archer import replays a sealed archive into an existing table: shard selection (`--select`), SHA-256 pre-verification, idempotent modes (`ignore`/`insert`/`replace`), and both LOAD DATA and batched-INSERT engines. It reads manifest.jsonl strictly so corruption is reported instead of skipped, and supports --dry-run, --allow-partial, and per-shard workers. --bulk-delete no longer rejects --shard-by date. Range deletion now derives its bounds from the chunk's actual keys (date scanners rewrite LastKey into a resumption cursor) and keeps safe-auto-increment semantics by excluding the current max key. A startup warning documents the monotonic-shard-column assumption. Also splits CLI/format/sharding/progress/safety reference docs out of the README, and adds the corresponding OpenSpec change artifacts. Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
8.7 KiB
archive-core Specification
Purpose
定义 archer 如何按唯一索引分块读取源表,并以固定顺序完成文件写入、目标表写入与源行删除,同时提供复制延迟保护、安全护栏和可中断续跑能力。
Requirements
Requirement: 唯一索引 seek 分块扫描
系统 SHALL 以源表的一个唯一索引(优先主键)作为扫描游标。每个 chunk 的查询 MUST 使用“索引键大于上一次尾值”的条件、按索引列 ORDER BY、并带 LIMIT chunk-size;系统 MUST NOT 使用 OFFSET 翻页。返回行数小于 chunk-size 时,系统 SHALL 结束扫描。
Scenario: 主键连续
- WHEN 源表主键为连续的 1..N,且
--chunk-size 2000 - THEN 系统按 2000 行一个 chunk 依次读取,直到最后一个不足 2000 行的 chunk
Scenario: 主键存在空洞
- WHEN 主键序列为 1,2,100,101,且
--chunk-size 2 - THEN 第一个 chunk 返回 1,2,第二个 chunk 从
id > 2继续并返回 100,101,不会跳过或重复
Scenario: 无可用唯一索引
- WHEN 源表既没有主键也没有唯一索引,且用户未指定索引
- THEN 系统在开始扫描前报错退出,并提示需要唯一索引
Requirement: chunk 即事务
每个 chunk SHALL 构成唯一的事务边界,--chunk-size 同时决定 SELECT 批量、事务大小和 checkpoint 粒度。系统 SHALL NOT 提供跨 chunk 的事务,也 SHALL NOT 提供独立的 --txn-size 参数。
Scenario: 源表与目标表在同一实例
- WHEN
--source与--dest指向同一 MySQL 实例,且同时启用 dest 与 purge - THEN 目标表写入与源行删除在同一个事务中提交,二者要么同时生效要么同时回滚
Scenario: 源表与目标表在不同实例
- WHEN
--source与--dest指向不同实例 - THEN 系统使用两个连接分别提交,并在任一步失败时按
--retries重试;已提交的目标表写入可能在重跑时重复,行为为 at-least-once
Requirement: 三件套提交顺序
当 file、dest、purge 中任意多项同时启用时,系统 MUST 对每个 chunk 按固定顺序执行:写文件、写目标表、删除源行、提交事务并更新 checkpoint。任何前置步骤失败时,系统 MUST NOT 执行后续步骤,也 MUST NOT 推进 checkpoint。
Scenario: 文件写入失败
- WHEN 写文件返回错误
- THEN 系统不写目标表、不删除源行、不推进 checkpoint,并以非零码退出
Scenario: 目标表写入失败
- WHEN 文件写入成功但目标表插入失败
- THEN 系统删除源行,回滚本次事务,不推进 checkpoint,并以非零码退出
Requirement: 输出目标约束
系统 SHALL 要求 --file、--dest、--purge 至少启用一个,并且 --where 必填。三者可以任意组合,包括只导出文件、只删除、或文件与目标表同时输出。
Scenario: 只删不写
- WHEN 用户只指定
--purge和--where - THEN 系统仅按 chunk 删除匹配行,不生成任何文件
Scenario: 文件与目标表同时输出
- WHEN 用户同时指定
--file与--dest - THEN 同一批行既写入分片文件,也写入目标表
Requirement: 目标表写入模式
目标表写入 SHALL 支持普通插入、INSERT IGNORE 与 REPLACE 三种模式,三者互斥。系统 MUST 使用多行批量插入,并在单条语句可能超过 max_allowed_packet 时自动拆分为多条语句。
Scenario: 默认插入遇到重复主键
- WHEN 使用默认插入模式,且目标表已存在相同主键
- THEN 该 chunk 失败并回滚,系统报告重复键错误
Scenario: ignore 模式遇到重复主键
- WHEN 使用
--insert-ignore - THEN 重复行被跳过,其余行写入成功,chunk 正常提交
Requirement: 删除语义
默认情况下,系统 MUST 以主键 IN 列表删除当前 chunk 实际读取到的行,并将过长的列表分批。启用 --bulk-delete 时,系统 SHALL 改为按 chunk 实际读取行的首尾主键区间删除,并 MUST 在语句中附带原始 --where 条件。--bulk-delete 依赖 --purge。日期分片模式下,区间删除仅在“分片列相对扫描键单调、无回填”的前提下安全,系统 SHALL 允许该组合并在启动时打印该前提警告。
Scenario: 默认 IN 列表删除
- WHEN 一个 chunk 读取到主键 1001..3000,且
--where "created_at < '2026-01-01'" - THEN 系统生成
DELETE ... WHERE id IN (1001,...,3000),不删除未被读取的行
Scenario: 区间删除附带回填条件
- WHEN 启用
--bulk-delete,chunk 首尾主键为 1001 与 3000 - THEN 系统生成
DELETE ... WHERE id BETWEEN 1001 AND 3000 AND (<where>)
Scenario: 日期模式启用区间删除
- WHEN
--shard-by date与--bulk-delete同时出现 - THEN 系统允许执行,并在启动时警告:该组合要求分片列永不相对扫描键回退,否则迟到或回填的行可能在归档前被删除
Requirement: 复制延迟保护
当指定 --check-replica-lag 时,系统 SHALL 在每次拉取前检查该副本的延迟;延迟超过 --max-lag 或复制未运行时,系统 MUST 暂停并在 --check-interval 后重试。
Scenario: 延迟超限
- WHEN
--max-lag 1s,副本延迟为 5s - THEN 系统暂停拉取,直到延迟降到 1s 以下
Scenario: 副本复制中断
- WHEN 被检查的副本复制线程未运行
- THEN 系统持续等待并周期性重试,不继续归档
Requirement: 安全护栏
系统 SHALL 默认启用 --safe-auto-increment,禁止通过 purge 删除当前最大自增主键行。--dry-run 时系统 MUST 只打印将要执行的 SQL 与实际生效配置,不连接写入、不创建或修改任何文件。
Scenario: 保护最大自增行
- WHEN purge 范围包含源表当前
MAX(pk),且--safe-auto-increment为默认值 - THEN 该行不被删除,系统记录一条警告
Scenario: dry-run 无副作用
- WHEN 用户指定
--dry-run - THEN 系统打印每条 SQL 与解析后的配置后退出,输出目录不产生任何文件
Requirement: 断点续跑
系统 SHALL 在每个 chunk 提交后原子更新 state.json,记录配置指纹与游标位置。state.json 中记录的源连接与目标连接 MUST 采用标准 MySQL DSN 形式(去除密码),例如 user@tcp(host:3306)/db?charset=utf8mb4。续跑时 MUST 校验源、表、过滤条件、列、分片参数、时区、输出格式、压缩设置,以及源/目标连接的全部规范化参数(含字符集与排序规则)的指纹;不一致时 MUST 拒绝续跑,除非显式传入 --force-resume。密码 MUST NOT 计入指纹,也 MUST NOT 写入 state.json。压缩档位仅在启用压缩且档位不是默认值 3 时纳入指纹,以保证默认配置的存量任务可以无缝续跑。
Scenario: 配置一致时续跑
- WHEN 上次运行在 chunk 中途退出,且本次配置指纹一致
- THEN 系统从
state.json记录的游标位置继续,不重复处理已提交的 chunk
Scenario: 配置被修改
- WHEN 续跑时
--shard-time-zone与state.json记录不一致,且未传--force-resume - THEN 系统报错并列出不一致的字段,拒绝开始扫描
Scenario: 压缩档位被修改
- WHEN 续跑时
--compress-level与state.json记录不一致,且未传--force-resume - THEN 系统报错并列出
compress_level字段的变化,拒绝开始扫描
Scenario: 默认档位兼容存量任务
- WHEN
state.json由引入压缩档位之前的版本写入,且本次使用默认档位 3 - THEN 指纹一致,系统正常续跑
Scenario: 连接字符集被修改
- WHEN 续跑时
--source的charset或collation与state.json记录不一致,且未传--force-resume - THEN 系统报错并列出
source字段的变化,拒绝开始扫描
Scenario: 密码轮换
- WHEN 续跑时仅
--source或--dest的密码与上次运行不同 - THEN 指纹一致,系统正常续跑
Scenario: 连接信息的存储形态
- WHEN 查看任意一次运行生成的
state.json - THEN
config.source与config.dest为标准 MySQL DSN,且不包含密码明文
Requirement: 一致性等级
文件输出的一致性等级 SHALL 为 at-least-once:崩溃后重跑可能向分片文件重复追加已处理的行,系统 MUST 在文档与启动输出中明确该行为。
Scenario: 崩溃后重跑
- WHEN 文件已写入但 checkpoint 尚未更新时进程崩溃,随后以相同配置重跑
- THEN 系统从上一个已提交游标继续,文件可能出现重复行,数据不丢失