今天遇到一个问题，Mysql持续报错，主从同步延时数过大或错误。所以这篇文章给大家分享下主从同步的机制原理以及问题排查思路。
故障表现
最直观的表现为：
mysql> show slave status\G; // 状态一 Seconds_Behind_Master: NULL // 状态二 Seconds_Behind_Master: 0 // 状态三 Seconds_Behind_Master: 79
连续查询，大部分时间该属性值=0，偶发性出现Null或者79等延时值。导致观察主从同步延时的监控持续报警。
故障原因及解决方案
多台备机的server-id一致，导致主机无法长时间同某一台备机连接，进而无法正常同步。
修改server-id后，重启数据库恢复。
主从同步机制
MySQL的主从同步，又称为复制（replication），是一种内置的高可用高性能集群解决方案，主要功能有：
-
数据分布：同步不需要很大带宽，可以实现多数据中心复制数据。 -
读取的负载均衡：通过服务器集群，可以通过DNS轮询、Linux LVS等GSLB（全局负载均衡）方式，降低主服务器的读压力。 -
数据库备份：复制是备份的一部分，但并不能代替备份。还需要与快照相结合。 -
高可用性和故障转移：从服务器可以快速切换为主服务器，减少故障的停机时间和恢复时间。
主从同步分为3步：
- 主服务器（
master）把数据更改记录到二进制日志（binlog）中。 - 从服务器（
slave）把主服务器的二进制日志复制到自己的中继日志（relay log）中。 - 从服务器重做中继日志中的日志，把更改应用到自己的数据库上，达到数据的一致性。
主从同步是一个异步实时的同步，会实时的传输，但存在执行上的延时，如果主服务器压力很大，延时也会相应扩大。
通过上面的图，可以看到一共需要3个线程：
- 主服务器的日志传送线程：负责将二进制日志增量传送到备机
- 从服务器的
I/O线程：负责读取主服务器的二进制日志，并保存为中继日志 - 从服务器的
SQL线程，负责执行中继日志
查看MySQL线程
我们可以使用show full processlist;命令来查看MySQL的状态：
主机的状态：
备机的状态：
可以看到，我的集群架构为1台主机、4台备机，所以在主机中有4个同步线程（已经发送所有的binlog数据到备机，等待binlog日志更新），1个查看命令线程（show full processlist）。在备机中有1个查看命令线程，1个I/O线程（等待主机发送同步数据事件），1个SQL线程（已经读取了所有中继日志，等待I/O线程来更新它）。
查看同步状态
因为主从同步是异步实时的，也就是会存在延时的情况，我们可以通过show slave status;来查看备机上的同步延时：
在主从同步中我们需要关注的一些属性，已经给大家标红了：
-
Slave_IO_State: 当前I/O线程的状态 -
Master_Log_File: 当前同步的主服务器的二进制文件 -
Read_Master_Log_Pos: 当前同步的主服务器的二进制文件的偏移量，单位为字节，如图中为已经同步了12.9M(13630580/1024/1024)的内容 -
Relay_Master_Log_File: 当前中继日志同步的二进制文件 -
Slave_IO_Running: 从服务器中I/O线程的运行状态，YES为运行正常 -
Slave_SQL_Running: 从服务器中SQL线程的运行状态，YES为运行正常 -
Exec_Master_Log_Pos: 表示同步完成的主服务器的二进制日志偏移量 -
Seconds_Behind_Master: 表示从服务器数据比主服务器落后的持续时长
同样可以通过show master status;命令来查看主服务器的运行状态：
正常运行的主从同步状态：
Slave_IO_Running: YESSlave_SQL_Running: YESSeconds_Behind_Master: 0
问题排查
在理解了主从同步的机制后，再来看今天遇到的问题，通过查看备机状态，我们观察在三种状态下的几个关键属性值：
mysql> show slave status\G;#状态一： Slave_IO_State: Reconnecting after a failed master event read Slave_IO_Running: No Slave_SQL_Running: Yes Seconds_Behind_Master: NULL#状态二： Slave_IO_State: Waiting for master to send event Slave_IO_Running: Yes Slave_SQL_Running: Yes Seconds_Behind_Master: 0#状态三： Slave_IO_State: Queueing master event to the relay log Slave_IO_Running: Yes Slave_SQL_Running: Yes Seconds_Behind_Master: 636
通过，我们可以看到三种状态的不同含义：
# 状态一# 线程正尝试重新连接主服务器，当连接重新建立后，状态变为Waiting for master to send event。Reconnecting after a failed master event read# 状态二# 线程已经连接上主服务器，正等待二进制日志事件到达。如果主服务器正空闲，会持续较长的时间。如果等待持续slave_read_timeout秒，则发生超时。此时，线程认为连接被中断并企图重新连接。Waiting for master to send event# 状态三# 线程已经读取一个事件，正将它复制到中继日志供SQL线程来处理。Queueing master event to the relay log
在这里，我们可以猜测，由于某些原因，从服务器不断的和主服务器进行断开并尝试重连，重连成功后又再次断开。
我们再看看主机的运行情况：
发现问题出在10.144.63.*和10.144.68.*两台机器上，我们查看其中一台的错误日志：
190214 11:33:20 [Note] Slave: received end packet from server, apparent master shutdown: 190214 11:33:20 [Note] Slave I/O thread: Failed reading log event, reconnecting to retry, log 'mysql-bin.005682' at postion 13628070
拿到关键字Slave: received end packet from server, apparent master shutdown: Google搜索一下，在文章中可以看到原因为两台备机的server-id重复。
One day it happen to me, and took me almost an hour to find that out. Moving foward I always use a base my.cnf to I copy to any other server and the first thing is to increase the server-id. Could MySQL just use the servername intead of a numeric value?
问题修复
定位了问题，我们确认下是否重复，发现两台备机的该字段确实相同：
vim my.cnf#replicationlog-bin=mysql-bin# 这个随机数字相同导致的server-id=177230069sync_binlog=1
更改一个其他不同的数字，保存，重启MySQL进程，报警恢复。
总结
最终来看，这个问题的解决非常简单，但从刚开始的迷茫到最后的思路清晰，都是我们排查问题所常见的，这篇文章的主要收获是让你明白主从同步的机制和追查问题的思路，希望下次我们都能很快的解决主从同步带给我们的问题。
参考资料
- 《MySQL基础内幕 InnoDB存储引擎 第2版》P8.7 复制
- MySQL主从复制线程状态转变:
- Confusing MySQL Replication Error Message: