MySQL 5.6版本GTID复制异常处理一例

昨天处理了一个MySQL 5.6版本下开启GTID模式复制异常案例，MASTER上的任何操作都无法在SLAVE上应用，SLAVE的RELAY LOG里有记录，但SLAVE的BINLOG却找不到蛛丝马迹。由于开启了GTID，所以排查起来也简单，只需要在SLAVE上把RELAY LOG和BINLOG分别解析成文本文件，再直接搜索MASTER的UUID，就能找到SLAVE上是否应用了MASTER复制过来的事务。 排查过程中，曾经一度怀疑是因为设置了BINLOG-DO或者IGNORE规则，或者设置了REPLICATION-DO或IGNORE规则，甚至是GTID的严重BUG，但都没发现端倪。直到从 SHOW SLAVE STATUS 里发现下面这个信息：

[yejr@imysql.com]> show slave status\G
*************************** 1\. row ***************************
               Slave_IO_State: Waiting for master to send event
...
 Master_Log_File: mysql-bin.000001
 Read_Master_Log_Pos: 2539
               Relay_Log_File: mysql-relay-bin.000003
                Relay_Log_Pos: 1996
 Relay_Master_Log_File: mysql-bin.000001
             Slave_IO_Running: Yes
            Slave_SQL_Running: Yes
# 两个线程工作正常
              Replicate_Do_DB:
          Replicate_Ignore_DB:
           Replicate_Do_Table:
       Replicate_Ignore_Table:
      Replicate_Wild_Do_Table:
  Replicate_Wild_Ignore_Table:
#没设置任何规则
                   Last_Errno: 0
                   Last_Error:
                 Skip_Counter: 0
 Exec_Master_Log_Pos: 2539 # 无论binlog file 还是 pos，都和MASTER保持一致，也就是说BINLOG的接收和RELAYR LOG的APPLY都很正常，有条不紊工作着
              Relay_Log_Space: 2778
              Until_Condition: None
               Until_Log_File:
                Until_Log_Pos: 0
...
        Seconds_Behind_Master: 0
Master_SSL_Verify_Server_Cert: No
                Last_IO_Errno: 0
                Last_IO_Error:
               Last_SQL_Errno: 0
               Last_SQL_Error:
  Replicate_Ignore_Server_Ids:
# 没设置忽略某些 server-id 上的BINLOG
             Master_Server_Id: 123315
                  Master_UUID: 35cc99c6-0297-11e4-9916-782bcb2c9453
             Master_Info_File: /data/db11_3316/master.info
 SQL_Delay: 0 # 没有设置复制延迟策略          SQL_Remaining_Delay: NULL
      Slave_SQL_Running_State: Slave has read all relay log; waiting for the slave I/O thread to update it
           Master_Retry_Count: 4294967295
                  Master_Bind:
      Last_IO_Error_Timestamp:
     Last_SQL_Error_Timestamp:
               Master_SSL_Crl:
           Master_SSL_Crlpath:
           Retrieved_Gtid_Set: 35cc99c6-0297-11e4-9916-782bcb2c9453:1-451
 Executed_Gtid_Set: 35cc99c6-0297-11e4-9916-782bcb2c9453:1-2455:792490-4517929                Auto_Position: 1

从上面的日志发现什么了没？尤其是这两行：

           Retrieved_Gtid_Set: 35cc99c6-0297-11e4-9916-782bcb2c9453:1-451
 Executed_Gtid_Set: 35cc99c6-0297-11e4-9916-782bcb2c9453:1-2455:792490-4517929                Auto_Position: 1

这下有点明白了吧，意思是：

1、SLAVE从MASTER上复制了GTID范围是：1-451；
2、SLAVE上执行GTID的范围分为两段，一段是：1-2455，另一段是：792490-4517929；

尼玛，不应该是连续的嘛，怎么会这么奇葩⊙﹏⊙b，这可如何是好呀，好捉急~~~ 莫急，且容我们慢慢分析为啥GTID从MASTER到SLAVE之后发生了断点，产生了间隙。

正常滴，在MySQL 5.6启用GTID后，部署REPLICATION复制时，可以设定 MASTER_AUTO_POSITION = 1，让 SLAVE 根据 GTID 自动选择适当的事务点进行复制，DBA基本上无需关注和担心主从不一致的问题，还是很让DBA省心的。 在启用 MASTER_AUTO_POSITION = 1 的情况下，正常是不会发生 GTID 中间有个空隙，产生断点的问题发生。除非是下面这种情况：

1、人工暂停SLAVE进程；
2、MASTER上继续写入数据；
3、MASTER上刷新LOG；
4、MASTER上删除旧BINLOG，只保留最新的BINLOG；
5、SLAVE上启动MASTER，这时候会报错，像下面这样：
Last_IO_Errno: 1236
Last_IO_Error: Got fatal error 1236 from master when reading data from binary log: 'The slave is connecting using CHANGE MASTER TO MASTER_AUTO_POSITION = 1, but the master has purged binary logs containing GTIDs that the slave requires.'

针对这种问题的处理方法可以这么做：

1、关闭MASTER_AUTO_POSITION，即设置 MASTER_AUTO_POSITION = 0；
2、手工CHANGE BINLOG FILE & POS；

这种情况下，不能再次设置 MASTER_AUTO_POSITION = 1，否则还会再次报错。 还有一种情况会发生 GTID 间隙断点问题，例如这样：

1、正常配置 REPLICATION 复制，但是设置 MASTER_AUTO_POSITION = 0，也就是人工指定 BINLOG FILE & POS的传统方法；
2、在复制过程中，暂时关闭 SLAVE 进程；
3、手工修改 BINLOG FILE & POS 信息，指向新的 BINLOG FILE & POS 点；
4、启动SLAVE，这时候就会发现 GTID 断点的现象重现了；

在主从高可用模式下，可能主从间会发生切换，然后再次切换回来，这时候也可能发生上述的断点问题。因此我们建议采用双主来部署高可用切换，基本上可以实现任意来回切换，无需手工指定新的 BINLOG FIEE & POS 信息。

还有最后一种情况，就是在 MASTER 上执行了 RESET MASTER，导致 MASTER 上的 BINLOG FILE & POS 全部重置，SLAVE 上读取到的信息自然也就不一致了。

好了，说了那么多，我们最后来说下如何应对处理 GTID 断点的问题。

方法一：手工修改 BINLOG FILE & POS

1、关闭SLAVE；
2、手工CHANGE BINLOG FILE & POS，指向MASTER上最新产生的BINLOG FILE & POS，并且设置 MASTER_AUTO_POSITION = 0；
3、启动SLAVE;

方法二：手工修改 GTID_PURGED 值

1、关闭 SLAVE；
2、在 SLAVE 上执行 RESET MASTER，重设 SLAVE 上的 BINLOG FILE & POS（如果这个节点用于复制中继，要注意所有binlog是否都被读取完毕，避免数据丢失）；
3、在 SLAVE 上执行 SET @@GLOBAL.GTID_PURGED = '35cc99c6-0297-11e4-9916-782bcb2c9453:1-2455';
4、启动 SLAVE；

这种做法比较费解一点，意思是，我们告诉SLAVE要主动抛弃掉 MASTER 上传输过来的某些区间的事务。在这个例子中，我们抛弃了 1-2455 这个区间，也就是在 GTID 从 2466 开始，又会继续应用 RELAY LOG 了，相比我们最开始的那个信息：

           Retrieved_Gtid_Set: 35cc99c6-0297-11e4-9916-782bcb2c9453:1-451
 Executed_Gtid_Set: 35cc99c6-0297-11e4-9916-782bcb2c9453:1-2455:792490-4517929

我们强制 SLAVE 只忽略 1-2455 这个区间，从 2466 开始继续复制，消除了本来也会被忽略的区间： 792490-4517929，确保新产生的事务都会被继续应用。这个做法可以参考MySQL手册：Excluding transactions with gtid_purged。

还有另外一种费力不讨好的做法，就是在 MASTER 上执行一些没用的空事务，使得 GTID 的序号一直在加大，直到超过 2555 为止，然后在 792490-4517929 这个区间依法炮制一番，但我们非常不推荐采用这种做法，既麻烦又容易误操作。 说了这么多，在 MySQL 5.6及以上版本中，我们强烈建议启用 MASTER_AUTO_POSITION = 1，让 MySQL 自己去做判断，减少一些不必要的问题，并且采用双主（其中一个主设为只读）的方式，方便两个主之间可以随意相互切换，而不必担心数据不一致。

上面过程我采用的MySQL版本：5.6.17-65.0-rel65.0-log Percona Server with XtraDB (GPL), Release rel65.0, Revision 587，实际案例发生的MySQL版本当时忘了记录了，但肯定也是5.6以上的啦，哈哈~~~