MySQL主从同步机制与同步延时问题追查过程

吾爱主题阅读：124 2024-04-05 14:02:17 评论：0

前言

作为一名DBA，在工作中会经常遇到一些MySQL 主从同步延迟的问题，这些同步慢的问题，其实原因非常多，可能是因为主从的网络问题导致，可能是因为网络带宽问题导致，可能是因为大事务导致，也可能是因为单线程复制导致的延迟。

今天遇到一个问题，Mysql持续报错，主从同步延时数过大或错误。所以这篇文章给大家分享下主从同步的机制原理以及问题排查思路。

故障表现

最直观的表现为：

1 2 3 4 5 6 7 mysql> show slave status\G; // 状态一 Seconds_Behind_Master: NULL // 状态二 Seconds_Behind_Master: 0 // 状态三 Seconds_Behind_Master: 79

连续查询，大部分时间该属性值=0，偶发性出现Null或者79等延时值。导致观察主从同步延时的监控持续报警。

故障原因及解决方案

多台备机的server-id一致，导致主机无法长时间同某一台备机连接，进而无法正常同步。

修改server-id后，重启数据库恢复。

主从同步机制

MySQL的主从同步，又称为复制（replication），是一种内置的高可用高性能集群解决方案，主要功能有：

数据分布：同步不需要很大带宽，可以实现多数据中心复制数据。
读取的负载均衡：通过服务器集群，可以通过DNS轮询、Linux LVS等GSLB（全局负载均衡）方式，降低主服务器的读压力。
数据库备份：复制是备份的一部分，但并不能代替备份。还需要与快照相结合。
高可用性和故障转移：从服务器可以快速切换为主服务器，减少故障的停机时间和恢复时间。

主从同步分为3步：

主服务器（master）把数据更改记录到二进制日志（binlog）中。
从服务器（slave）把主服务器的二进制日志复制到自己的中继日志（relay log）中。
从服务器重做中继日志中的日志，把更改应用到自己的数据库上，达到数据的一致性。

主从同步是一个异步实时的同步，会实时的传输，但存在执行上的延时，如果主服务器压力很大，延时也会相应扩大。

通过上面的图，可以看到一共需要3个线程：

主服务器的日志传送线程：负责将二进制日志增量传送到备机
从服务器的I/O线程：负责读取主服务器的二进制日志，并保存为中继日志
从服务器的SQL线程，负责执行中继日志

查看MySQL线程

我们可以使用show full processlist;命令来查看MySQL的状态：

主机的状态：

备机的状态：

可以看到，我的集群架构为1台主机、4台备机，所以在主机中有4个同步线程（已经发送所有的binlog数据到备机，等待binlog日志更新），1个查看命令线程（show full processlist）。在备机中有1个查看命令线程，1个I/O线程（等待主机发送同步数据事件），1个SQL线程（已经读取了所有中继日志，等待I/O线程来更新它）。

查看同步状态

因为主从同步是异步实时的，也就是会存在延时的情况，我们可以通过show slave status;来查看备机上的同步延时：

在主从同步中我们需要关注的一些属性，已经给大家标红了：

Slave_IO_State: 当前I/O线程的状态
Master_Log_File: 当前同步的主服务器的二进制文件
Read_Master_Log_Pos: 当前同步的主服务器的二进制文件的偏移量，单位为字节，如图中为已经同步了12.9M(13630580/1024/1024)的内容
Relay_Master_Log_File: 当前中继日志同步的二进制文件
Slave_IO_Running: 从服务器中I/O线程的运行状态，YES为运行正常
Slave_SQL_Running: 从服务器中SQL线程的运行状态，YES为运行正常
Exec_Master_Log_Pos: 表示同步完成的主服务器的二进制日志偏移量
Seconds_Behind_Master: 表示从服务器数据比主服务器落后的持续时长

同样可以通过show master status;命令来查看主服务器的运行状态：

正常运行的主从同步状态：

Slave_IO_Running: YES
Slave_SQL_Running: YES
Seconds_Behind_Master: 0

问题排查

在理解了主从同步的机制后，再来看今天遇到的问题，通过查看备机状态，我们观察在三种状态下的几个关键属性值：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 mysql> show slave status\G; #状态一： Slave_IO_State: Reconnecting after a failed master event read Slave_IO_Running: No Slave_SQL_Running: Yes Seconds_Behind_Master: NULL #状态二： Slave_IO_State: Waiting for master to send event Slave_IO_Running: Yes Slave_SQL_Running: Yes Seconds_Behind_Master: 0 #状态三： Slave_IO_State: Queueing master event to the relay log Slave_IO_Running: Yes Slave_SQL_Running: Yes Seconds_Behind_Master: 636

通过MySQL主从复制线程状态转变，我们可以看到三种状态的不同含义：

1 2 3 4 5 6 7 8 9 10 # 状态一 # 线程正尝试重新连接主服务器，当连接重新建立后，状态变为Waiting for master to send event。 Reconnecting after a failed master event read # 状态二 # 线程已经连接上主服务器，正等待二进制日志事件到达。如果主服务器正空闲，会持续较长的时间。如果等待持续slave_read_timeout秒，则发生超时。此时，线程认为连接被中断并企图重新连接。 Waiting for master to send event # 状态三 # 线程已经读取一个事件，正将它复制到中继日志供SQL线程来处理。 Queueing master event to the relay log

在这里，我们可以猜测，由于某些原因，从服务器不断的和主服务器进行断开并尝试重连，重连成功后又再次断开。

我们再看看主机的运行情况：

发现问题出在10.144.63.*和10.144.68.*两台机器上，我们查看其中一台的错误日志：

190214 11:33:20 [Note] Slave: received end packet from server, apparent master shutdown:
190214 11:33:20 [Note] Slave I/O thread: Failed reading log event, reconnecting to retry, log 'mysql-bin.005682' at postion 13628070

拿到关键字Slave: received end packet from server, apparent master shutdown: Google搜索一下，在文章Confusing MySQL Replication Error Message中可以看到原因为两台备机的server-id重复。

One day it happen to me, and took me almost an hour to find that out.
Moving foward I always use a base my.cnf to I copy to any other server and the first thing is to increase the server-id.
Could MySQL just use the servername intead of a numeric value?

问题修复

定位了问题，我们确认下是否重复，发现两台备机的该字段确实相同：

1 2 3 4 5 6 7 vim my.cnf #replication log-bin=mysql-bin # 这个随机数字相同导致的 server- id =177230069 sync_binlog=1