故障分析 | MySQL:5.6 大事务 show engine innodb status 故障一例

作者:高鹏(网名八怪)
文章末尾有他著作的《深入理解 MySQL 主从原理 32 讲》,深入透彻理解 MySQL 主从,GTID 相关技术知识。
本文来源:转载自公众号-老叶茶馆,
(作者:https://www.jianshu.com/p/40bef28e84cf)
*爱可生开源社区出品,原创内容未经授权不得随意使用,转载请联系小编并注明来源。


背景

今天遇到一个朋友的线上问题,大概意思就是说,我有一个线上的大事务大概 100G 左右,正在做回滚,当前看起来似乎影响了线上的业务,并且回滚很慢,是否可以减轻对线上业务的影响。并且朋友已经取消了双 1 设置,但是没有任何改观。版本:MySQL 5.6
首先我们需要知道的是,MySQL 并不适合大事务,大概列举一些 MySQL 中大事务的影响:

  • binlog 文件作为一次写入,会在 sync 阶段消耗大量的 IO,会导致全库 hang 主,状态大多为 query end。
  • 大事务会造成导致主从延迟。
  • 大事务可能导致某些需要备份挂起,原因在于 flush table with read lock,拿不到 MDL GLOBAL 级别的锁,等待状态为 Waiting for global read lock。
  • 大事务可能导致更大 Innodb row 锁加锁范围,导致 row 锁等待问题。
  • 回滚困难。

基于如上一些不完全的列举,我们应该在线上尽可能的避免大事务。好了我们下面来进行问题讨论。

分析

一、问题

前面已经说了,我们已经取消了双 1 设置,所谓的双 1 就是 sync_binlog=1 和 innodb_flush_log_at_trx_commit=1。这两个参数线上要保证为 1,前者保证 binlog 的安全,后者保证 redo 的安全,它们在数据库 crash recovery 的时候起到了关键作用,不设置为双 1 可能导致数据丢失。具体的参数含义不做过多讨论。但是这里的问题是即便取消了双 1,没有任何改观,因此似乎说明 IO问题不是主要瓶颈呢?

下面我们来看几个截图:

  • vmstat 截图
  • iostat 截图
  • top -Hu截图

我们重点观察 vmstat 的 r 和 b 列发现,IO 队列没有什么问题,并且 wa% 并不大。我们观察 iostat 中的 %util 和读写数据大小来看问题不大,并且 tps 远没达到极限(SSD 盘)。我们 top -Hu 可以观察到 %us 不小,并且有线程已经打满了(99.4%CPU)一个 CPU 核。 因此我们可以将方向转为研究 CPU 瓶颈的产生,希望能够对问题有帮助,然后从提供的 perf top 中我们有如下发现:

好了我们将问题先锁定到 lock_number_of_rows_locked 这个函数上。

二、函数 lock_number_of_rows_locked 的作用

朋友用的 5.6,但是我这里以 5.7.26 的版本进行描述。然后下一节描述 5.6 和 5.7 算法上的关键差异。不知道大家是否注意过 show engine innodb status 中的这样一个标志:

这个标记就来自函数 lock_number_of_rows_locked,含义为当前事务加行锁的行数。而这个函数包裹在函数 lock_print_info_all_transactions 下面,lock_print_info_all_transactions 函数是打印我们通常看到 show engine innodb status 中事务部分的核心参数。我们来看一下简单的流程:

PrintNotStarted print_not_started(file);//建立一个结构体,目的是做not start 事务的打印
ut_list_map(trx_sys->mysql_trx_list, print_not_started); //这个地方打印出那些事务状态是no start的事务。mysql_trx_list是全事务。

consttrx_t* trx;
TrxListIterator trx_iter; //这个迭代器是trx_sys->rw_trx_list 这个链表的迭代器
consttrx_t* prev_trx = 0;

/* Control whether a block should be fetched from the buffer pool. */
bool load_block = true;
bool monitor = srv_print_innodb_lock_monitor && (srv_show_locks_held != 0);

while((trx = trx_iter.current()) != 0) { //通过迭代器进行迭代 ,显然这里不会有只读事务的信息,全部是读写事务。

...
/* If we need to print the locked record contents then we
need to fetch the containing block from the buffer pool. */
if(monitor) {

/* Print the locks owned by the current transaction. */
TrxLockIterator& lock_iter = trx_iter.lock_iter();

if(!lock_trx_print_locks( //打印出锁的详细信息
file, trx, lock_iter, load_block))

简单的说就是先打印哪些处于 not start 的事务,然后打印那些读写事务的信息,当然我们的回滚事务肯定也包含在其中了,需要注意的是只读事务 show engine 不会打印。对于处于回滚状态的事务我们可以在 show engine 中观察到如下信息:

函数 trx_print_low 可以看到大部分的信息,这里就不详细解释了。既然如此我们需要明白 lock_number_of_rows_locked 是如何计算的,下面进行讨论。

三、函数 lock_number_of_rows_locked 的算法变化

上面我们说了函数 lock_number_of_rows_locked 函数会打印出当前事务加行锁的行数。那么我们来看一下 5.6 和 5.7 算法的不同。

5.7.26

实际上只有如下一句话:

return(trx_lock->n_rec_locks);

我们可以看到这是返回了一个计数器,而这个计数器的递增就是在每行记录加锁后完成的,在函数 lock_rec_set_nth_bit 的末尾可以看到 ++lock->trx->lock.nreclocks,因此这是一种预先计算的机制。因此这样的计算代价很低,也不会由于某个事务持有了大量的锁,而导致计算代价过高。

5.6.22

随后我翻了一下 5.6.22 的代码,发现完全不同如下:

for(lock= UT_LIST_GET_FIRST(trx_lock->trx_locks); //使用for循环每个获取的锁结构
lock!= NULL;
lock= UT_LIST_GET_NEXT(trx_locks, lock)) {
if(lock_get_type_low(lock) == LOCK_REC) { //过滤为行锁
ulint n_bit;
ulint n_bits = lock_rec_get_n_bits(lock);

for(n_bit = 0; n_bit < n_bits; n_bit++) {//开始循环每一个锁结构的每一个bit位进行统计
if(lock_rec_get_nth_bit(lock, n_bit)) {
n_records++;
}
}
}
}

return(n_records);

我们知道循环本身是一种 CPU 密集型的操作,这里使用了嵌套循环实现。因此如果在 5.6 中如果出现大事务操作了大量的行,那么获取行锁记录的个数的时候,将会出现高耗 CPU 的情况。

四、原因总结和解决

有了上面的分析我们很清楚了,触发的原因有如下几点:

  • MySQL 5.6 版本

  • 有大事务的存在,大概 100G 左右的数据加行锁了

  • 使用了 show engine innodb status

这样当在统计这个大事务行锁个数的时候,就会进行大量的循环操作。从现象上看就是线程消耗了大量的 CPU 资源,并且处于 perf top 的第一位。

知道了原因就很简单了,找出为频繁使用 show engine innodb status 的监控工具,随后业务全部恢复正常,IO 利用率也上升了如下:

当然如果能够使用更新的版本比如 5.7 及 8.0 版本将不会出现这个问题,可以考虑使用更高版本。分析性能问题需要首先找到性能的瓶颈然后进行集中突破,比如本例中 CPU 资源消耗更加严重。也许解决问题就在一瞬间。

五、其他

最后通过朋友后面查询的 bug 如下:https://bugs.mysql.com/bug.php?id=68647 发现印风(翟卫翔)已经在多年前提出过了这个问题,并且做出了修改意见,并且这个修改意见官方采纳了,也就是上面我们分析的算法改变。经过印风(翟卫翔)的测试有 bug 中有如下描述:

  • From perf top, function locknumberofrowslocked may occupy more than 20% of CPU sometimes

也就是 CPU 消耗会高达 20%。

下面是 5.7.26 调用栈帧:


最后推荐高鹏的专栏《深入理解 MySQL 主从原理 32 讲》,想要透彻了解学习 MySQL 主从原理的朋友不容错过。

你可能感兴趣的:(故障分析 | MySQL:5.6 大事务 show engine innodb status 故障一例)