【問題描述】
我們生產(chǎn)環(huán)境有一組集群的多臺(tái)MySQL服務(wù)器(MySQL 5.6.21)，不定期的會(huì)crash，但error log中只記錄了重啟信息，未記錄crash時(shí)的堆棧：
mysqld_safe Number of processes running now: 0
mysqld_safe mysqld restarted
接下來首先排查系統(tǒng)日志/var/log/message文件，crash時(shí)沒有其他異常信息，也不是OOM導(dǎo)致的。
【排查思路】
由于日志中未記錄有價(jià)值的信息。為定位crash的原因，首先開啟mysql core dump的功能。
下面是開啟core dump的步驟：
1、 在my.cnf文件中增加2個(gè)配置項(xiàng)
[mysqld]
core_file
[mysqld_safe]
core-file-size=unlimited
2、修改系統(tǒng)參數(shù)，配置suid_dumpable
echo 1 >/proc/sys/fs/suid_dumpable
3、重啟mysql服務(wù)，配置生效
【問題分析】
開啟core dump后，服務(wù)器再次crash時(shí)生成了core file。
用gdb分析生成的core file，可以看到crash時(shí)的堆棧信息如下：
從函數(shù)table_esms_by_digest::delete_all_rows可以看出觸發(fā)crash的是truncate table events_statements_summary_by_digest操作。
我們內(nèi)部有個(gè)DML的分析工具，用來統(tǒng)計(jì)數(shù)據(jù)庫(kù)每分鐘增刪改查的訪問量。該工具的數(shù)據(jù)源是events_statements_summary_by_digest表，采集程序會(huì)每一分鐘采集一次這張表的數(shù)據(jù)，采集完成后執(zhí)行truncate操作。
暫停這組集群上DML采集程序后MySQL沒有再發(fā)生crash。
進(jìn)一步分析多個(gè)core file，發(fā)現(xiàn)最終函數(shù)的調(diào)用都發(fā)生在_lf_pinbox_real_free函數(shù)上。
結(jié)合現(xiàn)場(chǎng)環(huán)境，有兩處地方值得分析：
1、 內(nèi)存的不正常值。當(dāng)打印該變量時(shí)，此處變量的地址偏低，不太正常：
(gdb) p pins->pinbox
$2 = (LF_PINBOX *) 0x1367208
2、紅字部分為pfs逐條釋放digest記錄的操作，正在釋放某行數(shù)據(jù)時(shí)出現(xiàn)錯(cuò)誤：
void reset_esms_by_digest()
{
uint index;
if (statements_digest_stat_array == NULL)
return;
PFS_thread *thread= PFS_thread::get_current_thread();
if (unlikely(thread == NULL))
return;
for (index= 0; index digest_max; index++)
{
statements_digest_stat_array[index].reset_index(thread);
statements_digest_stat_array[index].reset_data();
}
digest_index= 1;
}
猜測(cè)有兩種可能導(dǎo)致錯(cuò)誤：
1、高并發(fā)下，對(duì)內(nèi)存訪問出現(xiàn)沖突；
2、某個(gè)特殊SQL導(dǎo)致，在處理hash時(shí)。
在網(wǎng)上搜索類似的問題，有了進(jìn)一步的進(jìn)展，基本確定了這個(gè)問題是bug導(dǎo)致
如下Mysql的bug report中講述了類似問題
https://bugs.mysql.com/bug.php?id=73979
更詳細(xì)的環(huán)境描述如下連接中
https://bugs.launchpad.net/percona-server/+bug/1351148
查到5.6.35上的bug fix的修復(fù)內(nèi)容，和我們碰到的情況非常類似。
對(duì)比_lf_pinbox_real_free的修改，該部分確實(shí)進(jìn)行很大的調(diào)整。
下面是MySQL 5.6.35函數(shù)_lf_pinbox_real_free的代碼片段：
static void _lf_pinbox_real_free(LF_PINS pins)
{
LF_PINBOX pinbox= pins->pinbox;
struct st_match_and_save_arg arg = {pins, pinbox, pins->purgatory};
pins->purgatory= NULL;
pins->purgatory_count= 0;
lf_dynarray_iterate(pinbox->pinarray,
(lf_dynarray_func)match_and_save, arg);
if (arg.old_purgatory)
{
void *last= arg.old_purgatory;
while (pnext_node(pinbox, last))
last= pnext_node(pinbox, last);
pinbox->free_func(arg.old_purgatory, last, pinbox->free_func_arg);
}
}
下面是MySQL 5.6.21函數(shù)的_lf_pinbox_real_free的代碼片段
static void _lf_pinbox_real_free(LF_PINS pins)
{
int npins;
void list;
void **addr= NULL;
void first= NULL, last= NULL;
LF_PINBOX pinbox= pins->pinbox;
npins= pinbox->pins_in_array+1;
if (pins->stack_ends_here != NULL)
{
int alloca_size= sizeof(void )LF_PINBOX_PINSnpins;
if (available_stack_size(pinbox, *pins->stack_ends_here) > alloca_size)
{
struct st_harvester hv;
addr= (void **) alloca(alloca_size);
hv.granary= addr;
hv.npins= npins;
_lf_dynarray_iterate(pinbox->pinarray,
(lf_dynarray_func)harvest_pins, hv);
npins= hv.granary-addr;
if (npins)
qsort(addr, npins, sizeof(void *), (qsort_cmp)ptr_cmp);
}
}
同時(shí)觀察到出問題的集群有指標(biāo)異常，QPS不到6000，Threads_connected將近8000。（對(duì)比其他高并發(fā)的集群，QPS在20000以上，Threads_connected也只有300左右）。
排查應(yīng)用端的連接方式，了解到其中一個(gè)應(yīng)用有近百臺(tái)應(yīng)用服務(wù)器，可能同時(shí)發(fā)起請(qǐng)求，卻沒有合理的復(fù)用連接，維持大量的連接線程增大了bug觸發(fā)的概率。
Bugs Fixed的描述如下：
Miscalculation of memory requirements for qsort operations could result in stack overflow errors in situations with a large number of concurrent server connections. (Bug #73979, Bug #19678930, Bug #23224078)
【解決思路】
我們通過分析crash時(shí)的core file文件，找到crash時(shí)的觸發(fā)條件，暫停DML采集程序（truncate table events_statements_summary_by_digest操作）后恢復(fù)。
后面了解到這是MySQL的一個(gè)bug，在MySQL 5.6.35版本后已修復(fù)。這個(gè)bug在應(yīng)用端與數(shù)據(jù)庫(kù)建立大量的連接時(shí)，更容易觸發(fā)。
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。
