MySQL主从同步机制和同步延时问题追查

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：

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：

1. 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。
2. 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。
3. 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。
4. 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：

1. 主服务器（ master ）把数据更改记录到二进制日志（ binlog ）中。
2. 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。
3. 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：

I/O
SQL

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：

1. Slave_IO_State : 当前 I/O 线程的状态
2. Master_Log_File : 当前同步的主服务器的二进制文件
3. 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
4. Relay_Master_Log_File : 当前中继日志同步的二进制文件
5. Slave_IO_Running : 从服务器中 I/O 线程的运行状态， YES 为运行正常
6. Slave_SQL_Running : 从服务器中 SQL 线程的运行状态， YES 为运行正常
7. Exec_Master_Log_Pos : 表示同步完成的主服务器的二进制日志偏移量
8. 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：

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：

# 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：

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

更改一个其他不同的数字，保存，重启 MySQL 进程，报警恢复。

总结

最终来看，这个问题的解决非常简单，但从刚开始的迷茫到最后的思路清晰，都是我们排查问题所常见的，这篇文章的主要收获是让你明白主从同步的机制和追查问题的思路，希望下次我们都能很快的解决主从同步带给我们的问题。

参考资料

1. 《MySQL基础内幕 InnoDB存储引擎 第2版》P8.7 复制
2. MySQL主从复制线程状态转变: http://www.ywnds.com/?p=3821
3. Confusing MySQL Replication Error Message: https://www.percona.com/blog/...