---
能力有限有誤請諒解，原始碼版本5.7.22

---

歡迎關注我的《深入理解MySQL主從原理 32講 》，如下：

![image.png](https://upload-images.jianshu.io/upload_images/7398834-0ffa3bdc078cddf4.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
如果圖片不能顯示可檢視下面連結： 
https://www.jianshu.com/p/d636215d767f

###一、案例來源和現象

這個案例是朋友@peaceful遇到的線上問題，最終線索也是他自己找到的。現象如下：

#####1、出現了大量很小的relay log如下，堆積量大約2600個：

```
...
-rw-r----- 1 mysql dba    12827 Oct 11 12:28 mysql-relay-bin.036615
-rw-r----- 1 mysql dba     4908 Oct 11 12:28 mysql-relay-bin.036616
-rw-r----- 1 mysql dba     1188 Oct 11 12:28 mysql-relay-bin.036617
-rw-r----- 1 mysql dba     5823 Oct 11 12:29 mysql-relay-bin.036618
-rw-r----- 1 mysql dba      507 Oct 11 12:29 mysql-relay-bin.036619
-rw-r----- 1 mysql dba     1188 Oct 11 12:29 mysql-relay-bin.036620
-rw-r----- 1 mysql dba     3203 Oct 11 12:29 mysql-relay-bin.036621
-rw-r----- 1 mysql dba    37916 Oct 11 12:30 mysql-relay-bin.036622
-rw-r----- 1 mysql dba      507 Oct 11 12:30 mysql-relay-bin.036623
-rw-r----- 1 mysql dba     1188 Oct 11 12:31 mysql-relay-bin.036624
-rw-r----- 1 mysql dba     4909 Oct 11 12:31 mysql-relay-bin.036625
-rw-r----- 1 mysql dba     1188 Oct 11 12:31 mysql-relay-bin.036626
-rw-r----- 1 mysql dba      507 Oct 11 12:31 mysql-relay-bin.036627
-rw-r----- 1 mysql dba      507 Oct 11 12:32 mysql-relay-bin.036628
-rw-r----- 1 mysql dba     1188 Oct 11 12:32 mysql-relay-bin.036629
-rw-r----- 1 mysql dba      454 Oct 11 12:32 mysql-relay-bin.036630
-rw-r----- 1 mysql dba     6223 Oct 11 12:32 mysql-relay-bin.index

```

#####2、主庫錯誤日誌有如下錯誤

```
2019-10-11T12:31:26.517309+08:00 61303425 [Note] While initializing dump thread for slave with UUID <eade0d03-ad91-11e7-8559-c81f66be1379>, found a zombie dump thread with the same UUID. Master is killing the zombie dump thread(61303421).
2019-10-11T12:31:26.517489+08:00 61303425 [Note] Start binlog_dump to master_thread_id(61303425) slave_server(19304313), pos(, 4)
2019-10-11T12:31:44.203747+08:00 61303449 [Note] While initializing dump thread for slave with UUID <eade0d03-ad91-11e7-8559-c81f66be1379>, found a zombie dump thread with the same UUID. Master is killing the zombie dump thread(61303425).
2019-10-11T12:31:44.203896+08:00 61303449 [Note] Start binlog_dump to master_thread_id(61303449) slave_server(19304313), pos(, 4)
```

###二、slave_net_timeout引數分析

實際上第一眼看這個案例我也覺得很奇怪，因為很少有人會去設定slave_net_timeout引數，同樣我們也沒有設定過，因此關注較少。但是@peaceful自己找到了可能出現問題的設定就是當前從庫slave_net_timeout引數設定為10。我就順著這個線索往下分析，我們先來看看slave_net_timeout引數的功能。
                                     
當前看來從庫的slave_net_timeout有如下兩個功能：

>1、設定IO執行緒在空閒情況下（沒有Event接收的情況下）的連線超時時間。

這個引數5.7.7過後是60秒，以前是3600秒，修改後需要重啟主從才會生效。

>2、如果change master沒有指定MASTER_HEARTBEAT_PERIOD的情況下會設定為slave_net_timeout/2

一般我們配置主從都沒有去指定這個心跳週期，因此就是slave_net_timeout/2，它控制的是如果在主庫沒有Event產生的情況下，多久傳送一個心跳Event給從庫的IO執行緒，用於保持連線。但是一旦我們配置了主從（change master）這個值就定下來了，不會隨著slave_net_timeout引數的更改而更改，我們可以在slave_master_info表中找到相應的設定如下：

```
mysql> select Heartbeat from slave_master_info \G
*************************** 1. row ***************************
Heartbeat: 30
1 row in set (0.01 sec)

```

如果我們要更改這個值只能重新 change master才行。

###三、原因總結

如果滿足下面三個條件，將會出現案例中的故障：

- 主從中的MASTER_HEARTBEAT_PERIOD的值大於從庫slave_net_timeout
- 主庫當前壓力很小持續slave_net_timeout設定時間沒有產生新的Event
- 之前主從有一定的延遲

那麼這種情況下在主庫心跳Event傳送給從庫的IO執行緒之前，IO執行緒已經斷開了。斷開後IO執行緒會進行重連，每次重連將會生成新的relay log，但是這些relay log由於延遲問題不能清理就出現了案例中的情況。

下面是官方文件中關於這部分說明：

```
If you are logging master connection information to tables, MASTER_HEARTBEAT_PERIOD can be seen
as the value of the Heartbeat column of the mysql.slave_master_info table.
Setting interval to 0 disables heartbeats altogether. The default value for interval is equal to the
value of slave_net_timeout divided by 2.
Setting @@global.slave_net_timeout to a value less than that of the current heartbeat interval
results in a warning being issued. The effect of issuing RESET SLAVE on the heartbeat interval is to
reset it to the default value.

```

###四、案例模擬

有了理論基礎就很好了模擬了，但是延遲這一點不太好模擬，因此我模擬的時候關閉了從庫的SQL執行緒來模擬積壓的情況。

提前配置好主從，檢視當前的心跳週期和slave_net_timeout引數如下：

mysql> select Heartbeat from slave_master_info \G
*************************** 1. row ***************************
Heartbeat: 30
1 row in set (0.00 sec)

```

#####1、停止從庫的SQL執行緒

stop slave sql_thread;

#####2、設定slave_net_timeout為10

```

mysql> set global slave_net_timeout=10;
Query OK, 0 rows affected, 1 warning (0.00 sec)

mysql> show warnings;
+---------+------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------+
| Level   | Code | Message                                                                                                                                                         |
+---------+------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------+
| Warning | 1704 | The requested value for the heartbeat period exceeds the value of `slave_net_timeout' seconds. A sensible value for the period should be less than the timeout. |
+---------+------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

```
可以看到這裡實際上已經有一個警告了。

#####3、重啟IO執行緒

這樣才會讓slave_net_timeout引數生效

```
mysql> stop slave ;
Query OK, 0 rows affected (0.01 sec)

mysql> start slave io_thread;
Query OK, 0 rows affected (0.01 sec)
```

######4、觀察現象

大概每10秒會生成一個relay log檔案如下：

```
-rw-r----- 1 mysql mysql        500 2019-09-27 23:48:32.655001361 +0800 relay.000142
-rw-r----- 1 mysql mysql        500 2019-09-27 23:48:42.943001355 +0800 relay.000143
-rw-r----- 1 mysql mysql        500 2019-09-27 23:48:53.293001363 +0800 relay.000144
-rw-r----- 1 mysql mysql        500 2019-09-27 23:49:03.502000598 +0800 relay.000145
-rw-r----- 1 mysql mysql        500 2019-09-27 23:49:13.799001357 +0800 relay.000146
-rw-r----- 1 mysql mysql        500 2019-09-27 23:49:24.055001354 +0800 relay.000147
-rw-r----- 1 mysql mysql        500 2019-09-27 23:49:34.280001827 +0800 relay.000148
-rw-r----- 1 mysql mysql        500 2019-09-27 23:49:44.496001365 +0800 relay.000149
-rw-r----- 1 mysql mysql        500 2019-09-27 23:49:54.789001353 +0800 relay.000150
-rw-r----- 1 mysql mysql        500 2019-09-27 23:50:05.485001371 +0800 relay.000151
-rw-r----- 1 mysql mysql        500 2019-09-27 23:50:15.910001430 +0800 relay.000152
```

大概每10秒主庫的日誌會輸出如下日誌：

```
2019-10-08T02:27:24.996827+08:00 217 [Note] While initializing dump thread for slave with UUID <010fde77-2075-11e9-ba07-5254009862c0>, found a zombie dump thread with the same UUID. Master is killing the zombie dump thread(216).
2019-10-08T02:27:24.998297+08:00 217 [Note] Start binlog_dump to master_thread_id(217) slave_server(953340), pos(, 4)
2019-10-08T02:27:35.265961+08:00 218 [Note] While initializing dump thread for slave with UUID <010fde77-2075-11e9-ba07-5254009862c0>, found a zombie dump thread with the same UUID. Master is killing the zombie dump thread(217).
2019-10-08T02:27:35.266653+08:00 218 [Note] Start binlog_dump to master_thread_id(218) slave_server(953340), pos(, 4)
2019-10-08T02:27:45.588074+08:00 219 [Note] While initializing dump thread for slave with UUID <010fde77-2075-11e9-ba07-5254009862c0>, found a zombie dump thread with the same UUID. Master is killing the zombie dump thread(218).
2019-10-08T02:27:45.589814+08:00 219 [Note] Start binlog_dump to master_thread_id(219) slave_server(953340), pos(, 4)
2019-10-08T02:27:55.848558+08:00 220 [Note] While initializing dump thread for slave with UUID <010fde77-2075-11e9-ba07-5254009862c0>, found a zombie dump thread with the same UUID. Master is killing the zombie dump thread(219).
2019-10-08T02:27:55.849442+08:00 220 [Note] Start binlog_dump to master_thread_id(220) slave_server(953340), pos(, 4)
```
                                
這個日誌就和案例中的一模一樣了。

####解決問題

知道原因後解決也就很簡單了我們只需設定slave_net_timeout引數為MASTER_HEARTBEAT_PERIOD的2倍就可以了，設定後重啟主從即可。

###五、實現方式

這裡我們將透過簡單的原始碼呼叫分析來看看到底slave_net_timeout引數和MASTER_HEARTBEAT_PERIOD對主從的影響。

#####1、從庫使用引數slave_net_timeout

從庫IO執行緒啟動時候會透過引數slave_net_timeout設定超時：
```
->connect_to_master
  -> mysql_options

case MYSQL_OPT_CONNECT_TIMEOUT: //MYSQL_OPT_CONNECT_TIMEOUT
    mysql->options.connect_timeout= *(uint*) arg;
    break;

```

而在建立和主庫的連線時候會使用這個值

```
connect_to_master
 ->mysql_real_connect
   -> get_vio_connect_timeout

timeout_sec= mysql->options.connect_timeout;

```

因此我們也看到了slave_net_timeout引數只有在IO執行緒重啟的時候才會生效

#####2、從庫設定MASTER_HEARTBEAT_PERIOD值

在每次使用從庫change master時候會設定這個值如下，預設為slave_net_timeout/2：

```
->change_master
  ->change_receive_options

mi->heartbeat_period= min<float>(SLAVE_MAX_HEARTBEAT_PERIOD,
                                     (slave_net_timeout/2.0f));

```

因此我們看到只有change master才會重新設定這個值，重啟主從是不會重新設定的。

#####3、使用MASTER_HEARTBEAT_PERIOD值

每次IO執行緒啟動時候會將這個值傳遞給主庫的DUMP執行緒，方式應該是透過構建語句‘SET @master_heartbeat_period’來完成的。如下：

```
->handle_slave_io
 ->get_master_version_and_clock

if (mi->heartbeat_period != 0.0)
  {
    char llbuf[22];
    const char query_format[]= "SET @master_heartbeat_period= %s";
    char query[sizeof(query_format) - 2 + sizeof(llbuf)];

```

主庫啟動DUMP執行緒的時候會透過搜尋的方式找到這個值如下

```
 ->Binlog_sender::init
   ->Binlog_sender::init_heartbeat_period

user_var_entry *entry=
    (user_var_entry*) my_hash_search(&m_thd->user_vars, (uchar*) name.str,
                                     name.length);
  m_heartbeat_period= entry ? entry->val_int(&null_value) : 0;

```

#####4、DUMP執行緒使用MASTER_HEARTBEAT_PERIOD傳送心跳Event

這裡主要是透過一個超時等待來完成，如下：

```
->Binlog_sender::wait_new_events
  ->Binlog_sender::wait_with_heartbeat

set_timespec_nsec(&ts, m_heartbeat_period); //心跳超時
    ret= mysql_bin_log.wait_for_update_bin_log(m_thd, &ts);//等待
    if (ret != ETIMEDOUT && ret != ETIME) //如果是正常收到則收到訊號，說明有新的Event到來，否則如果是超時則傳送心跳Event
      break; //正常返回0 是超時返回ETIMEDOUT 繼續迴圈

if (send_heartbeat_event(log_pos)) //傳送心跳Event
        return 1;

```

#####5、重連會殺掉可能的存在的DUMP執行緒

根據UUID進行比對如下：

```
->kill_zombie_dump_threads

Find_zombie_dump_thread find_zombie_dump_thread(slave_uuid);
THD *tmp= Global_THD_manager::get_instance()->
                                find_thd(&find_zombie_dump_thread);
  if (tmp)
  {
    /*
      Here we do not call kill_one_thread() as
      it will be slow because it will iterate through the list
      again. We just to do kill the thread ourselves.
    */
    if (log_warnings > 1)
    {
      if (slave_uuid.length())
      {
        sql_print_information("While initializing dump thread for slave with "
                              "UUID , found a zombie dump thread with the "
                              "same UUID. Master is killing the zombie dump "
                              "thread(%u).", slave_uuid.c_ptr(),
                              tmp->thread_id());
      }//這裡就是本案例中的日誌了
.....
```

這裡我們看到了案例中的日誌。

#####6、關於DUMP執行緒流程圖

最後給出一張來自我《MySQL主從原理32講》第17節中DUMP執行緒的流程圖如下：

![17-1.png](https://upload-images.jianshu.io/upload_images/7398834-2469f619f4790bb2.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

在圖中可以看到心跳Event傳送的位置。

作者微信：**gp_22389860**</float></eade0d03-ad91-11e7-8559-c81f66be1379></eade0d03-ad91-11e7-8559-c81f66be1379>

MySQL：產生大量小relay log的故障一例

相關文章