这是悟空的第 152 篇原创文章

官网:www.passjava.cn

你好,我是悟空。

上次我们项目不是把 MySQL 高可用部署好了么,MySQL 双主模式 + Keepalived,来保证高可用。简单来说就是有两个 MySQL 主节点,分别有两个 Keepalived 安装在宿主机上监控 MySQL 的状态,一旦发现有问题,就重启 MySQL,而客户端也会自动连接到另外一台 MySQL。

详情可以看悟空写的这篇:实战 MySQL 高可用架构

这次是我们在项目中遇到的一次事故,来一起复盘下吧。

本文目录如下:

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

事故现场

  • 环境:测试环境
  • 时间:上午 10:30
  • 反馈人员:测试群,炸锅了,研发同事初步排查后,发现可能是数据库问题。

然后就开始找原因吧。因为这套集群环境是我部署的,所以我来排查的话轻车熟路。

系统部署图

先说下系统的部署图,方便大家理解。

两个数据库部署在 node55 和 node56 节点上,他们互为主从关系,所以叫做双主。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

还有两个 Keepalived 部署在 node55 和 node56 上面,分别监控 MySQL 容器的状态。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

报错原因和解决方案

  • ① 我第一个想法就是,不是有 Keepalived 来保证高可用么,即使 MySQL 挂了,也可以通过 Keepalived 来自动重启才对。即使一台重启不起来,还有另外一台可以用的吧?
  • ② 那就到服务器上看下 MySQL 容器的状态吧。到 MySQL 的两台服务器上,先看下 MySQL 容器的状态,docker ps 命令,发现两台 MySQL 容器都不在列表中,这代表容器没正常运行。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

  • ③ 这不可能,我可是安装了 Keepalived 高可用组件的,难道 Keepalived 也挂了?
  • ④ 赶紧检查一波 Keepalived,发现两台 Keepalived 是正常运行的。通过执行命令查看:systemctl status keepalived

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

  • ⑤ 纳尼,Keepalived 也是正常的, Keepalived 每隔几秒会重启 MySQL,可能我在那一小段空闲时间没看到 MySQL 容器启动?换个命令执行下,docker ps -a,列出所有容器的状态。可以看到 MySQL 启动后又退出了,说明 MySQL 确实是在重启。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

  • ⑥ 那说明 Keepalived 虽然重启了 MySQL 容器,但是 MySQL 自身有问题,那 Keepalived 的高可用也没办法了
  • ⑦ 那怎么整?只能看下 MySQL 报什么错了。执行查看容器日志的命令。docker logs <容器 id>。找到最近发生的日志:

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

  • ⑧ 提示 mysql-bin.index 文件不存在,这个文件是配置在主从同步那里的,在 my.cnf 配置里面。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

这个配置好后,然后执行主从同步的时候,就会在 var/lib/mysql/log 目录下生成多个 mysql-bin.xxx 的文件。还有一个 mysql-bin.index 索引文件,它会标记现在 binlog 日志文件记录到哪里了。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

mysql-bin.index 文件里面的内容如下:

/var/lib/mysql/log/mysql-bin.000001

这个 mysql-bin.000001 文件还是带序号的,这里还有坑,后面我再说。

⑨ 报错信息是提示缺少 mysql-bin.index,那我们就去检查下呗,确实没有啊!先不管这个文件怎么消失的吧,赶紧把这个 log 文件夹先创建出来,然后 mysql 会自动给我们生成这个文件的。

解决方案:执行以下命令创建文件夹和添加权限。

mkdir logchmod 777 log -R

⑩ 两台服务器上都有这个 log 目录后,Keepalived 也帮我们自动重启好了 MySQL 容器,再来访问下其中一个节点 node56 的 MySQL 的状态,咦,居然报错了。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

Last_IO_Error: Got fatal error 1236 from master when reading data from binary log: 'Could not find first log file name in binary log index file'

可以看到几个关键信息:

  • Slave_IO_Running: NO,当前同步的 I/O 线程没有运行,这个 I/O 线程是从库的,它会去请求主库的 binlog,并将得到的 binlog 写到本地的 relay-log (中继日志) 文件中。没有运行,则代表从库同步是没有正常运行。
  • Master_Log_File: mysql-bin.000014,说明当前同步的日志文件为 000014,之前我们看到节点 node56 上 mysql.index 里面写的是 000001,这个 000014 根本就不在 index 文件里面,所以就会报错了。

这里涉及到主从同步的原理,上一张图:

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

从库会生成两个线程, 一个 I/O 线程, 一个 SQL 线程;

I/O 线程会去请求主库的 binlog 日志文件, 并将得到的 binlog 日志文件 写到本地的 relay-log (中继日志) 文件中;

主库会生成一个 dump 线程, 用来给从库 I/O 线程传 binlog;

SQL 线程,会读取 relay log 文件中的日志, 并解析成 SQL 语句逐一执行。

那好办啊,我们重新指定下同步哪个日志文件,以及同步的位置就好了。

解决方案

看下主库 node55 上日志文件状态。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

记下这两个信息:File=mysql-bin.00001,Position=117748。(这里也有个坑:先要锁表,再看这两个值,从库开始同步后,再解锁表)。

具体执行的命令如下:

FLUSH TABLES WITH READ LOCK;
SHOW MASTER STATUS
UNLOCK TABLES

然后在从库 node56 上重新指定同步的日志文件和位置:

# 停止从库同步STOP SLAVE;# 设置同步文件和位置CHANGE MASTER TO MASTER_HOST='10.2.1.55',MASTER_PORT=3306,MASTER_USER='vagrant',MASTER_PASSWORD='vagrant',MASTER_LOG_FILE='mysql-bin.000001',MASTER_LOG_POS=117748;# 开启同步START SLAVE;

再次查看就不报错了,I/O 线程也跑起来了,

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

在这里插入图片描述

然后将 node55 当做从库,node56 当做主库,同样执行上面的几步,状态显示正常了,然后用 navicat 工具连下数据库,都是正常的,在测试群反馈下结果,搞定收工。

好像忘了一个问题,为啥 log 文件夹被干掉了??

为什么会出现问题?

然后问了一波当时有没有人删除这个 /var/lib/mysql/log 目录,也没有人会随便删除这个目录的吧。

但是发现 log 的上级目录 /var/lib/mysql 有很多其他文件夹,比如 xxcloud, xxcenter 等。这不就是我们项目中几个数据库的名字么,只要在这个目录的文件夹,都会显示在 navicat 上,是一一对应的,如下图所示。其中也显示了 log 数据库。

一次 MySQL 误操作导致的事故,「高可用」都顶不住了!-LMLPHP

那会不会有人从 navicat 上干掉了 log 数据库?极有可能啊!

果然,有位同事之前在迁移升级的过程中,发现这个 log 数据库在老的系统是没有的,所以就清理了,这就相当于把 log 数据库干掉了,同时也会把 log 文件夹干掉了。好了,终于水落石出了! 这个其实也是我前期没有考虑到 log 目录的一个问题。没错,这是我的锅~

改进

其实操作同步数据库的时候,不应该用这种覆盖同步的方式,可以采取单库同步的方式,也就不会干掉 log 数据库了。但是,这个 log 数据库放在这里有点奇怪啊,能不能不要出现在这里呢?

我们只要指定这个 log 目录不在 /var/lib/mysql 目录下就好了。

东哥建议:log 文件和数据库 data 文件进行隔离:

datadir = /var/lib/mysql/data

log_bin = /var/lib/mysql/log

另外一个问题,我们的高可用真的高可用了吗?

至少没有做到及时报警,MySQL 数据库挂了,我是不知道的,都是通过测试同学反馈的。

能不能及时感知到 MySQL 异常呢?

这里可以利用 Keepalived 发送邮件的功能,或者通过日志报警系统。这个是后面需要改进的地方。

  • END -
06-23 23:42