B）中，使用了一个临时文件记录解析出来的 SQL 语句，并且在完成之后删除。

一般来说，在完成后主动删除文件即可，不过如果能利用 with 块的资源回收功能就更好了。

查看源码，会看到一个创建文件写法：

@contextmanager
def temp_open(filename, mode):
    f = open(filename, mode)
    try:
        yield f
    finally:
        f.close()
        os.remove(filename)

@contextmanager^[5] 指示器可以将一个生成器^[6]，作为一个上下文管理器^[7]，

那么：

with 声明部分，会执行前会执行 yield 语句之前的部分

with 范围内，会执行 yield 语句，即返回一个需要后续处理的对象，比如文件，后续处理是关闭

with 执行完成前，会执行 yield 语句之后的代码

那么这段代码的意义就是，当文件使用完成后，关闭文件，并且删除掉。

使用方式为：

with temp_open(tmp_file, "w") as f_tmp
    ...
    f_tmp.write(sql + '\n')
    ...

这样无论如何只要 with 块执行完，文件就会被删除，不用担心忘记，是不是很优雅？

除了这两点，还有很多值得把玩的地方，有兴趣的话可以读读源码。

总结

无论是什么工具，都需要有一定的基础和良好的习惯上才会发挥作用，比如得开启 MySql 的 binlog 日志，并由记录工作的习惯。

同时，任何工具方法都有它的特点，可以在了解功能的同时，研究一下其使用原理，是一个很好的技能提升机会。

很多人在抱怨，没有应用场景，没有实际项目，其实研究这些工具，就会有事半功倍的效果。

比心

参考资料