【問題描述】

我們生產環境有一組集群的多臺MySQL服務器(MySQL 5.6.21)，不定期的會crash，但error log中只記錄了重啟信息，未記錄crash時的堆棧：

mysqld_safe Number of processes running now: 0mysqld_safe mysqld restarted

接下來首先排查系統日志/var/log/message文件，crash時沒有其他異常信息，也不是OOM導致的。

【排查思路】

由于日志中未記錄有價值的信息。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個配置項

[mysqld]core_file[mysqld_safe]core-file-size=unlimited

2、修改系統參數，配置suid_dumpable

echo 1 >/proc/sys/fs/suid_dumpable

3、重啟mysql服務，配置生效

【問題分析】

開啟core dump后，服務器再次crash時生成了core file。

用gdb分析生成的core file，可以看到crash時的堆棧信息如下：

從函數table_esms_by_digest::delete_all_rows可以看出觸發crash的是truncate table events_statements_summary_by_digest操作。

我們內部有個DML的分析工具，用來統計數據庫每分鐘增刪改查的訪問量。該工具的數據源是events_statements_summary_by_digest表，采集程序會每一分鐘采集一次這張表的數據，采集完成后執行truncate操作。

暫停這組集群上DML采集程序后MySQL沒有再發生crash。

進一步分析多個core file，發現最終函數的調用都發生在_lf_pinbox_real_free函數上。

結合現場環境，有兩處地方值得分析：

1、 內存的不正常值。當打印該變量時，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，正在釋放某行數據時出現錯誤：

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;}

猜測有兩種可能導致錯誤：

1、高并發下，對內存訪問出現沖突；

2、某個特殊SQL導致，在處理hash時。

在網上搜索類似的問題，有了進一步的進展，基本確定了這個問題是bug導致

如下Mysql的bug report中講述了類似問題

https://bugs.mysql.com/bug.php?id=73979

更詳細的環境描述如下連接中

https://bugs.launchpad.net/percona-server/+bug/1351148

查到5.6.35上的bug fix的修復內容，和我們碰到的情況非常類似。

對比_lf_pinbox_real_free的修改，該部分確實進行很大的調整。

下面是MySQL 5.6.35函數_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);}}

同時觀察到出問題的集群有指標異常，QPS不到6000，Threads_connected將近8000。（對比其他高并發的集群，QPS在20000以上，Threads_connected也只有300左右）。

排查應用端的連接方式，了解到其中一個應用有近百臺應用服務器，可能同時發起請求，卻沒有合理的復用連接，維持大量的連接線程增大了bug觸發的概率。

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時的core file文件，找到crash時的觸發條件，暫停DML采集程序（truncate table events_statements_summary_by_digest操作）后恢復。

后面了解到這是MySQL的一個bug，在MySQL 5.6.35版本后已修復。這個bug在應用端與數據庫建立大量的連接時，更容易觸發。

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對VeVb武林網的支持。