TiFlash 集群运维

本文介绍 TiFlash 集群运维的一些常见操作,包括查看 TiFlash 版本、下线 TiFlash 节点、TiFlash 故障处理等,以及 TiFlash 重要日志及系统表。

查看 TiFlash 版本

查看 TiFlash 版本有以下两种方法:

  • 假设 TiFlash 的二进制文件名为 tiflash,则可以通过 ./tiflash version 方式获取 TiFlash 版本。

    但是由于 TiFlash 的运行依赖于动态库 libtiflash_proxy.so,因此需要将包含动态库 libtiflash_proxy.so 的目录路径添加到环境变量 LD_LIBRARY_PATH 后,上述命令才能正常执行。

    例如,当 tiflashlibtiflash_proxy.so 在同一个目录下时,切换到该目录后,可以通过如下命令查看 TiFlash 版本:

    1. LD_LIBRARY_PATH=./ ./tiflash version
  • 在 TiFlash 日志(日志路径见配置文件 tiflash.toml [logger] 部分)中查看 TiFlash 版本,例如:

    1. <information>: TiFlash version: TiFlash 0.2.0 master-375035282451103999f3863c691e2fc2

下线 TiFlash 节点

下线 TiFlash 节点与缩容 TiFlash 节点不同,下线 TiFlash 并不会在 TiDB Ansible 中删除这个节点,而仅仅是安全地关闭这个进程。

下线 TiFlash 节点的步骤如下:

注意:

如果下线该 TiFlash 节点后,TiFlash 集群剩余节点数大于等于所有数据表的最大副本数,直接进行下面第 3 步。

  1. 在 TiDB 客户端中针对所有副本数大于集群剩余 TiFlash 节点数的表执行:

    1. alter table <db-name>.<table-name> set tiflash replica 0;
  2. 等待相关表的 TiFlash 副本被删除(按照查看表同步进度一节操作,查不到相关表的同步信息时即为副本被删除)。

  3. pd-ctl (tidb-ansible 目录下的 resources/bin 包含对应的二进制文件) 中输入 store 命令,查看该 TiFlash 节点对应的 store id。

  4. 在 pd-ctl 中输入 store delete <store_id>,其中 为上一步查到的该 TiFlash 节点对应的 store id。

  5. 等待该 TiFlash 节点对应的 store 消失或者 state_name 变成 Tombstone 再关闭 TiFlash 进程。

注意:

如果在集群中所有的 TiFlash 节点停止运行之前,没有取消所有同步到 TiFlash 的表,则需要手动在 PD 中清除同步规则,否则无法成功完成 TiFlash 节点的下线。

手动在 PD 中清除同步规则的方法是:发送 DELETE 请求 http://<pd_ip>:<pd_port>/pd/api/v1/config/rule/tiflash/<rule_id>,rule_id 是需要清除的 rule 的 id。

TiFlash 故障处理

本节介绍了一些 TiFlash 常见问题、原因及解决办法。

TiFlash 副本始终处于不可用状态

该问题一般由于配置错误或者环境问题导致 TiFlash 处于异常状态,可以先通过以下步骤定位问题组件:

  1. 检查 PD 是否开启 Placement Rules 功能(开启方法见在原有 TiDB 集群上新增 TiFlash 组件的第 2 步):

    1. echo 'config show replication' | /path/to/pd-ctl -u http://<pd-ip>:<pd-port>

    预期结果为 "enable-placement-rules": "true"

  2. 通过 TiFlash-Summary 监控面板下的 UpTime 检查操作系统中 TiFlash 进程是否正常。

  3. 通过 pd-ctl 查看 TiFlash proxy 状态是否正常:

    1. echo "store" | /path/to/pd-ctl -u http://<pd-ip>:<pd-port>

    store.labels 中含有 {"key": "engine", "value": "tiflash"} 信息的为 TiFlash proxy。

  4. 查看 pd buddy 是否正常打印日志(日志路径的对应配置项 [flash.flash_cluster] log 设置的值,默认为 TiFlash 配置文件配置的 tmp 目录下)。

  5. 检查 PD 配置的 max-replicas 是否小于等于集群 TiKV 节点数。若 max-replicas 超过 TiKV 节点数,则 PD 不会向 TiFlash 同步数据;

    1. echo 'config show replication' | /path/to/pd-ctl -u http://<pd-ip>:<pd-port>

    再确认 “max-replicas” 参数值。

  6. 检查 TiFlash 节点对应 store 所在机器剩余的磁盘空间是否充足。默认情况下当磁盘剩余空间小于该 store 的 capacity 的 20%(通过 low-space-ratio 参数控制)时,PD 不会向 TiFlash 调度数据。

TiFlash 查询时间不稳定,同时错误日志中打印出大量的 Lock Exception

该问题是由于集群中存在大量写入,导致 TiFlash 查询时遇到锁并发生查询重试。

可以在 TiDB 中将查询时间戳设置为 1 秒前(例如:假设当前时间为 ‘2020-04-08 20:15:01’,可以在执行 query 前执行 set @@tidb_snapshot='2020-04-08 20:15:00';),来减小 TiFlash 查询碰到锁的可能性,从而减轻查询时间不稳定的程度。

部分查询返回 Region Unavailable 的错误

如果在 TiFlash 上的负载压力过大,会导致 TiFlash 数据同步落后,部分查询可能会返回 Region Unavailable 的错误。

在这种情况下,可以通过增加 TiFlash 节点数分担负载压力。

数据文件损坏

可依照如下步骤进行处理:

  1. 参照下线 TiFlash 节点一节下线对应的 TiFlash 节点。
  2. 清除该 TiFlash 节点的相关数据。
  3. 重新在集群中部署 TiFlash 节点。

TiFlash 重要日志介绍

日志信息 日志含义
[ 23 ] KVStore: Start to persist [region 47, applied: term 6 index 10] 在 TiFlash 中看到类似日志代表数据开始同步(该日志开头方括号内的数字代表线程号,下同)
[ 30 ] CoprocessorHandler: grpc::Status DB::CoprocessorHandler::execute() Handling DAG request,该日志代表 TiFlash 开始处理一个 Coprocessor 请求
[ 30 ] CoprocessorHandler: grpc::Status DB::CoprocessorHandler::execute() Handle DAG request done,该日志代表 TiFlash 完成 Coprocessor 请求的处理

你可以找到一个 Coprocessor 请求的开始或结束,然后通过日志前面打印的线程号找到该 Coprocessor 请求的其他相关日志。

TiFlash 系统表

information_schema.tiflash_replica 系统表的列名及含义如下:

列名 含义
TABLE_SCHEMA 数据库名
TABLE_NAME 表名
TABLE_ID 表 ID
REPLICA_COUNT TiFlash 副本数
AVAILABLE 是否可用(0/1)
PROGRESS 同步进度 [0.0~1.0]