RDS MySQL只读实例同步延迟原因与处理_关系型数据库-阿里云帮助中心

本文介绍常见的RDS MySQL只读实例延迟时间变长的原因及解决方案。

问题描述

由于阿里云云数据库RDS只读实例采用MySQL原生的基于日志复制技术（异步复制或半异步复制），必然会有同步延迟。延迟会导致只读实例与主实例的数据出现不一致，从而导致业务出现问题。另外，延迟也有可能引起日志堆积，导致只读实例空间被迅速消耗。

说明

若主实例正产生大量的日志，有可能会使只读实例被锁定。
日志复制延迟是通过show slave status命令的second_behind_master字段透出的。

按照延迟时长可将延迟分为以下两种类型：

小于或等于1秒的延迟：由系统延迟计算精度、计算方法、采样时刻、监控时间粒度引起，无问题，无需关注。
大于1秒的延迟：由只读实例规格过小、主实例的TPS过高、主实例的大事务、主实例的DDL语句执行时间较长引起，需要排查处理。

问题原因

小于或等于1秒的延迟：

小于1秒延迟出现原因：由监控时间范围设置过长引起，实际并不存在小于1秒的延迟，无需关注。
如果设置的监控时间范围比较长，就会导致监控的时间粒度比较大。例如，如果监控的时间范围为3小时，默认的监控的时间粒度就会达到30秒级，每个时刻计算得出的数据就是30秒的平均值，就会出现小于1秒的延迟。而实际每个时刻计算出的延迟最小粒度为1秒。
如果想看到更准确的延迟，可以到RDS控制台的性能趋势页面，将监控时间范围缩小到6分钟以内，可以看到时间粒度为1秒的监控值。详情请参见性能趋势。

1秒延迟出现原因：由系统延迟计算精度、计算方法、采样时刻、是否存在跨秒事务引起，实际并不存在1秒的延迟，无需关注。

延迟的计算方法：延迟时长=当前时间（执行show slave status命令的时间）-当前备库上正在应用的事务在主库提交的时间

RDS MySQL中延迟的计算精度是秒级的，会忽略“秒”这一位之后的数据。例如，00:00:00.95会按照00:00:00来计算，00:00:01.05会按照00:00:01来计算。如果采集时刻在整秒刚过（例如00:00:01.05），就可能会导致将不满1秒的延迟（例如0.15秒）计算为1秒，如下表中第4行所示。


事务	主库提交时间	备库提交时间	当前时间（show slave status命令执行的时间）	秒级精度的延迟
Trx1	00:00:00.30	00:00:00.50	00:00:00.35	0(0.35)-0(0.3)=0秒
Trx1	00:00:00.30	00:00:00.50	00:00:00.45	0(0.45)-0(0.3)=0秒
Trx2	00:00:00.90	00:00:01.10	00:00:00.95	0(0.95)-0(0.9)=0秒
Trx2	00:00:00.90	00:00:01.10	00:00:01.05	1(1.05)-0(0.9)=1秒

由于采集的间隔是1整秒，所以每次采集时刻都在整秒刚过，如果有业务压力、存在跨秒事务，这样每次都可能采集到1秒的延迟。而如果采集的时刻不是在整秒刚过（例如00:00:00.95），就会将延迟计算为0秒，如上表中第3行所示。

大于1秒的延迟：
大于1秒的延迟，由以下几种可能的原因引起：
- 只读实例规格过小
  这类延迟场景经常出现在只读实例规格和主实例规格相差较大，而且只读实例负载较重的情况下。例如，只读实例IOPS过高。只读实例为了和主实例保持同步，采用了MySQL原生的日志复制技术，由一个IO线程和一个SQL线程来完成。IO线程负责将主实例的日志拉取到只读实例，SQL线程负责将这些日志应用到只读实例。这两个线程会消耗只读实例的IO资源，所以当只读实例的IOPS配置不高时，会导致只读实例数据延迟。您可以登录RDS控制台，通过监控信息确认IOPS较高。
- 主实例的TPS（Transaction Per Second）过高
  由于只读实例与主实例之前的同步采用的是单线程同步，若主实例并发多线程写入数据，在主实例TPS过高的情况下容易出现只读实例的数据延迟，您可以通过观察只读实例的TPS与主实例的TPS性能数据来判断。
- 主实例的大事务
  主实例执行一个涉及数据量非常大的update、delete、insert…select、replace…select等事务操作时，会生成大量的日志数据并同步到只读实例。只读实例需要花费与主实例相同的时间来完成该事务，因此会导致只读实例同步延迟。例如，在主实例上执行一个持续80秒的删除操作，只读实例进行相同操作时也需要花费很长时间，于是会出现延迟情况。
- 主实例的DDL语句执行时间较长
  - 只读实例和主实例数据同步是串行进行的，如果DDL操作在主实例操作的表过大，执行时间很长，或者执行大量慢查询，则会产生大量的临时表，将导致磁盘容量不足和磁盘IO增加，从而导致同步延迟。常见操作例如create index、repair table、alter table add column等。
  - 只读实例上执行的查询或未完成的事务阻塞了来自主实例的DDL执行。

解决方案

小于或等于1秒的延迟无问题，无需排查处理。这里介绍大于1秒的四种原因引起的延迟的解决方案。

重要

如果您对实例或数据有修改、变更等风险操作，务必注意实例的容灾、容错能力，确保数据安全。
如果您对实例（包括但不限于ECS、RDS）等进行配置与数据修改，建议提前创建快照或开启RDS日志备份等功能。
如果您在阿里云平台授权或者提交过登录账号、密码等安全信息，建议您及时修改。

排查方法

当只读实例出现延迟时，可以根据以下排查方法定位问题：

在RDS控制台中查看监控信息，检查只读实例的IOPS，确认只读实例是否存在资源瓶颈。
在RDS控制台查看监控信息，检查只读实例的TPS，确认主实例TPS是否过高。
检查只读实例的日志增长量，确定是否存在大事务。
查看慢日志信息，确认是否存在alter、repair和create等DDL操作，详情请参见慢日志分析。
只读实例执行show slave status \G命令，确定是否存在元数据锁。
检查只读实例是否存在无主键表的删除或者更新操作，可以通过在只读实例上执行show engine innodb status \G语句查看，或者执行show open tables语句后，查看输出结果的in_use列的值为1的表。

解决方法

本节列出以下四种常见的解决方法，您可以根据排查方法定位的问题原因选择对应的解决方法：

只读实例规格过小
建议您升级只读实例规格，使只读实例的配置大于或者等于主实例的配置，避免由于只读实例规格较小导致延迟，详情请参见变更配置。
主实例的TPS（Transaction Per Second）过高
确认主实例的TPS是否正常，如果TPS过高，则需要对业务进行优化或者拆分，保证主实例的TPS不会导致只读实例出现延迟。TPS相关数据可以通过自治服务的性能趋势页面查看，详情请参见性能趋势。
主实例的大事务
1. 在只读实例出现大事务导致延迟时，登录数据库，执行以下SQL语句，确认Seconds_Behind_Master不断变化，而Exec_Master_Log_Pos却保持不变，说明只读实例的SQL线程在执行一个大事务或者DDL操作，然后通过show processlist语句定位具体的线程。
```
show slave status \G
```
  系统显示类似如下结果：
2. 建议您将大事务拆分为小事务分别执行。例如，在delete语句中增加where条件子句，限制每次删除的数据量，将一次删除操作拆分为多次数据量较小的删除操作进行。这样只读实例可以迅速地完成事务的执行，不会造成数据的延迟。
主实例的DDL语句执行时间较长
- 对于DDL直接引起的只读实例延迟，建议在业务低峰期执行这些DDL。您可根据业务情况通过以下方法进行解决：
  - 业务保障角度：优先开启自动扩容，或者设置磁盘报警阈值为90%，及时扩容磁盘，详情请参见如何扩容RDS实例。
  - SQL优化的角度：开启SQL洞察，定期进行业务SQL语句性能排查，详情请参见SQL洞察和审计。
  - 负载角度：通过设置磁盘报警，开启弹性升配或者手动升配进行解决。
- 对于来自主实例的DDL语句在只读实例上被阻塞的情况：
  1. 在只读实例上执行show processlist语句，确认SQL线程的状态为“waiting for table metadata lock”。
  2. 使用kill命令终止只读实例上引起阻塞的会话，恢复只读实例和主实例的数据同步，详情请参见解决MDL锁导致无法操作数据库的问题。

只读实例延迟介绍

RDS MySQL只读实例通常用于分担主实例的查询压力，或者用于运行OLAP类型的分析应用，避免复杂的统计查询对主实例的性能影响。RDS只读实例拓扑图如下。只读实例架构图

常见问题

Q：为什么我的实例中，部分只读实例有1秒延迟的现象？
A：每个实例的采集程序、启动时间都不一样，有的实例的采集刻凑巧在刚过整秒的时间点，就会有此现象。其他实例的采集时刻不在刚过整秒的时间点，就不会有这个现象。详情请参见小于或等于1秒的延迟。
Q：1秒延迟对我的实例有没有影响？
A：没有影响。1秒延迟并不代表实际存在1秒的延迟。例如，当实际延迟只有0.1秒时，如果采集时间在刚过整秒的时刻，也会采集到1秒的延迟，它是由系统延迟计算精度、计算方法、采样时刻引起的。详情请参见小于或等于1秒的延迟。
建议在配置告警或者代理的读库延迟阈值时，要根据自己的实际需求与配置，并满足：读库延迟阈值>1秒。