【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: 0mysqld_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)VeVb武林網(wǎng)的支持。