MySQL級聯復制的同步問題（一）
今天碰到一個有些奇怪的問題，有一套環境，在主從復制的時候有一些問題。
大體的流程設計如下：
三個節點位于三個不同的區域，因為節點1和節點3之間的網絡存在問題，所以走了節點2來中轉，由此可見延遲是難免的，但是延遲不能太大。最終的數據還是要通過節點3來做統計分析查詢。這套環境的數據量不大，但是數據變更貌似是比較頻繁。早上開發的同事反饋，節點同步感覺延遲很大，想讓我幫忙看看到底是哪里出了問題。
查看節點1，節點2沒有延遲，問題就出在節點2到節點3的延遲。
在節點3中查看slave狀態：
> show slave status\G
*************************** 1. row ***************************
Slave_IO_State: Waiting for master to send event
Master_Host:xxxx
Master_User: repl
Master_Port: 3307
Connect_Retry: 10
Master_Log_File:
mysql-bin.000009
Read_Master_Log_Pos: 16186388
Relay_Log_File: relay-bin.000004
Relay_Log_Pos: 13599457
Relay_Master_Log_File: mysql-bin.000009
Slave_IO_Running: Yes
Slave_SQL_Running: No
Replicate_Do_DB:
Replicate_Ignore_DB:
...
Last_Errno: 1032
Last_Error: Could not execute Delete_rows event on table test_mbi.test_dist_online; Can't find record in 'test_dist_o
Skip_Counter: 0
Exec_Master_Log_Pos: 13599294
Relay_Log_Space: 16304336
Until_Condition: None
...
Seconds_Behind_Master: NULL
Master_SSL_Verify_Server_Cert: No
Last_IO_Errno: 0
Last_IO_Error:
Last_SQL_Errno: 1032
Last_SQL_Error: Could not execute Delete_rows event on table test_mbi.test_dist_online; Can't find record in 'test_dist_o
Replicate_Ignore_Server_Ids:
Master_Server_Id: 23307
Master_UUID: 189a00c4-16a3-11e6-a678-06c76b65c01e
Master_Info_File: mysql.slave_master_info
SQL_Delay: 0
SQL_Remaining_Delay: NULL
Slave_SQL_Running_State:
Master_Retry_Count: 86400
1 row in set (0.00 sec)
發現在日志應用中出現了1032的錯誤，即刪除的數據在從庫中找不到。一般來看這類問題，感覺好像說小也小，那skip一下吧，發現這個不是權宜之計，因為skip了這個問題之后接著又碰到了同樣的問題，所以反反復復修改skip本身就是一件隔靴撓癢的事情，而且實際上數據已經不一致了。
因為需求緊迫，時間又比較緊張，數據的延遲較大，所以簡單評估之后發現還是重建從庫。
當然這個步驟就很常規了。我也簡單列舉一下：
因為是多實例的場景，所以使用了如下的命令來導出：
/opt/mysql/bin/mysqldump -S /data2/bmbidb/mysql.sock --single-transaction --master-data=2 -B test_ad test_mbi test_sys_mgr |gzip > test.sql.gz
然后在各種網絡層面周旋，總算是把這個dump從節點2拷貝到了從庫環境節點3
然后在節點3停止slave,開始導入數據：
gunzip < test.sql.gz | /opt/mysql/bin/mysql --socket=/home/bmbidb/mysql.sock --port=3307
start slave
接著開始change master,當然這個時候對于MASTER_LOG_FILE，MASTER_LOG_POS可以通過dump來得到這些信息
gunzip < tes.sql.gz | head -50
會發現下面這么一段內容：
-- CHANGE MASTER TO MASTER_LOG_FILE='mysql-bin.000008', MASTER_LOG_POS=241903809;
這就是需要我們關注的地方，然后直接使用即可。
CHANGE MASTER TO MASTER_HOST='xxxx',MASTER_USER='repl',MASTER_PASSWORD='xxxx',MASTER_PORT=3307,MASTER_LOG_FILE='mysql-bin.000008', MASTER_LOG_POS=241903809,MASTER_CONNECT_RETRY=10;
這樣從庫的設置就完成了。
然后在下午的晚些時間又碰到了類似的問題，這可讓我很糾結了，不可能一出現這種情況我就重建從庫吧。
排除了很多潛在的原因，包括sync_binlog,表結構差異，節點中的數據庫權限，表的存儲引擎等。貌似還是沒有找到要領。
通過mysqlbinlog去解析relay日志，依舊是無功而返。
/opt/mysql/bin/mysqlbinlog -vv relaylog.05 --base64-output decode-rows > relay05.tmp
所以這個問題還是很讓人糾結的。
在同事的協助下，暫時使用了一個臨時方案先來過渡。對于這類的DML操作如果數據不存在，可以選擇忽略，即設置slave_exec_mode為IDEMPOTENT，而默認職位STRICT
> set global slave_exec_mode='IDEMPOTENT';
Query OK, 0 rows affected (0.00 sec)
> stop slave;set global sql_slave_skip_counter=1;start slave;
Query OK, 0 rows affected (0.00 sec)
Query OK, 0 rows affected (0.00 sec)
Query OK, 0 rows affected (0.00 sec)
修改完成后，這類問題暫時告一段落，還需要找到根本的原因。這種情況下比對了部分的數據，沒有發現其他的數據沖突，但是解決方案也需要一個合理的解釋。我們下一篇來繼續聊聊這個，應該會有一個答復。
