今天分析了另外一个关于数据库延迟跳动的问题，也算是比较典型，这个过程中也有一些分析问题的方法和技巧工参考。
首先在高可用检测中，有一套环境的检测时断时续，经过排查发现是数据库产生了延迟，在登录到从库show slave status查看，会发现Seconds_behind_master的值是不断跳动的，即从0~39~0~39这样的频率不断跳动，让人很搓火。
查看数据库的相关日志发现竟然没有任何可以参考的日志记录，怎么分析这个问题呢，我们先来复现，于是我按照节奏抓取了3次问题出现的日志，即通过show slave status连续监测，抓取show slave status输出的结果保存下来，这样我们就得到了一个问题发生过程中的偏移量变化，而这个变化则是在SQLThread在回放过程中产生的问题。
比如下面的一段输出，我截取的是Slave端的relay log进行分析，相应的字段为Relay_Log_Pos
- Slave_IO_State: Waiting for master to send event
- Master_Host: xxxx
- Master_User: dba_repl
- Master_Port: 4306
- Connect_Retry: 60
- Master_Log_File: mysqlbin.000044
- Read_Master_Log_Pos: 386125369
- Relay_Log_File: slave-relay-bin.000066
- Relay_Log_Pos: 386125580
- Relay_Master_Log_File: mysqlbin.000044
所以很快得到了偏移量的变化情况：385983806 ，386062813 ，386125580
接着我使用mysqlbinlog开始分析这些日志过程中的明细，根据如下的命令可以很快得到转储的日志中相关的表有3张。
- # grep INSERT relaylog_xxxx.dump |awk '{print $3 " " $4}'|sed 's/INTO//g'|sort|uniq
- act_action_exec_info
- act_join_desc
- dic_subsidy_marketing_querylog_202008
我逐步分析了每张表的数据操作情况，得到的信息还是比较有限，继续做更进一步的分析，比如我们分析一下整个日志中的事务量大小：
- # mysqlbinlog slave-relay-bin.000066 | grep "GTID$(printf '\t')last_committed" -B 1 \
- > | grep -E '^# at' | awk '{print $3}' \
- > | awk 'NR==1 {tmp=$1} NR>1 {print ($1-tmp);tmp=$1}' \
- > | sort -n -r | head -n 100
- mysqlbinlog: [Warning] unknown variable 'loose-default-character-set=utf8'
- 5278
- 5268
- 5268
- 5268
- 5253
- 5253
- 5253
- 5253
- 5253
可以看到是5K左右，算是比较大了，而这些额外的信息从哪里获得呢，我在主库开启了general_log，这样就能够得到更细粒度的操作日志了。
进一步分析发现，整个业务使用了显示事务的方式：SET autocommit=0，整个事务中包含了几个大SQL,里面存储了很多操作日志明细，而且在事务操作过程中还基于Mybatis框架调用了多次select count(1) from xxx的操作。
经过和业务沟通也基本明确了以上问题。
