MySQL:5.6大事务showengineinnodbstatus故障一例

database

导读:

作者:高鹏(网名八怪),《深入理解MySQL主从原理32讲》系列文的作者。

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。

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的时候起到了关键做用,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。

const trx_t* trx;

TrxListIterator trx_iter; //这个迭代器是trx_sys->rw_trx_list 这个链表的迭代器

const trx_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:

以上是 MySQL:5.6大事务showengineinnodbstatus故障一例 的全部内容, 来源链接: utcz.com/z/532694.html

回到顶部