写点什么

高性能数据访问中间件 OBProxy(三):问题排查和服务运维

  • 2022 年 7 月 29 日
  • 本文字数:7509 字

    阅读完需:约 25 分钟

1 引言

上篇文章我们讲解了 OBProxy 的安装部署,在实践时,大家还可能因为机器环境、操作顺序不对等问题导致安装部署失败,这时候可以到 OceanBase 的开源社区 问答 板块提问,会有专业的工程师回答你的问题。(也可以加入钉群:33254054 和技术同学面对面交流)完成了 OBProxy 的安装部署后,就可以使用 OBProxy 访问 OceanBase 数据库了。


刚开始使用 OBProxy ,排查问题和运维 OBProxy 是大家将要遇到的拦路虎。因此,本章我们将详细讲解 问题排查手段和服务运维方法 ,让大家更轻松的使用 OBProxy ,并成为 OBProxy 的专家。


OBProxy 是数据库访问链路上重要的一环,结合本文内容,大家可以举一反三,多多思考分布式系统的链路追踪、问题排查等内容,这对理解分布式系统有很大的帮助。好了,现在我们开始吧!

2 问题排查

大部分情况下,排查问题是需要团队协同完成的,下面我会介绍一些规范和思路,方便大家交流和解决问题。

2.1 描述问题

遇到问题时,我们首先需要描述清楚问题,最好是能够复现问题,这样才能让研发同学有效的解决问题。比如在 OceanBase 开源社区的问答版里提问时,建议描述问题可以用如下的模版:


<!-- 为了避免多次沟通确认,提升效率,请提供以下信息 -->【 使用环境 】生产环境 or 测试环境【 OB or 其他组件 】【 使用版本 】【问题描述】清晰明确描述问题【复现路径】问题出现前后相关操作【问题现象及影响】
【附件】
复制代码


这里推荐大家按照要求填写,填写内容的同时,也利于大家将问题梳理的更清楚。问题描述建议至少要包括以下两点:


问题时间:对于不好复现的问题,时间信息有利于进行问题梳理,方便对齐问题。客户端报错:客户端报错包含丰富的信息(SQL、堆栈、执行时间等),详细的信息对排查问题非常有帮助;当有结论时,可以前后对照结果,进一步验证结论。

2.2 分析问题

描述完问题后,对于问题排查人员,就需要分析问题。在分析问题前,首先要全局了解数据库访问链路,主要包含以下模块:



从全局再去看局部,思路会更清晰。OBProxy 和各个模块都有交互,大家有空可以多了解和学习下应用、LB 和 ObServer 的知识。当分析问题时,按照从前往后(从应用端开始)的顺序一个个分析,先确定哪个模块的问题,再确定模块的具体问题。


下面介绍一些低效的问题排查方法,大家尽量避免:


客户说应用使用数据库报错,直接去 OBProxy 的日志目录搜索 WARNERROR 级别日志,如果日志打印不规范或者 WARN/ERROR 日志太多,这种方法就十分的低效,甚至和客户问题没任何关系。客户说有数据库连接断了,我跳过了中间环节,直接从 OceanBase 数据库开始排查,结果未发现问题。

2.3 归类问题

本小节对 OBProxy 常见问题进行归类,方便大家在分析 OBProxy 模块时有更好的思路。从业务视角去看,OBProxy 的问题主要包含以下几类,下图中 ODP 是 OBProxy 的简称。



  • 登录失败:绝大部分都是某个地方配置出现问题,比较容易复现和排查。

  • SQL 执行:出现问题种类很多,有些疑难问题很难排查 。

  • 返回错误:后端服务返回明确的错误码,根据错误码去 OBServer 和 OBProxy 断排查。

  • 慢 SQL:需要确定每个模块的耗时,找到瓶颈点去优化,除了 2.2 中的模块,网络也是一个重要因素。

  • 断连接:和慢 SQL 类似,需要先排查哪个模块主动断开连接(主动发送 FIN 报文),然后排查具体模块。

2.4 总结

经过前面内容介绍,大家就有了问题排查的方法论,但这只是万里长征第一步,因为文章篇幅有限,没有在继续深入介绍下去,后面有一些简单例子,方便大家进一步了解。大家还需要不断的实战总结,才能面对问题做到游刃有余。

3 OBProxy 日志

解决 OBProxy 的问题时,有三大法宝:OBProxy 日志、Linux 命令(网络命令、系统命令和文本命令)和 OceanBase 云平台(OceanBase Cloud Platform,简称 OCP)。其中 Linux 命令和监控平台的知识点十分通用,网络上资料很多,大家可以自学,掌握后对大家排查问题帮助很大。


本节我们主要介绍和 OBProxy 关系比较紧密的日志部分,OBProxy 的日志有多种类别,我们将介绍每种日志的作用,帮助大家排查问题。

3.1 错误日志

错误日志的文件名叫做 obproxy_error.log,错误日志会记录执行错误的请求,包括 OBProxy 自身错误和 OBServer 返回错误。我们以 select obproxy_error from dual 做测试,其中 obproxy_error 字段没有加引号,会被当作列处理,导致执行失败。客户端报错如下:


MySQL [test]> select obproxy_error from dual;ERROR 1054 (42S22): Unknown column 'obproxy_error' in 'field list'
复制代码


打开 obproxy_error.log,内容如下:


2022-07-11 10:26:09.358231,undefined,,,,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test,OB_MYSQL,,,COM_QUERY,SELECT,failed,1054,select obproxy_error from dual,42423us,454us,0us,41222us,Y0-7F4B1EF653A0,,,,0,xx.xx.xx.xx:33041,Unknown column 'obproxy_error' in 'field list'
# 日志通过逗号分隔,如果SQL中有逗号,会通过%2C替代,通过tr ',' '\n'替换结果如下
1,2022-07-11 10:26:09.358231 #日志打印时间2,undefined # sharding模式下逻辑租户名3, # 无需关注,内部使用4, # 无需关注,内部使用5, # sharding模式下逻辑库名6,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test # 物理库信息(cluster:tenant:database)7,OB_MYSQL # 数据库类型8, # 逻辑表名9, # 物理表名10,COM_QUERY # SQL 命令(COM_QUERY、COM_STMT_PREPARE等)11,SELECT # SQL 类型12,failed # 执行结果(success/failed)13,1054 # 错误码(succ时为空)14,select obproxy_error from dual # SQL语句15,42423us # 执行总耗时(ms,包括内部 SQL 执行耗时16,454us # 预执行时间17,0us # 建立连接时间18,41222us # 数据库执行时间19,Y0-7F4B1EF653A0 # OBProxy内部日志trace_id20, # 无需关注,内部使用21, # 无需关注,内部使用22, # 无需关注,内部使用23,0 # 无需关注,内部使用24,xx.xx.xx.xx:33041 # 路由到的ObServer的地址信息25,Unknown column 'obproxy_error' in 'field list' # 报错信息
复制代码

3.2 审计日志

审计日志的文件名叫做 obproxy_digest.log,审计日志记录执行时间大于参数 query_digest_time_threshold 阈值(默认 100ms)的请求和错误响应请求。对于 3.1 中的例子,我们从 obproxy_digest.log 中也可以看到日志。


2022-07-11 10:26:09.358221,undefined,,,,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test,OB_MYSQL,,,COM_QUERY,SELECT,failed,1054,select obproxy_error from dual,42423us,454us,0us,41222us,Y0-7F4B1EF653A0,,,,0,xx.xx.xx.xx:33041
复制代码


除了执行错误 SQL,我们使用 select sleep(3) from dual 模仿慢 SQL,执行后,查看 obproxy_digest.log,可以看到 OBProxy 执行花费了 409us,ObServer 执行花了 3039883us 。内容如下:


2022-07-11 14:32:51.758265,undefined,,,,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test,OB_MYSQL,,,COM_QUERY,SELECT,success,,select sleep(3),3041116us,409us,0us,3039883us,Y0-7F4B1CEA13A0,,,,0,xx.xx.xx.xx:33041
日志分析
1,2022-07-11 14:32:51.758265 #日志打印时间2,undefined # sharding模式下逻辑租户名3, # 无需关注,内部使用4, # 无需关注,内部使用5, # sharding模式下逻辑库名6,ob9988.zhixin.lm.100.88.147.179:sys:test # 物理库信息(cluster:tenant:database)7,OB_MYSQL # 数据库类型8, # 逻辑表名9, # 物理表名10,COM_QUERY # SQL 命令(COM_QUERY、COM_STMT_PREPARE等)11,SELECT # SQL 类型12,success # 执行结果(success/failed)13, # 错误码(succ时为空)14,select sleep(3) # SQL语句15,3041116us # 执行总耗时(ms,包括内部 SQL 执行耗时16,409us # 预执行时间17,0us # 建立连接时间18,3039883us # 数据库执行时间19,Y0-7F4B1CEA13A0 # OBProxy内部日志trace_id20, # 无需关注,内部使用21, # 无需关注,内部使用22, # 无需关注,内部使用23,0 # 无需关注,内部使用24,xx.xx.xx.xx:33041 # 路由到的ObServer的地址信息
复制代码

3.3 慢日志

慢日志的文件名叫做 obproxy_slow.log ,慢日志记录执行时间大于 slow_query_time_threshold 阈值(默认 500ms)的请求。如上节 SQL select sleep(3) from dual 在 obproxy_slow.log 中也有记录,内容如下:


2022-07-11 14:32:51.758270,undefined,,,,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test,OB_MYSQL,,,COM_QUERY,SELECT,success,,select sleep(3),3041116us,409us,0us,3039883us,Y0-7F4B1CEA13A0,,,,0,xx.xx.xx.xx:33041
复制代码


慢日志的日志格式和审计日志的格式相同,此处不在介绍。


对于慢 SQL,在 obproxy.log 也会有记录,关键字是 Slow Query ,obproxy.log 中记录的信息更加详细,如上面的 SQL,搜索 obproxy.log 得到:


[2022-07-11 14:32:51.758195] WARN  [PROXY.SM] update_cmd_stats (ob_mysql_sm.cpp:8425) [74744][Y0-7F4B1CEA13A0] [lt=7] [dc=0] Slow Query: ((client_ip={127.0.0.1:50422},   // 发送SQL的客户端地址server_ip={xx.xx.xx.xx:33041}, // SQL被路由到的目标BOServerobproxy_client_port={xx.xx.xx.xx:52052},  // 和OBServer连接的本地地址server_trace_id=Y81100B7C0535-0005E3460FBBE3CD-0-0, // 目标OBServer中执行过程中的trace idroute_type=ROUTE_TYPE_NONPARTITION_UNMERGE_LOCAL, // SQL使用的路由策略user_name=root,         // 用户名tenant_name=sys,        // 租户名cluster_name=ob9988.zhixin.lm.100.88.147.179,  // 集群名logic_database_name=,  // 逻辑库名logic_tenant_name=,    // 逻辑租户名ob_proxy_protocol=0,   // 协议类型cs_id=14,         // client login时看到的connection id, proxy分配proxy_sessid=7230691598940700681, // client 访问ob时内部记录connection idss_id=21, server_sessid=3221588238,  // SQL在目标observer中的connection id, observer 分配sm_id=14, cmd_size_stats={    client_request_bytes:20,  // client发给proxy的请求包大小    server_request_bytes:38,  // OBProxy发给目标observer的请求包大小    server_response_bytes:0,  // 目标observer发给proxy的响应包大小    client_response_bytes:71}, // OBProxy发给client的响应包大小cmd_time_stats={    client_transaction_idle_time_us=0, // 在事务中该条SQL与上一条SQL执行结束之间的间隔时间, 即client事务间隔时间    client_request_read_time_us=97, // OBProxy从client socket读取请求包的耗时    client_request_analyze_time_us=95, // OBProxy分析client的SQL耗时    cluster_resource_create_time_us=0, // OBProxy创建集群资源耗时(仅首次访问集群时需要创建)    pl_lookup_time_us=0, // 根据SQL获取涉及路由表的耗时    pl_process_time_us=0,  // 对涉及路由表的进行筛选排序的耗时    congestion_control_time_us=21,  // 根据SQL获取涉及黑名单信息的耗时    congestion_process_time_us=3,  // 对涉及黑名单的进行检查过滤的耗时    do_observer_open_time_us=55,  // 对目标observer获取可用连接的耗时, 包含connect_time        server_connect_time_us=0,  // 对目标observer创建连接的耗时    server_sync_session_variable_time_us=0,  // 对选择的目标连接进行初始化的耗时, 包括saved_login, 同步db, 同步系统变量, 同步last_insert_id, 同步start_trans        server_send_saved_login_time_us=0,  // 对选择的目标连接进行saved login耗时        server_send_use_database_time_us=0,  // 对选择的目标连接同步db耗时        server_send_session_variable_time_us=0,  // 对选择的目标连接同步已修改的系统变量耗时        server_send_all_session_variable_time_us=0,  // 对选择的目标连接同步所有系统耗时        server_send_last_insert_id_time_us=0, // 对选择的目标连接同步last_insert_id耗时        server_send_start_trans_time_us=0,   // 对选择的目标连接同步start_trans/begin耗时    build_server_request_time_us=23,  // 构建对目标server的请求包的耗时    plugin_compress_request_time_us=0,   // 对请求包进行压缩耗时    prepare_send_request_to_server_time_us=409,  // OBProxy接受到客户端请求,到转发到observer执行前总计时间,正常应该是前面所有时间之和    server_request_write_time_us=32,  // OBProxy向目标server socket发送请求包的耗时    server_process_request_time_us=3039883,   // 目标server该执行SQL的耗时    server_response_read_time_us=67,   // OBProxy从目标server socket读取响应包的耗时    plugin_decompress_response_time_us=59, // 对响应包进行解压缩耗时    server_response_analyze_time_us=70,  // 对响应包进行分析的耗时    ok_packet_trim_time_us=0, // 对响应包trim掉最后一个ok包的耗时    client_response_write_time_us=185,  // OBProxy向client socket发送响应包的耗时    request_total_time_us=3041116},  // OBProxy处理该请求总时间, 等于前面所有耗时之和sql=select sleep(3)   //client的请求SQL)
复制代码


上面内容非常的详细,方便定位慢 SQL 问题。对于每个部分的含义,大家可以参考第一篇《OceanBase 改写系列一:OceanBase 查询改写实践概述》中讲的 SQL 执行流程(确认下文章和链接是否正确)去对应。


3.4 统计日志

统计日志的文件名叫做 obproxy_stat.log。 统计日志默认每分钟(monitor_stat_dump_interval 参数控制)输出一次。通过该日志可以查看 OBProxy 一分钟内 SQL 的执行情况,举个例子,查看 OBProxy 是否有请求流量,看该日志记录即可。参考例子如下:


2022-07-11 10:26:59.499204,undefined,,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test,OB_MYSQL,SELECT,success,,1,1,0,0,41480us,332us,40369us
日志分析
1,2022-07-11 10:26:59.499204 #日志打印时间2,undefined # sharding模式下逻辑租户名3, # sharding模式下逻辑库名4,ob9988.zhixin.lm.xx.xx.xx.xx:sys:test # 物理库信息(cluster:tenant:database)5,OB_MYSQL # 数据库类型6,SELECT # SQL 类型7,success # 执行结果(success/failed)8, # 错误码(succ时为空)9,1 # 总请求数量1 # 30 ms ~ 100 ms 请求数量0 # 100 ms ~ 500 ms 请求数量0 # 大于 500 ms 请求数量41480us # 执行总耗时(ms,包括内部 SQL 执行耗时)332us # 预执行时间40369u # 数据库执行时间
复制代码

3.5 主日志

主日志的文件名叫做 obproxy.log,有 DEBUG、TRACE、INFO、ERROR 四种级别,通过 syslog_level 参数控制,当需要进一步排查问题原因时,通过 trace_id 字段可以过滤得到一个 session 上的所有日志,查看 obproxy.log 要求对 OBProxy 的代码实现非常熟悉,有一定技术难度。感兴趣同学可以查看 OBProxy 源代码

3.6 总结

OBProxy 的日志在排查问题时非常的有用,掌握上面内容可以应对大部分的 OBProxy 问题。本节对日志格式做了介绍,并结合例子进一步说明,相信大家可以快速掌握。

4 服务运维

OBProxy 有一个管理员账号 root@proxysys ,为了安全,我们对该账号的登录地址做了限制,要求大家本机登录进行运维操作。下面我们将从配置管理和内部命令两方面做详细介绍。

4.1 配置管理

OBProxy 的配置参数参考文档参数说明。使用 root@proxysys 登录,就可以查看和修改配置项:


# 查看日志级别
MySQL [(none)]> show proxyconfig like '%syslog_level%';+--------------+-------+-----------------------------------------------------------------------------------+-------------+---------------+| name | value | info | need_reboot | visible_level |+--------------+-------+-----------------------------------------------------------------------------------+-------------+---------------+| syslog_level | DEBUG | specifies the current level of logging: DEBUG, TRACE, INFO, WARN, USER_ERR, ERROR | false | USER |+--------------+-------+-----------------------------------------------------------------------------------+-------------+---------------+
# 修改日志级别为INFO
MySQL [(none)]> alter proxyconfig set syslog_level = INFO;Query OK, 0 rows affected (0.01 sec)
复制代码


对于 show proxyconfig 的输入,各字段含义如下:


  • name:配置名,所有配置项名字可以从参数说明文档获取。

  • value:配置内容,主要是整型和字符串格式。当内容不合法时会报错。

  • info:描述配置参数的具体信息。

  • need_reboot:表示参数是否重启生效。这里需要注意有些参数虽然不需要重启,但有时只对新的连接生效。

4.2 内部命令

内部命令只在 OBProxy 上执行,不会转发给 OBServer,主要用于获取 OBProxy 的内部状态或者修改内部行为。这部分内容和原理关系紧密,本节只做简要介绍,后续大家对 OBProxy 有更深入了解后可以再学习。


5 总结

本章内容是对 OBProxy 的问题排查总结,这些方法凝聚了 OBProxy 技术专家多年的心血,经过了大量的实战检验。不仅可以用来学习,也可以作为手册,当遇到 OBProxy 问题时翻阅查看相关内容说明,希望能帮助到大家!

6 课后互动

6.1 上期互动

obproxyd.sh 脚本对 OBProxy 进程做了探活,请问探活方法是什么?除了脚本中的方法,还有哪些探活方法?这些方法有什么优缺点,请举例说明。


obproxyd.sh 通过查看/proc/$pid 文件是否存进行探活。还可以通过检测端口是否在监听确认是否存活。这两种方法做到进程级别探测,但某些场景下,如果进程异常不能执行业务逻辑就无法探测到,更进一步可以发送应用心跳报文进行检测。

6.2 本期互动

小明想查看所有经过 OBProxy 的 SQL,请问有什么办法?

用户头像

企业级原生分布式数据库 2020.05.06 加入

github:https://github.com/oceanbase/oceanbase 欢迎大家

评论

发布
暂无评论
高性能数据访问中间件 OBProxy(三):问题排查和服务运维_OceanBase 数据库_InfoQ写作社区