上次我們項目不是把 MySQL 高可用部署好了么，MySQL 雙主模式 + Keepalived，來保證高可用。簡單來說就是有兩個 MySQL 主節點，分別有兩個 Keepalived 安裝在宿主機上監控 MySQL 的狀態，一旦發現有問題，就重啟 MySQL，而客戶端也會自動連接到另外一臺 MySQL。

詳情可以看悟空寫的這篇：??實戰 MySQL 高可用架構??

這次是我們在項目中遇到的一次事故，來一起復盤下吧。

本文目錄如下：

?事故現場

• 環境：測試環境
• 時間：上午10:30
• 反饋人員：測試群，炸鍋了，研發同事初步排查后，發現可能是數據庫問題。

然后就開始找原因吧。因為這套集群環境是我部署的，所以我來排查的話輕車熟路。

系統部署圖

先說下系統的部署圖，方便大家理解。

兩個數據庫部署在 node55 和 node56 節點上，他們互為主從關系，所以叫做雙主。

還有兩個 Keepalived 部署在 node55 和 node56 上面，分別監控 MySQL 容器的狀態。

?報錯原因和解決方案

① 我第一個想法就是，不是有 Keepalived 來保證高可用么，即使 MySQL 掛了，也可以通過 Keepalived 來自動重啟才對。即使一臺重啟不起來，還有另外一臺可以用的吧？

② 那就到服務器上看下 MySQL 容器的狀態吧。到 MySQL 的兩臺服務器上，先看下 MySQL 容器的狀態，docker ps  命令，發現兩臺 MySQL 容器都不在列表中，這代表容器沒正常運行。

③ 這不可能，我可是安裝了 Keepalived 高可用組件的，難道 Keepalived 也掛了？

④ 趕緊檢查一波 Keepalived，發現兩臺 Keepalived 是正常運行的。通過執行命令查看：systemctl status keepalived

⑤ 納尼，Keepalived 也是正常的， Keepalived 每隔幾秒會重啟 MySQL，可能我在那一小段空閑時間沒看到 MySQL 容器啟動？換個命令執行下，docker ps -a，列出所有容器的狀態。可以看到 MySQL 啟動后又退出了，說明 MySQL 確實是在重啟。

⑥ 那說明 Keepalived 雖然重啟了 MySQL 容器，但是 MySQL 自身有問題，那 Keepalived 的高可用也沒辦法了。

⑦ 那怎么整？只能看下 MySQL 報什么錯了。執行查看容器日志的命令。docker logs <容器 id>。找到最近發生的日志：

⑧ 提示 mysql-bin.index 文件不存在，這個文件是配置在主從同步那里的，在 my.cnf 配置里面。

這個配置好后，然后執行主從同步的時候，就會在 var/lib/mysql/log 目錄下生成多個 mysql-bin.xxx? 的文件。還有一個 mysql-bin.index? 索引文件，它會標記現在 binlog 日志文件記錄到哪里了。

mysql-bin.index 文件里面的內容如下：

/var/lib/mysql/log/mysql-bin.000001

這個 mysql-bin.000001 文件還是帶序號的，這里還有坑，后面我再說。

⑨ 報錯信息是提示缺少 mysql-bin.index，那我們就去檢查下唄，確實沒有啊！先不管這個文件怎么消失的吧，趕緊把這個 log 文件夾先創建出來，然后 mysql 會自動給我們生成這個文件的。

解決方案：執行以下命令創建文件夾和添加權限。

mkdir log
chmod 777 log -R

⑩ 兩臺服務器上都有這個 log 目錄后，Keepalived 也幫我們自動重啟好了 MySQL 容器，再來訪問下其中一個節點 node56 的 MySQL 的狀態，咦，居然報錯了。

Last_IO_Error: Got fatal error 1236 from master when reading data from binary log: 'Could not find first log file name in binary log index file'

可以看到幾個關鍵信息：

• Slave_IO_Running: NO，當前同步的 I/O 線程沒有運行，這個 I/O 線程是從庫的，它會去請求主庫的 binlog，并將得到的 binlog 寫到本地的 relay-log (中繼日志)文件中。沒有運行，則代表從庫同步是沒有正常運行。
• Master_Log_File: mysql-bin.000014，說明當前同步的日志文件為??000014??，之前我們看到節點 node56 上 mysql.index 里面寫的是 000001，這個 000014 根本就不在 index 文件里面，所以就會報錯了。

這里涉及到主從同步的原理，上一張圖：

• 從庫會生成兩個線程,一個 I/O 線程,一個 SQL 線程;
• I/O線程會去請求主庫的 binlog 日志文件,并將得到的 binlog 日志文件 寫到本地的 relay-log (中繼日志)文件中;
• 主庫會生成一個 dump 線程,用來給從庫 I/O 線程傳 binlog;
• SQL線程，會讀取 relay log 文件中的日志,并解析成 SQL 語句逐一執行。

那好辦啊，我們重新指定下同步哪個日志文件，以及同步的位置就好了。

?解決方案：

看下主庫 node55 上日志文件狀態。

記下這兩個信息：File=mysql-bin.00001，Position=117748。（這里也有個坑：先要鎖表，再看這兩個值，從庫開始同步后，再解鎖表）。

具體執行的命令如下：

FLUSH TABLES WITH READ LOCK;
SHOW MASTER STATUS
UNLOCK TABLES

然后在從庫 node56 上重新指定同步的日志文件和位置：

# 停止從庫同步
STOP SLAVE;

# 設置同步文件和位置
CHANGE MASTER TO MASTER_HOST='10.2.1.55',
MASTER_PORT=3306,
MASTER_USER='vagrant',
MASTER_PASSWORD='vagrant',
MASTER_LOG_FILE='mysql-bin.000001',
MASTER_LOG_POS=117748;

# 開啟同步
START SLAVE;

再次查看就不報錯了，I/O 線程也跑起來了，

在這里插入圖片描述

然后將 node55 當做從庫，node56 當做主庫，同樣執行上面的幾步，狀態顯示正常了，然后用 navicat 工具連下數據庫，都是正常的，在測試群反饋下結果，搞定收工。

?好像忘了一個問題，為啥 log 文件夾被干掉了？？

為什么會出現問題？

然后問了一波當時有沒有人刪除這個 /var/lib/mysql/log 目錄，也沒有人會隨便刪除這個目錄的吧。

但是發現 log 的上級目錄 /var/lib/mysql 有很多其他文件夾，比如 xxcloud, xxcenter 等。這不就是我們項目中幾個數據庫的名字么，只要在這個目錄的文件夾，都會顯示在 navicat 上，是一一對應的，如下圖所示。其中也顯示了 log 數據庫。

那會不會有人從 navicat 上干掉了 log 數據庫？極有可能啊！

果然，有位同事之前在遷移升級的過程中，發現這個 log 數據庫在老的系統是沒有的，所以就清理了，這就相當于把 log 數據庫干掉了，同時也會把 log 文件夾干掉了。好了，終于水落石出了！這個其實也是我前期沒有考慮到 log 目錄的一個問題。沒錯，這是我的鍋~

改進

其實操作同步數據庫的時候，不應該用這種覆蓋同步的方式，可以采取單庫同步的方式，也就不會干掉 log 數據庫了。但是，這個 log 數據庫放在這里有點奇怪啊，能不能不要出現在這里呢？

我們只要指定這個 log 目錄不在  /var/lib/mysql 目錄下就好了。

東哥建議：log 文件和數據庫 data 文件進行隔離：

• datadir = /var/lib/mysql/data
• log_bin = /var/lib/mysql/log

?另外一個問題，我們的高可用真的高可用了嗎？

至少沒有做到及時報警，MySQL 數據庫掛了，我是不知道的，都是通過測試同學反饋的。

能不能及時感知到 MySQL 異常呢？

這里可以利用 Keepalived 發送郵件的功能，或者通過日志報警系統。這個是后面需要改進的地方。