导读
遇到SLAVE延迟很大，binlog apply position一直不动的情况如何排查？
问题描述
收到SLAVE延迟时间一直很大的报警，于是检查一下SLAVE状态（无关状态我给隐去了）：
Slave_IO_State: Waiting for master to send event Master_Log_File: mysql-bin.000605 Read_Master_Log_Pos: 1194 Relay_Log_File: mysql-relay-bin.003224 Relay_Log_Pos: 295105 Relay_Master_Log_File: mysql-bin.000604 Slave_IO_Running: Yes Slave_SQL_Running: Yes Last_Errno: 0 Last_Error: Exec_Master_Log_Pos: 294959 Relay_Log_Space: 4139172581 Seconds_Behind_Master: 10905
可以看到，延迟确实很大，而且从多次show slave status的结果来看，发现binlog的position一直不动。
Read_Master_Log_Pos: 1194 Relay_Log_File: mysql-relay-bin.003224 Relay_Log_Pos: 295105 Relay_Master_Log_File: mysql-bin.000604 Exec_Master_Log_Pos: 294959 Relay_Log_Space: 4139172581
从processlist的中也看不出来有什么不对劲的SQL在跑：
******************** 1. row ****************** Id: 16273070 User: system user Host: db: NULL Command: Connect Time: 4828912 State: Waiting for master to send event Info: NULL ********************* 2. row ***************** Id: 16273071 User: system user Host: db: NULL Command: Connect Time: 9798 State: Reading event from the relay log Info: NULL
在master上查看相应binlog，确认都在干神马事：
[yejr@imysql.com]# mysqlbinlog -vvv --base64-output=decode-rows -j 294959 mysql-bin.000604 | more /*!40019 SET @@session.max_insert_delayed_threads=0*/; /*!50003 SET @OLD_COMPLETION_TYPE=@@COMPLETION_TYPE,COMPLETION_TYPE=0*/; DELIMITER /*!*/; **# at 294959** #160204 6:16:30 server id 1 end_log_pos 295029 **Query thread_id=461151** **exec_time=2144** error_code=0 SET TIMESTAMP=1454537790/*!*/; SET @@session.pseudo_thread_id=461151/*!*/; SET @@session.foreign_key_checks=1, @@session.sql_auto_is_null=0, @@session.unique_checks=1, @@session.autocommit=1/*!*/; SET @@session.sql_mode=0/*!*/; SET @@session.auto_increment_increment=1, @@session.auto_increment_offset=1/*!*/; /*!\C latin1 *//*!*/; SET @@session.character_set_client=8,@@session.collation_connection=8,@@session.collation_server=33/*!*/; SET @@session.lc_time_names=0/*!*/; SET @@session.collation_database=DEFAULT/*!*/; BEGIN /*!*/; # at 295029 # at 295085 # at 296040 # at 297047 # at 298056 # at 299068 # at 300104
上面这段内容的几个关键信息：
# at 294959 — binlog起点
thread_id=461151 — master上执行的线程ID
exec_time=2144 — 该事务执行总耗时
再往下看都是一堆的binlog position信息，通过这种方式可读性不强，我们换一种姿势看看：
[yejr@imysql.com (test)]> show binlog events in 'mysql-bin.000604' from 294959 limit 10; +------------------+--------+-------------+-----------+-------------+----------------------------+ | Log_name | Pos | Event_type | Server_id | End_log_pos | Info | +------------------+--------+-------------+-----------+-------------+----------------------------+ | mysql-bin.000604 | 294959 | Query | 1 | 295029 | BEGIN | | mysql-bin.000604 | 295029 | Table_map | 1 | 295085 | table_id: 84 (bacula.File) | | mysql-bin.000604 | 295085 | Delete_rows | 1 | 296040 | table_id: 84 | | mysql-bin.000604 | 296040 | Delete_rows | 1 | 297047 | table_id: 84 | | mysql-bin.000604 | 297047 | Delete_rows | 1 | 298056 | table_id: 84 | | mysql-bin.000604 | 298056 | Delete_rows | 1 | 299068 | table_id: 84 | | mysql-bin.000604 | 299068 | Delete_rows | 1 | 300104 | table_id: 84 | | mysql-bin.000604 | 300104 | Delete_rows | 1 | 301116 | table_id: 84 | | mysql-bin.000604 | 301116 | Delete_rows | 1 | 302147 | table_id: 84 | | mysql-bin.000604 | 302147 | Delete_rows | 1 | 303138 | table_id: 84
+—————————+————+——————-+—————-+——————-+——————————————+
可以看到，这个事务不干别的，一直在删除数据。
这是一个Bacula备份系统，会每天自动删除一个月前的过期数据。
事实上，这个事务确实非常大，从binlog的294959开始，一直到这个binlog结束4139169218，一直都是在干这事，总共大概有3.85G的binlog要等着apply。
-rw-rw---- 1 mysql mysql 1.1G Feb 3 03:07 mysql-bin.000597 -rw-rw---- 1 mysql mysql 1.1G Feb 3 03:19 mysql-bin.000598 -rw-rw---- 1 mysql mysql 2.1G Feb 3 03:33 mysql-bin.000599 -rw-rw---- 1 mysql mysql 1.4G Feb 3 03:45 mysql-bin.000600 -rw-rw---- 1 mysql mysql 1.8G Feb 3 04:15 mysql-bin.000601 -rw-rw---- 1 mysql mysql 1.3G Feb 3 04:53 mysql-bin.000602 -rw-rw---- 1 mysql mysql 4.5G Feb 4 06:16 mysql-bin.000603 -rw-rw---- 1 mysql mysql 3.9G Feb 4 06:52 mysql-bin.000604 -rw-rw---- 1 mysql mysql 1.2K Feb 4 06:52 mysql-bin.000605
可以看到上面的历史binlog，个别情况下，一个事务里一次性要删除数据量太大了，导致binlog文件远超预设的1G，最大的达到4.5G之多。
怎么解决
由于这是Bacula备份系统内置生成的大事务，除非去修改它的源码，否则没有太好的办法。
对于我们一般的应用而言，最好是攒够一定操作后，就先提交一下事务，比如删除几千条记录后提交一次，而不是像本例这样，一个删除事务消耗了将近3.9G的binlog日质量，这种就非常可怕了。
除了会导致SLAVE看起来一直不动以外，还可能会导致某些数据行（data rows）被长时间锁定不释放，而导致大量行锁等待发生。
其他导致SLAVE复制进度看起来停滞了的可能原因：设置了Replicate Ignore/Do DB/Table规则，不符合规则的binlog event都会被忽略，从而看起来像是复制停滞不前。
