半同步复制实战,把 RPO 从"尽力而为"收紧到可控
异步复制是 MySQL 的默认形态:主库提交即返回,binlog 异步传给从库——主库宕机时最近几秒的事务可能丢失。金融、订单、计费类业务对 RPO(可容忍数据丢失时长)的要求是"零丢失",半同步复制(semi-sync replication)就是为此设计的机制。本文讲清半同步的工作机理、两种模式的选择、性能代价与故障场景的行为,给出生产配置与监控清单。
一、异步、半同步的 RPO 数学
异步复制(RPO = 复制延迟):
主库提交事务 → 写 binlog → 立即返回客户端 → 后台异步发给从库
主库崩溃:已返回客户端、但未传到从库的事务 → 丢失
丢失窗口 = 传播延迟(毫秒~秒级,但无保证)
半同步复制(AFTER_SYNC 模式,RPO → 0):
主库提交事务 → 写 binlog → 等待至少 1 个从库确认"已收到 binlog" → 才返回客户端
主库崩溃:只要有一个从库收到了 binlog,事务不丢
代价:每次提交多一次网络往返(RTT)
关键认知:半同步保证的是从库"收到"而不是"重放完成"——从库收到 binlog 后重放还有延迟,但数据不丢(可恢复),这就是 RPO=0 与"主从延迟"的区别:RPO 管丢失,延迟管新鲜度,两者独立。
二、两种模式:AFTER_SYNC 与 AFTER_COMMIT
| 模式 | 等待位置 | 行为 | 问题 |
|---|---|---|---|
| AFTER_COMMIT(老默认) | 引擎提交后等待 ACK | 客户端返回前从库已收到,但主库引擎已提交 | 极端场景:主库提交后、从库 ACK 前崩溃 → 新主可能没有该事务 → 已返回客户端的提交"消失"(幻读级丢失) |
| AFTER_SYNC(增强半同步,推荐) | 写 binlog 后、引擎提交前等待 | 从库确认收到后主库才提交 | 无上述丢失窗口;从库永远 ≥ 主库已返回的事务集合 |
5.7+ 默认即 AFTER_SYNC(rpl_semi_sync_master_wait_point=AFTER_SYNC),但存量老系统要显式核查——升级演练清单里这是必查项。
三、生产配置清单
-- 主库
INSTALL PLUGIN rpl_semi_sync_master SONAME 'semisync_master.so'; -- 8.0.26+ 可用内置:见下
SET GLOBAL rpl_semi_sync_master_enabled = 1;
SET GLOBAL rpl_semi_sync_master_wait_point = AFTER_SYNC;
SET GLOBAL rpl_semi_sync_master_timeout = 3000; -- 3s 内无 ACK 自动降级异步(关键参数)
SET GLOBAL rpl_semi_sync_master_wait_for_slave_count = 1; -- 等几个从库 ACK
# 从库(my.cnf)
[mysqld]
rpl_semi_sync_slave_enabled = 1
rpl_semi_sync_slave_timeout = 3000
8.0.26+ 版本用统一插件(semisync 源插件重构):
INSTALL PLUGIN rpl_semi_sync_source SONAME 'semisync_source.so';
SET GLOBAL rpl_semi_sync_source_enabled = 1;
SET GLOBAL rpl_semi_sync_source_timeout = 3000;
-- 对应从库:rpl_semi_sync_replica_enabled = 1
三个参数的工程语义:
- timeout=3000:从库全部失联时,主库等 3 秒后降级为异步继续服务——这是"可用性优先于零丢失"的保险丝。要不要降级是架构决策:金融核心系统可以配
rpl_semi_sync_master_wait_no_slave=ON(无 ACK 时主库写入阻塞,宁可不可用不丢数据); - wait_for_slave_count:等 1 个还是 2 个 ACK。等 2 个容灾更强(1 个 ACK 的从库与主库同时挂的数据仍丢),但提交延迟翻倍;
- ACK 点位:AFTER_SYNC 下 ACK 在 binlog 写入后,延迟 ≈ 一次主从 RTT(同城 0.5ms,跨机房 2-5ms)——半同步把每笔事务提交延迟抬高这一个 RTT,TPS 敏感场景要先压测。
四、降级与恢复:半同步的"半"字陷阱
半同步不是铁律,它的"半"体现在可自动降级——这是特性也是最大的坑:
降级路径:从库全部 ACK 超时 → timeout 触发 → 主库降级异步 → 客户端请求正常返回
恢复路径:从库重新连上 → 补齐丢失的 binlog(异步追平)→ 重新升级半同步
降级期间的事务没有零丢失保障——"半同步降级了"这件事本身必须被监控与告警:
-- 监控半同步状态(主库)
SHOW STATUS LIKE 'Rpl_semi_sync_master_status'; -- ON=半同步生效 OFF=已降级
SHOW STATUS LIKE 'Rpl_semi_sync_master_yes_tx'; -- 半同步成功事务数
SHOW STATUS LIKE 'Rpl_semi_sync_master_no_tx'; -- 超时降级事务数(增长=异常)
-- SQL 触发的简易告警:no_tx 增长或 status=OFF 超过 N 秒 → P1 告警
五、故障切换时的正确姿势
主库崩溃后的切换,半同步的正确流程:
1. 确认主库真死( fencing:避免脑裂双主)
2. 选数据最新的从库为新主(GTID 集合最大者;AFTER_SYNC 保证其包含所有已返回事务)
3. 新主开启写前:SET GLOBAL read_only=OFF + rpl_semi_sync 重配
4. 其他从库 CHANGE REPLICATION SOURCE TO 新主(GTID 自动定位)
5. 旧主恢复后:以从库身份接入(先 RESET + 全量校验),绝不直接作为主
AFTER_SYNC 模式下第 2 步的安全性有理论保证(已返回客户端的事务必在至少一个从库的 binlog 里),这正是增强半同步相比 AFTER_COMMIT 的核心价值——切换协议要按此设计,不要因为"手动切换图省事"跳过 GTID 对比。
六、坑与边界
| 坑 | 现象 | 应对 |
|---|---|---|
| timeout 太短 | 从库抖动频繁降级,零丢失承诺失效 | 3-5s 起步 + 降级告警 |
| 从库在另一机房且 RTT 大 | 提交延迟明显 | 半同步 ACK 从库放同城,异地用异步 |
| 忽略降级状态 | 以为零丢失实际已异步 | no_tx/status 告警必配 |
| AFTER_COMMIT 老模式 | 切换可能丢已返回事务 | 核查并切 AFTER_SYNC |
| 半同步 + 大事务 | 单事务 ACK 时间放大 | 拆大事务;批量提交场景压测 |
| 双 ACK (wait_for_slave_count=2) | TPS 腰斩 | 与业务方共同评估 RPO/性能权衡 |
小结
半同步复制用"提交前等待从库 ACK"把 RPO 收紧到零:必须用 AFTER_SYNC 模式(老 AFTER_COMMIT 有切换丢失窗口),timeout 是可用性保险丝(降级必告警),wait_for_slave_count 决定容灾强度与性能代价。 它保障"从库收到"而非"重放完成"——RPO 与主从延迟是独立的两件事。金融订单类业务的标准形态:同城半同步(AFTER_SYNC + 3s timeout)+ 异地异步 + 降级告警 + GTID 切换流程。
评论(0)
登录 后参与评论。