通过RDS MySQL SQL洞察和审计排查如何丢失数据?

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
日志服务 SLS,月写入数据量 50GB 1个月
简介: 最近遇到多次业务方,反馈数据写入成功,但是需要查询使用时,数据确找不到了,所以需要确认数据什么不见了?

背景描述

最近遇到多次业务方,反馈数据写入成功,但是需要查询使用时,数据确找不到了,所以需要确认数据什么不见了?

排查方案

  1. 通过应用排查数据是否写入成功。
  1. 通过应用确认每次都是写入成功.
  2. 而且写入后,进行查询都是有数据的。
  1. 通过主键自增确认写入过数据。
  1. 确认主键自增都是有的,但是最后数据不见了。
  1. 查看binlog是否有提交记录。
  1. 确认binlog中没有相应的提交记录,说明最终没有提交成功。
  1. 通过SQL洞察和审计最终确认原因。(重点


SQL洞察和审计

RDS MySQL的SQL洞察和审计由数据库自治服务DAS提供,在全量请求和安全审计的基础上,融合了搜索、SQL洞察、安全审计以及流量回放和压测等功能,帮助您更好地获取SQL语句的具体信息、排查各种性能问题、识别高危风险来源、验证实例规格。

支持版本范围

  • RDS MySQL实例为高可用版、三节点企业版或集群版。

支持SQL记录

  • 开启SQL洞察和审计功能可以记录所有DQL、DML和DDL操作信息,这些信息是通过数据库内核输出,对系统CPU消耗极低。

SQL洞察与Binlog日志的区别

  • SQL洞察:
  • 类似于MySQL的审计日志,会统计所有DQL、DML和DDL操作信息,这些信息是系统通过网络协议分析所得。
  • SQL洞察不解析实际的参数值,在SQL查询量较大的时候会丢失少量记录。因此通过这种方式来统计增量数据可能会出现不准确的情况。
  • SQL洞察是在开始执行时就记录了,所以在显示提交事务时,若最后回滚或退出,就会出现数据没有,但是SQL洞察是有执行记录的。
  • Binlog日志:
  • 准确记录数据库所有的增、删、改操作信息以及恢复用户的增量数据。
  • Binlog是在事务commit时才会记录,所以binlog中记录的,一定是已经提交的记录。

实战场景

在事务中,插入数据,然后执行进行插入数据,最后没有commit,最终数据没有被提交。

1. 测试表:

CREATETABLE `t11` (  `c1` intNOTNULL AUTO_INCREMENT,  `c2` varchar(100) DEFAULT NULL,  `c3` varchar(100) DEFAULT NULL,  PRIMARY KEY (`c1`),  KEY `idx_c2` (`c2`)) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8mb3 COMMENT='TEST';

2. 执行的测试SQL:

set autocommit=0;insertinto t11(c2,c3)values('a','b');commit;insertinto t11(c2,c3)values('a2','b2');rollback;insertinto t11(c2,c3)values('a3','b3');exit

3. 控制台SQL洞察分析

  1. 搜索条件
    探索条件使用得当可以快速找到问题原因。本次探索条件都是跟事务操作有关:
    Login:登录操作;
    LOGOUT:登出操作;
    SET:环境变量操作;
    ROLLBACK:未提的事务回滚;
    COMMIT:提交事务;
    线程ID:可以查看整个线程的操作逻辑


  1. 通过上面的搜索条件,获取关键数据

  1. 结论:
    通过SQL洞察与审计最终可以确定数据为什么不见了!


QA

Q:什么情况会导致出现rollback和没提交就退出了。

A:

  1. 业务代码缺陷,导致最终没有提交事务就自动退出或回滚了。
  2. SQL锁冲突,当会导致其它一个会话回滚。
  3. 会话没有最终执行commit操作就退出了。

解决方案:

  1. 优化调整业务逻辑,避免代码缺陷或锁冲突。
  2. 业务上在出现异常时,保留关键的日志,可以快速定位问题。
相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
相关文章
|
2月前
|
存储 SQL 关系型数据库
mysql底层原理:索引、慢查询、 sql优化、事务、隔离级别、MVCC、redolog、undolog(图解+秒懂+史上最全)
mysql底层原理:索引、慢查询、 sql优化、事务、隔离级别、MVCC、redolog、undolog(图解+秒懂+史上最全)
mysql底层原理:索引、慢查询、 sql优化、事务、隔离级别、MVCC、redolog、undolog(图解+秒懂+史上最全)
|
4月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
2月前
|
SQL 人工智能 关系型数据库
如何实现MySQL百万级数据的查询?
本文探讨了在MySQL中对百万级数据进行排序分页查询的优化策略。面对五百万条数据,传统的浅分页和深分页查询效率较低,尤其深分页因偏移量大导致性能显著下降。通过为排序字段添加索引、使用联合索引、手动回表等方法,有效提升了查询速度。最终建议根据业务需求选择合适方案:浅分页可加单列索引,深分页推荐联合索引或子查询优化,同时结合前端传递最后一条数据ID的方式实现高效翻页。
132 0
|
28天前
|
存储 关系型数据库 MySQL
在CentOS 8.x上安装Percona Xtrabackup工具备份MySQL数据步骤。
以上就是在CentOS8.x上通过Perconaxtabbackup工具对Mysql进行高效率、高可靠性、无锁定影响地实现在线快速全量及增加式数据库资料保存与恢复流程。通过以上流程可以有效地将Mysql相关资料按需求完成定期或不定期地保存与灾难恢复需求。
127 10
|
3月前
|
SQL 关系型数据库 MySQL
Go语言数据库编程:使用 `database/sql` 与 MySQL/PostgreSQL
Go语言通过`database/sql`标准库提供统一数据库操作接口,支持MySQL、PostgreSQL等多种数据库。本文介绍了驱动安装、连接数据库、基本增删改查操作、预处理语句、事务处理及错误管理等内容,涵盖实际开发中常用的技巧与注意事项,适合快速掌握Go语言数据库编程基础。
257 62
|
2月前
|
SQL 存储 缓存
MySQL 如何高效可靠处理持久化数据
本文详细解析了 MySQL 的 SQL 执行流程、crash-safe 机制及性能优化策略。内容涵盖连接器、分析器、优化器、执行器与存储引擎的工作原理,深入探讨 redolog 与 binlog 的两阶段提交机制,并分析日志策略、组提交、脏页刷盘等关键性能优化手段,帮助提升数据库稳定性与执行效率。
|
12月前
|
关系型数据库 MySQL 网络安全
5-10Can't connect to MySQL server on 'sh-cynosl-grp-fcs50xoa.sql.tencentcdb.com' (110)")
5-10Can't connect to MySQL server on 'sh-cynosl-grp-fcs50xoa.sql.tencentcdb.com' (110)")
|
SQL 存储 监控
SQL Server的并行实施如何优化?
【7月更文挑战第23天】SQL Server的并行实施如何优化?
413 13
解锁 SQL Server 2022的时间序列数据功能
【7月更文挑战第14天】要解锁SQL Server 2022的时间序列数据功能,可使用`generate_series`函数生成整数序列,例如:`SELECT value FROM generate_series(1, 10)。此外,`date_bucket`函数能按指定间隔(如周)对日期时间值分组,这些工具结合窗口函数和其他时间日期函数,能高效处理和分析时间序列数据。更多信息请参考官方文档和技术资料。
269 9
|
SQL 存储 网络安全
关系数据库SQLserver 安装 SQL Server
【7月更文挑战第26天】
171 6

推荐镜像

更多