RDS MySQL只读实例同步延迟原因与处理 - 云数据库 RDS

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Binlog的复制技术（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Binlog堆积，导致只读实例空间被迅速消耗。本文介绍常见的导致延迟时间变长的场景。

说明：若主实例正产生大量的Binlog，这种情况下有可能会使只读实例被锁定。

问题原因

常见的几种导致延迟时间变长的问题原因如下：

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Binlog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Binlog拉取到只读实例，SQL线程负责将这些Binlog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Binlog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

阿里云提醒您：

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Binlog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，详情请参见分析慢日志。
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

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。
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的完成事务的执行，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。
- 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. 需要在只读实例上执行show processlist语句，确认SQL线程的状态为“waiting for table metadata lock”。
2. 然后使用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。

适用于

云数据库RDS MySQL版