一次 MySQL 誤操作導(dǎo)致的事故，「高可用」都頂不住了！

Hollis的新書限時(shí)折扣中，一本深入講解Java基礎(chǔ)的干貨筆記！

本文目錄如下：

事故現(xiàn)場

• 環(huán)境：測試環(huán)境
• 時(shí)間：上午10:30
• 反饋人員：測試群，炸鍋了，研發(fā)同事初步排查后，發(fā)現(xiàn)可能是數(shù)據(jù)庫問題。

然后就開始找原因吧。因?yàn)檫@套集群環(huán)境是我部署的，所以我來排查的話輕車熟路。

系統(tǒng)部署圖

先說下系統(tǒng)的部署圖，方便大家理解。

兩個(gè)數(shù)據(jù)庫部署在 node55 和 node56 節(jié)點(diǎn)上，他們互為主從關(guān)系，所以叫做雙主。

還有兩個(gè) Keepalived 部署在 node55 和 node56 上面，分別監(jiān)控 MySQL 容器的狀態(tài)。

報(bào)錯(cuò)原因和解決方案

• ① 我第一個(gè)想法就是，不是有 Keepalived 來保證高可用么，即使 MySQL 掛了，也可以通過 Keepalived 來自動重啟才對。即使一臺重啟不起來，還有另外一臺可以用的吧？

• ② 那就到服務(wù)器上看下 MySQL 容器的狀態(tài)吧。到 MySQL 的兩臺服務(wù)器上，先看下 MySQL 容器的狀態(tài)，docker ps  命令，發(fā)現(xiàn)兩臺 MySQL 容器都不在列表中，這代表容器沒正常運(yùn)行。

• ③ 這不可能，我可是安裝了 Keepalived 高可用組件的，難道 Keepalived 也掛了？

• ④ 趕緊檢查一波 Keepalived，發(fā)現(xiàn)兩臺 Keepalived 是正常運(yùn)行的。通過執(zhí)行命令查看：systemctl status keepalived

• ⑤ 納尼，Keepalived 也是正常的， Keepalived 每隔幾秒會重啟 MySQL，可能我在那一小段空閑時(shí)間沒看到 MySQL 容器啟動？換個(gè)命令執(zhí)行下，docker ps -a，列出所有容器的狀態(tài)。可以看到 MySQL 啟動后又退出了，說明 MySQL 確實(shí)是在重啟。

• ⑥ 那說明 Keepalived 雖然重啟了 MySQL 容器，但是 MySQL 自身有問題，那 Keepalived 的高可用也沒辦法了。

• ⑦ 那怎么整？只能看下 MySQL 報(bào)什么錯(cuò)了。執(zhí)行查看容器日志的命令。docker logs <容器 id>。找到最近發(fā)生的日志：

• ⑧ 提示 mysql-bin.index 文件不存在，這個(gè)文件是配置在主從同步那里的，在 my.cnf 配置里面。

這個(gè)配置好后，然后執(zhí)行主從同步的時(shí)候，就會在 var/lib/mysql/log 目錄下生成多個(gè) mysql-bin.xxx 的文件。還有一個(gè) mysql-bin.index 索引文件，它會標(biāo)記現(xiàn)在 binlog 日志文件記錄到哪里了。

mysql-bin.index 文件里面的內(nèi)容如下：

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

這個(gè) mysql-bin.000001 文件還是帶序號的，這里還有坑，后面我再說。

⑨ 報(bào)錯(cuò)信息是提示缺少 mysql-bin.index，那我們就去檢查下唄，確實(shí)沒有啊！先不管這個(gè)文件怎么消失的吧，趕緊把這個(gè) log 文件夾先創(chuàng)建出來，然后 mysql 會自動給我們生成這個(gè)文件的。

解決方案：執(zhí)行以下命令創(chuàng)建文件夾和添加權(quán)限。

mkdir log
chmod 777 log -R

⑩ 兩臺服務(wù)器上都有這個(gè) log 目錄后，Keepalived 也幫我們自動重啟好了 MySQL 容器，再來訪問下其中一個(gè)節(jié)點(diǎn) node56 的 MySQL 的狀態(tài)，咦，居然報(bào)錯(cuò)了。

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'

可以看到幾個(gè)關(guān)鍵信息：

• Slave_IO_Running: NO，當(dāng)前同步的 I/O 線程沒有運(yùn)行，這個(gè) I/O 線程是從庫的，它會去請求主庫的 binlog，并將得到的 binlog 寫到本地的 relay-log (中繼日志)文件中。沒有運(yùn)行，則代表從庫同步是沒有正常運(yùn)行。
• Master_Log_File: mysql-bin.000014，說明當(dāng)前同步的日志文件為 000014，之前我們看到節(jié)點(diǎn) node56 上 mysql.index 里面寫的是 000001，這個(gè) 000014 根本就不在 index 文件里面，所以就會報(bào)錯(cuò)了。

這里涉及到主從同步的原理，上一張圖：

從庫會生成兩個(gè)線程,一個(gè) I/O 線程,一個(gè) SQL 線程;

I/O線程會去請求主庫的 binlog 日志文件,并將得到的 binlog 日志文件 寫到本地的 relay-log (中繼日志)文件中;

主庫會生成一個(gè) dump 線程,用來給從庫 I/O 線程傳 binlog;

SQL線程，會讀取 relay log 文件中的日志,并解析成 SQL 語句逐一執(zhí)行。

那好辦啊，我們重新指定下同步哪個(gè)日志文件，以及同步的位置就好了。

解決方案：

看下主庫 node55 上日志文件狀態(tài)。

記下這兩個(gè)信息：File=mysql-bin.00001，Position=117748。（這里也有個(gè)坑：先要鎖表，再看這兩個(gè)值，從庫開始同步后，再解鎖表）。

具體執(zhí)行的命令如下：

FLUSH TABLES WITH READ LOCK;
SHOW MASTER STATUS
UNLOCK TABLES

然后在從庫 node56 上重新指定同步的日志文件和位置：

# 停止從庫同步
STOP SLAVE;

# 設(shè)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;

# 開啟同步
START SLAVE;

再次查看就不報(bào)錯(cuò)了，I/O 線程也跑起來了，

然后將 node55 當(dāng)做從庫，node56 當(dāng)做主庫，同樣執(zhí)行上面的幾步，狀態(tài)顯示正常了，然后用 navicat 工具連下數(shù)據(jù)庫，都是正常的，在測試群反饋下結(jié)果，搞定收工。

好像忘了一個(gè)問題，為啥 log 文件夾被干掉了？？

為什么會出現(xiàn)問題？

然后問了一波當(dāng)時(shí)有沒有人刪除這個(gè) /var/lib/mysql/log 目錄，也沒有人會隨便刪除這個(gè)目錄的吧。

但是發(fā)現(xiàn) log 的上級目錄 /var/lib/mysql 有很多其他文件夾，比如 xxcloud, xxcenter 等。這不就是我們項(xiàng)目中幾個(gè)數(shù)據(jù)庫的名字么，只要在這個(gè)目錄的文件夾，都會顯示在 navicat 上，是一一對應(yīng)的，如下圖所示。其中也顯示了 log 數(shù)據(jù)庫。

那會不會有人從 navicat 上干掉了 log 數(shù)據(jù)庫？極有可能啊！

果然，有位同事之前在遷移升級的過程中，發(fā)現(xiàn)這個(gè) log 數(shù)據(jù)庫在老的系統(tǒng)是沒有的，所以就清理了，這就相當(dāng)于把 log 數(shù)據(jù)庫干掉了，同時(shí)也會把 log 文件夾干掉了。好了，終于水落石出了！這個(gè)其實(shí)也是我前期沒有考慮到 log 目錄的一個(gè)問題。沒錯(cuò)，這是我的鍋~

改進(jìn)

其實(shí)操作同步數(shù)據(jù)庫的時(shí)候，不應(yīng)該用這種覆蓋同步的方式，可以采取單庫同步的方式，也就不會干掉 log 數(shù)據(jù)庫了。但是，這個(gè) log 數(shù)據(jù)庫放在這里有點(diǎn)奇怪啊，能不能不要出現(xiàn)在這里呢？

我們只要指定這個(gè) log 目錄不在  /var/lib/mysql 目錄下就好了。

東哥建議：log 文件和數(shù)據(jù)庫 data 文件進(jìn)行隔離：

datadir = /var/lib/mysql/data

log_bin = /var/lib/mysql/log

另外一個(gè)問題，我們的高可用真的高可用了嗎？

至少沒有做到及時(shí)報(bào)警，MySQL 數(shù)據(jù)庫掛了，我是不知道的，都是通過測試同學(xué)反饋的。

能不能及時(shí)感知到 MySQL 異常呢？

這里可以利用 Keepalived 發(fā)送郵件的功能，或者通過日志報(bào)警系統(tǒng)。這個(gè)是后面需要改進(jìn)的地方。

完

我的新書《深入理解Java核心技術(shù)》已經(jīng)上市了，上市后一直蟬聯(lián)京東暢銷榜中，目前正在6折優(yōu)惠中，想要入手的朋友千萬不要錯(cuò)過哦~長按二維碼即可購買~

長按掃碼享受6折優(yōu)惠

往期推薦

一次簡單的 JVM 調(diào)優(yōu)，拿去寫到簡歷里

高并發(fā)下如何防重？

入職就想run的公司特征

有道無術(shù)，術(shù)可成；有術(shù)無道，止于術(shù)

歡迎大家關(guān)注Java之道公眾號

好文章，我在看??