【問題描述】
我們生產環境有一組集群的多臺MySQL服務器(MySQL 5.6.21)，不定期的會crash，但error log中只記錄了重啟信息，未記錄crash時的堆棧：
mysqld_safe Number of processes running now: 0
mysqld_safe mysqld restarted
接下來首先排查系統日志/var/log/message文件，crash時沒有其他異常信息，也不是OOM導致的。
【排查思路】
由于日志中未記錄有價值的信息。為定位crash的原因，首先開啟mysql core dump的功能。
下面是開啟core dump的步驟：
1、 在my.cnf文件中增加2個配置項
[mysqld]
core_file
[mysqld_safe]
core-file-size=unlimited
2、修改系統參數，配置suid_dumpable
echo 1 >/proc/sys/fs/suid_dumpable
3、重啟mysql服務，配置生效
【問題分析】
開啟core dump后，服務器再次crash時生成了core file。
用gdb分析生成的core file，可以看到crash時的堆棧信息如下：
從函數table_esms_by_digest::delete_all_rows可以看出觸發crash的是truncate table events_statements_summary_by_digest操作。
我們內部有個DML的分析工具，用來統計數據庫每分鐘增刪改查的訪問量。該工具的數據源是events_statements_summary_by_digest表，采集程序會每一分鐘采集一次這張表的數據，采集完成后執行truncate操作。
暫停這組集群上DML采集程序后MySQL沒有再發生crash。
進一步分析多個core file，發現最終函數的調用都發生在_lf_pinbox_real_free函數上。
結合現場環境，有兩處地方值得分析：
1、 內存的不正常值。當打印該變量時，此處變量的地址偏低，不太正常：
(gdb) p pins->pinbox
$2 = (LF_PINBOX *) 0x1367208
2、紅字部分為pfs逐條釋放digest記錄的操作，正在釋放某行數據時出現錯誤：
void reset_esms_by_digest()
{
uint index;
if (statements_digest_stat_array == NULL)
return;
PFS_thread *thread= PFS_thread::get_current_thread();
if (unlikely(thread == NULL))
return;
for (index= 0; index digest_max; index++)
{
statements_digest_stat_array[index].reset_index(thread);
statements_digest_stat_array[index].reset_data();
}
digest_index= 1;
}
猜測有兩種可能導致錯誤：
1、高并發下，對內存訪問出現沖突；
2、某個特殊SQL導致，在處理hash時。
在網上搜索類似的問題，有了進一步的進展，基本確定了這個問題是bug導致
如下Mysql的bug report中講述了類似問題
https://bugs.mysql.com/bug.php?id=73979
更詳細的環境描述如下連接中
https://bugs.launchpad.net/percona-server/+bug/1351148
查到5.6.35上的bug fix的修復內容，和我們碰到的情況非常類似。
對比_lf_pinbox_real_free的修改，該部分確實進行很大的調整。
下面是MySQL 5.6.35函數_lf_pinbox_real_free的代碼片段：
static void _lf_pinbox_real_free(LF_PINS pins)
{
LF_PINBOX pinbox= pins->pinbox;
struct st_match_and_save_arg arg = {pins, pinbox, pins->purgatory};
pins->purgatory= NULL;
pins->purgatory_count= 0;
lf_dynarray_iterate(pinbox->pinarray,
(lf_dynarray_func)match_and_save, arg);
if (arg.old_purgatory)
{
void *last= arg.old_purgatory;
while (pnext_node(pinbox, last))
last= pnext_node(pinbox, last);
pinbox->free_func(arg.old_purgatory, last, pinbox->free_func_arg);
}
}
下面是MySQL 5.6.21函數的_lf_pinbox_real_free的代碼片段
static void _lf_pinbox_real_free(LF_PINS pins)
{
int npins;
void list;
void **addr= NULL;
void first= NULL, last= NULL;
LF_PINBOX pinbox= pins->pinbox;
npins= pinbox->pins_in_array+1;
if (pins->stack_ends_here != NULL)
{
int alloca_size= sizeof(void )LF_PINBOX_PINSnpins;
if (available_stack_size(pinbox, *pins->stack_ends_here) > alloca_size)
{
struct st_harvester hv;
addr= (void **) alloca(alloca_size);
hv.granary= addr;
hv.npins= npins;
_lf_dynarray_iterate(pinbox->pinarray,
(lf_dynarray_func)harvest_pins, hv);
npins= hv.granary-addr;
if (npins)
qsort(addr, npins, sizeof(void *), (qsort_cmp)ptr_cmp);
}
}
同時觀察到出問題的集群有指標異常，QPS不到6000，Threads_connected將近8000。（對比其他高并發的集群，QPS在20000以上，Threads_connected也只有300左右）。
排查應用端的連接方式，了解到其中一個應用有近百臺應用服務器，可能同時發起請求，卻沒有合理的復用連接，維持大量的連接線程增大了bug觸發的概率。
Bugs Fixed的描述如下：
Miscalculation of memory requirements for qsort operations could result in stack overflow errors in situations with a large number of concurrent server connections. (Bug #73979, Bug #19678930, Bug #23224078)
【解決思路】
我們通過分析crash時的core file文件，找到crash時的觸發條件，暫停DML采集程序（truncate table events_statements_summary_by_digest操作）后恢復。
后面了解到這是MySQL的一個bug，在MySQL 5.6.35版本后已修復。這個bug在應用端與數據庫建立大量的連接時，更容易觸發。
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。
