一次 meet_lock 告警异常处理过程

作者： dba_gc 原文来源：https://tidb.net/blog/52b39abc

1. TiKV-Detail>Coprocessor Overview

或者通过 Prometheus 获取指标数据

sum(rate(tikv_coprocessor_request_error[10m])) by (reason)

2. TiDB>KV Errors

指标解释：

• regionMiss：Region 缺失

• txnLock：代表出现了写冲突

• tikvLockFast：代表出现了读写冲突

通过监控可以看到写冲突并不高，而且也没有读写冲突。那么为什么会 meet_lock 指标会这么高？下面我们再通过 TiDB 日志分析一下。

3. TiDB 日志分析

通过关键字 ”prewrite encounters lock” 过滤预写阶段遇到的锁冲突的 tableID：

grep “prewrite encounters lock” tidb.log |awk -F “tableID” ‘{print 2}’ | awk -F “,” ‘{print 1}’ | sort | uniq -c > pe.log

通过关键字 ”Write conflict 过滤写冲突的 tableID：

grep “Write conflict” tidb.log |awk -F “tableID” ‘{print 2}’ | awk -F “,” ‘{print 1}’ | sort | uniq -c > wc.log

cat wc.log

1 =24289

86 =24900

5 =25849

3 =27930

86 表示冲突次数，24900 表示 tableID。

但量过滤出来的冲突次数也不多，说明锁冲突的原因不在这里，下面查找 TiKV 日志。

4 TiKV 日志分析

[2021/06/23 14:59:24.085 +08:00] [WARN] [endpoint.rs:537] [error-response] [err=“Key is locked (will clean up) primary_lock: 7480000000000073E15F728000000000201B3C lock_version: 425834987480679159 key: 7480000000000073E15F728000000000201B3C lock_ttl: 20631 txn_size: 10 lock_for_update_ts: 425834987480679159”]

[2021/06/23 14:59:24.085 +08:00] [WARN] [endpoint.rs:537] [error-response] [err=“Key is locked (will clean up) primary_lock: 7480000000000073E15F728000000000186E7D lock_version: 425834987454465021 key: 7480000000000073E15F72800000000104676B lock_ttl: 21177 txn_size: 28 lock_for_update_ts: 425834987454465021”]

[2021/06/23 14:59:24.088 +08:00] [WARN] [endpoint.rs:537] [error-response] [err=“Key is locked (will clean up) primary_lock: 7480000000000073E15F728000000000186E7D lock_version: 425834987454465021 key: 7480000000000073E15F72800000000104676F lock_ttl: 21177 txn_size: 28 lock_for_update_ts: 425834987454465021”]

[2021/06/23 14:59:24.089 +08:00] [WARN] [endpoint.rs:537] [error-response] [err=“Key is locked (will clean up) primary_lock: 7480000000000037A95F698000000000000001013036363634366239FF6661636532623036FF3635353738613837FF3139333964313330FF0000000000000000F7 lock_version: 425834986536960179 key: 7480000000000037A95F698000000000000004013735333464366666FF3166313439373739FF3365366431333531FF3835363861386464FF0000000000000000F7038000000065F421CC lock_ttl: 5380 txn_size: 2 lock_type: Del lock_for_update_ts: 425834986536960179”]

TiKV 日志当中有很多 Key is locked (will clean up)，这段报错信息表示出现了读写冲突，当读数据时发现 key 有锁阻碍读，这个锁包括未提交的乐观锁和未提交的 prewrite 后的悲观锁。

• primary_lock：锁对应事务的 primary lock。

• lock_version：锁对应事务的 start_ts。

• key：表示被锁的 key。

• lock_ttl: 锁的 TTL。

• txn_size：锁所在事务在其 Region 的 key 数量，指导清锁方式。

下面过滤出出现次数最多的 primary_lock

cat tikv.log |grep error-response | awk -F “primary_lock:” ‘{print 2}’ | awk -F “ ” ‘{print 1}’ | sort | uniq -c | sort -n

通过 region key 命令找到 region

tiup ctl pd -u http://{pdip:port} -i

region key 7480000000000073E15F728000000000415EDF

然后通过 region 查找表结果显示 not found

curl http://{tidbip}:10080/regions/1412629

region not found for regionID 1412629

查看一下 region 元数据信息，显示这是个空 region

SELECT * FROM INFORMATION_SCHEMA.TIKV_REGION_STATUS WHERE region_id=1412629

通过监控面板发现集群有 1700+empty-region-count，下面合并空 region 看看能不能解决锁冲突异常监控数据。

tiup ctl pd -u http://{pdip:port} -i

config set max-merge-region-keys 10

config set max-merge-region-size 100

config set merge-schedule-limit 16

config set region-schedule-limit 4

config set key-type raw

合并完记得修改回来

config set max-merge-region-keys 200000

config set max-merge-region-size 20

config set merge-schedule-limit 16

config set region-schedule-limit 4

config set key-type table

结果：

大概 2 小时左右空 region 合并完，最后还有 50 个左右无法合并。

锁冲突信息明显降低，说明有效果。 具体为什么空 region 会导致锁冲突还不知道。

如果还有很多锁冲突，可以通过 tidb 和 tikv 日志继续排查。

或者通过慢查询日志过滤：Exec_retry_count 表示重试次数

grep Exec_retry_count /data/tidb_data/log/tidb_slow_query.log