今天遇到一个问题，Mysql 持续报错，主从同步延时数过大或错误。所以这篇文章给大家分享下主从同步的机制原理以及问题排查思路。
故障表现
最直观的表现为：
mysql> show slave status\G;
// 状态一
Seconds_Behind_Master: NULL
// 状态二
Seconds_Behind_Master: 0
// 状态三
Seconds_Behind_Master: 79
连续查询，大部分时间该属性值 =0，偶发性出现 Null 或者 79 等延时值。导致观察主从同步延时的监控持续报警。
故障原因及解决方案
多台备机的 server-id 一致，导致主机无法长时间同某一台备机连接，进而无法正常同步。
修改 server-id 后，重启数据库恢复。
主从同步机制
MySQL 的主从同步，又称为复制（replication），是一种内置的高可用高性能集群解决方案，主要功能有：
数据分布：同步不需要很大带宽，可以实现多数据中心复制数据。
读取的负载均衡：通过服务器集群，可以通过 DNS 轮询、Linux LVS 等 GSLB（全局负载均衡）方式，降低主服务器的读压力。
数据库备份：复制是备份的一部分，但并不能代替备份。还需要与快照相结合。
高可用性和故障转移：从服务器可以快速切换为主服务器，减少故障的停机时间和恢复时间。
主从同步分为 3 步：
主服务器（master）把数据更改记录到二进制日志（binlog）中。
从服务器（slave）把主服务器的二进制日志复制到自己的中继日志（relay log）中。
从服务器重做中继日志中的日志，把更改应用到自己的数据库上，达到数据的一致性。
主从同步是一个异步实时的同步，会实时的传输，但存在执行上的延时，如果主服务器压力很大，延时也会相应扩大。
通过上面的图，可以看到一共需要 3 个线程：
主服务器的日志传送线程：负责将二进制日志增量传送到备机
从服务器的 I / O 线程：负责读取主服务器的二进制日志，并保存为中继日志
从服务器的 SQL 线程，负责执行中继日志
查看 MySQL 线程
我们可以使用 show full processlist; 命令来查看 MySQL 的状态：
主机的状态：
备机的状态：
可以看到，我的集群架构为 1 台主机、4 台备机，所以在主机中有 4 个同步线程（已经发送所有的 binlog 数据到备机，等待 binlog 日志更新），1 个查看命令线程（show full processlist）。在备机中有 1 个查看命令线程，1 个 I / O 线程（等待主机发送同步数据事件），1 个 SQL 线程（已经读取了所有中继日志，等待 I / O 线程来更新它）。
查看同步状态
因为主从同步是异步实时的，也就是会存在延时的情况，我们可以通过 show slave status; 来查看备机上的同步延时：
在主从同步中我们需要关注的一些属性，已经给大家标红了：
Slave_IO_State: 当前 I / O 线程的状态
Master_Log_File: 当前同步的主服务器的二进制文件
Read_Master_Log_Pos: 当前同步的主服务器的二进制文件的偏移量，单位为字节，如图中为已经同步了 12.9M(13630580/1024/1024) 的内容
Relay_Master_Log_File: 当前中继日志同步的二进制文件
Slave_IO_Running: 从服务器中 I / O 线程的运行状态，YES 为运行正常
Slave_SQL_Running: 从服务器中 SQL 线程的运行状态，YES 为运行正常
Exec_Master_Log_Pos: 表示同步完成的主服务器的二进制日志偏移量
Seconds_Behind_Master: 表示从服务器数据比主服务器落后的持续时长
同样可以通过 show master status; 命令来查看主服务器的运行状态：
正常运行的主从同步状态：
Slave_IO_Running: YES
Slave_SQL_Running: YES
Seconds_Behind_Master: 0
问题排查
在理解了主从同步的机制后，再来看今天遇到的问题，通过查看备机状态，我们观察在三种状态下的几个关键属性值：
mysql> show slave status\G;
#状态一：
Slave_IO_State: Reconnecting after a failed master event read
Slave_IO_Running: No
Slave_SQL_Running: Yes
Seconds_Behind_Master: NULL
#状态二：
Slave_IO_State: Waiting for master to send event
Slave_IO_Running: Yes
Slave_SQL_Running: Yes
Seconds_Behind_Master: 0
#状态三：
Slave_IO_State: Queueing master event to the relay log
Slave_IO_Running: Yes
Slave_SQL_Running: Yes
Seconds_Behind_Master: 636
通过 MySQL 主从复制线程状态转变，我们可以看到三种状态的不同含义：
# 状态一
# 线程正尝试重新连接主服务器，当连接重新建立后，状态变为 Waiting for master to send event。
Reconnecting after a failed master event read
# 状态二
# 线程已经连接上主服务器，正等待二进制日志事件到达。如果主服务器正空闲，会持续较长的时间。如果等待持续 slave_read_timeout 秒，则发生超时。此时，线程认为连接被中断并企图重新连接。
Waiting for master to send event
# 状态三
# 线程已经读取一个事件，正将它复制到中继日志供 SQL 线程来处理。
Queueing master event to the relay log
在这里，我们可以猜测，由于某些原因，从服务器不断的和主服务器进行断开并尝试重连，重连成功后又再次断开。
我们再看看主机的运行情况：
发现问题出在 10.144.63.* 和 10.144.68.* 两台机器上，我们查看其中一台的错误日志：
190214 11:33:20 [Note] Slave: received end packet from server, apparent master shutdown:
190214 11:33:20 [Note] Slave I/O thread: Failed reading log event, reconnecting to retry, log ‘mysql-bin.005682’ at postion 13628070
拿到关键字 Slave: received end packet from server, apparent master shutdown: Google 搜索一下，在文章 Confusing MySQL Replication Error Message 中可以看到原因为两台备机的 server-id 重复。
One day it happen to me, and took me almost an hour to find that out.Moving foward I always use a base my.cnf to I copy to any other server and the first thing is to increase the server-id.Could MySQL just use the servername intead of a numeric value?
问题修复
定位了问题，我们确认下是否重复，发现两台备机的该字段确实相同：
vim my.cnf
#replication
log-bin=mysql-bin
# 这个随机数字相同导致的
server-id=177230069
sync_binlog=1
更改一个其他不同的数字，保存，重启 MySQL 进程，报警恢复。
总结
最终来看，这个问题的解决非常简单，但从刚开始的迷茫到最后的思路清晰，都是我们排查问题所常见的，这篇文章的主要收获是让你明白主从同步的机制和追查问题的思路，希望下次我们都能很快的解决主从同步带给我们的问题。
参考资料
《MySQL 基础内幕 InnoDB 存储引擎 第 2 版》P8.7 复制
MySQL 主从复制线程状态转变: http://www.ywnds.com/?p=3821
Confusing MySQL Replication Error Message: https://www.percona.com/blog/…