并行复制存世已多年，但是在实际应用场景中的使用并不常见。这次很幸运，我们刚好遇到一个客户，主的写入工作量非常大，但是从难以跟上，在这种情况下，我建议它使用并行从属线程。

那么，如何衡量并行复制是否在客户的场景中发挥了作用?对于客户业务能够带来多大的帮助?下面我们就一起来看看吧!

在客户业务场景中， slave_parallel_workers 是0，很明显我应该去增大，但增大的幅度是多少呢?1还是10，这个问题我们会在另一篇文章中解释，先说一下本文的场景中，我们将slave_parallel_workers 调整到了40。

同时，我们对slave还做了以下更改：

slave_parallel_type = LOGICAL_CLOCK;slave_parallel_workers = 40;slave_preserve_commit_order = ON;

40个线程听起来是很多，但是这是取决于特定的工作负载的，如果事务是独立的，那么它就可能派上用场。

接下来，我们再来看看哪些线程在工作：

mysql> SELECT performance_schema.events_transactions_summary_by_thread_by_event_name.THREAD_ID AS THREAD_ID, performance_schema.events_transactions_summary_by_thread_by_event_name.COUNT_STAR AS COUNT_STARFROM performance_schema.events_transactions_summary_by_thread_by_event_nameWHERE performance_schema.events_transactions_summary_by_thread_by_event_name.THREAD_ID IN(SELECT performance_schema.replication_applier_status_by_worker.THREAD_IDFROM performance_schema.replication_applier_status_by_worker);+-----------+------------+| THREAD_ID | COUNT_STAR |+-----------+------------+| 25882 | 442481 || 25883 | 433200 || 25884 | 426460 || 25885 | 419772 || 25886 | 413751 || 25887 | 407511 || 25888 | 401592 || 25889 | 395169 || 25890 | 388861 || 25891 | 380657 || 25892 | 371923 || 25893 | 362482 || 25894 | 351601 || 25895 | 339282 || 25896 | 325148 || 25897 | 310051 || 25898 | 292187 || 25899 | 272990 || 25900 | 252843 || 25901 | 232424 |+-----------+------------+

从上述代码中，我们可以看到哪些线程是在工作，但是这些线程真的加速复制了吗?Slave能在同一时间内写出更多的东西吗?

先来看一下 replication lag：

我们可以看大lag很快就降下来了，这是因为线程数增加了吗?还是因为生成多个插件的作业完成了，没有更多的写入了?(复制延迟没有达到0，因为这个Slave故意拖延了一个小时。)

幸运的是，在PMM中我们还有其他图表可以看，例如显示InnoDB Row操作：

Slave插入了比之前更多的行，那实际插入了多少行呢?下面我们创建一个新的图表来查看

每小时插入了多少行。在PMM中，我们已经拥有了所有这些信息，只需要使用下面的查询创建一个新的图表：

increase(mysql_global_status_innodb_row_ops_total{instance="$host",operation!="read"}[1h])

结果显示：

从图中我们可以看到每小时插入行数大幅增加，从每小时约50Mil到200-400Mil。我们可以得出结论，增加slave_parallel_workers数量确实有帮助。