内容简介:不等主从同步完成,
- 主库A执行完成一个事务, 写入binlog ,记为
T1
- 然后传给从库B,从库B 接收该binlog ,记为
T2
- 从库B执行完成这个事务,记为
T3
- 同步延时:
T3-T1
- 同一个事务,在 从库执行完成的时间 和 主库执行完成的时间 之间的差值
-
SHOW SLAVE STATUS
中的Seconds_Behind_Master
Seconds_Behind_Master
- 计算方法
- 每个事务的
binlog
里面都有一个 时间字段 ,用于记录该binlog
在 主库 上的写入时间 - 从库取出当前正在执行的事务的时间字段的值,计算它与当前系统时间点差值,得到
Seconds_Behind_Master
- 即
T3-T1
- 每个事务的
- 如果主库与从库的时间不一致,
Seconds_Behind_Master
会不会有误差?- 一般不会
- 在 从库连接到主库 时,会通过
SELECT UNIX_TIMESTAMP()
获取 当前主库的系统时间 - 如果 从库 发现 当前主库的系统时间 与自己的不一致,在计算
Seconds_Behind_Master
会 自动扣除 这部分差值 - 但建立连接后,主库或从库又修改了系统时间,依然会不准确
- 在 网络正常 的情况下,
T2-T1
通常会非常小,此时同步延时的主要来源是T3-T2
- 从库消费
relaylog
的速度跟不上主库生成binlog
的速度
- 从库消费
延时来源
- 从库所在 机器的性能 要弱于主库所在的机器
- 更新请求对于IPOS的压力 ,在 主库 和 从库 上是 无差别 的
- 非对称部署 :20个主库放在4个机器上,但所有从库放在一个机器上
- 主从之间可能会 随时切换 ,现在一般都会采用 相同规格的机器 + 对称部署
- 从库压力大
- 常见场景:管理后台的查询语句
- 从库上的查询耗费大量的 CPU资源 和 IO资源 ,影响了同步速度,造成了 同步延时
- 解决方案
- 一主多从 ,分担读压力,一般都会采用
- 通过
binlog
输出到 外部系统 ,例如Hadoop
- 大事务
- 主库上必须等待 事务执行完成 后才会写入
binlog
,再传给从库 - 常见场景1: 一次性删除太多数据 (如归档的历史数据)
- 解决方案:控制每个事务删除的数据量,分多次删除
- 常见场景2: 大表DDL
- 解决方案:
gh-ost
- 解决方案:
- 主库上必须等待 事务执行完成 后才会写入
- 从库的 并行复制能力 (后续展开)
切换策略
可靠性优先
切换过程一般由专门的 HA
系统完成,存在 不可用时间 (主库A和从库B都处于 只读 状态)
- 判断 从库B 的
Seconds_Behind_Master
值,当 小于 某个值(例如5)才继续下一步 - 把 主库A 改为 只读 状态(
readonly=true
) - 等待 从库B 的
Seconds_Behind_Master
值降为0
- 把 从库B 改为 可读写 状态(
readonly=false
) - 把 业务请求 切换至 从库B
可用性优先
不等主从同步完成, 直接把业务请求切换至从库B ,并且让 从库B可读写 ,这样几乎不存在不可用时间,但可能会 数据不一致
表初始化
CREATE TABLE `t` ( `id` INT(11) UNSIGNED NOT NULL AUTO_INCREMENT, `c` INT(11) UNSIGNED DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB; INSERT INTO t (c) VALUES (1),(2),(3);
插入数据
INSERT INTO t (c) VALUES (4); -- 主库上的其它表有大量的更新,导致同步延时为5S,插入c=4后发起了主从切换 INSERT INTO t (c) VALUES (5);
MIXED
- 主库A执行完
INSERT c=4
,得到(4,4)
,然后开始执行 主从切换 - 主从之间有5S的同步延迟,从库B会先执行
INSERT c=5
,得到(4,5)
,并且会把这个binlog
发给主库A - 从库B执行主库A传过来的
INSERT c=4
,得到(5,4)
- 主库A执行从库B传过来的
INSERT c=5
,得到(5,5)
- 此时主库A和从库B会有 两行 不一致的数据
ROW
- 采用
ROW
格式的binlog
时,会记录新插入行的 所有字段的值 ,所以最后只会有 一行 数据不一致 - 主库A和从库B的同步线程都会 报错并停止 :
duplicate key error
小结
- 使用
ROW
格式的binlog
,数据不一致的问题 更容易发现 ,采用MIXED
或STATEMENT
格式的binlog
,数据可能悄悄地不一致 - 主从切换采用 可用性优先 策略,可能会导致 数据不一致 ,大多数情况下,优先选择 可靠性优先 策略
- 在满足 数据可靠性 的前提下,MySQL的 可用性 依赖于 同步延时 的大小( 同步延时越小 , 可用性越高 )
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 如何提升系统可用性?
- WebP 可用性探测
- 持续交付与可用性
- 可用性高达5个9!支付系统高可用架构设计实战
- 浪潮InCloud OpenStack:度量可用性“三维”,实现高可用云环境
- 特征工程:特征设计、特征可用性评估
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python Algorithms
Magnus Lie Hetland / Apress / 2010-11-24 / USD 49.99
Python Algorithms explains the Python approach to algorithm analysis and design. Written by Magnus Lie Hetland, author of Beginning Python, this book is sharply focused on classical algorithms, but it......一起来看看 《Python Algorithms》 这本书的介绍吧!