一、两个重要的指标

这两个指标就是 replication_group_member_status 视图中的

COUNT_TRANSACTIONS_IN_QUEUE ：期待抵触验证的队列数量，实际上是进行pipeline解决的队列数量（外部示意m_transactions_waiting_certification），单位为事务数量。
COUNT_TRANSACTIONS_REMOTE_IN_APPLIER_QUEUE：期待利用的队列数量（外部示意m_transactions_waiting_apply），单位为事务数量。

这两个值，特地是第二个咱们通常用于在单主模式下，作为判断是否提早的规范。本文就是来解释一下这两个指标具体的含意。

二、相干起源和broadcast线程

实际上这两个信息实际上次要是供流控应用的，次要来自本地节点和远端节点pipeline的信息。那么远端的信息是如何获取到的呢？实际上在咱们的MGR线程中有一个叫做Certifier_broadcast_thread::dispatcher的线程，这个线程发送本地的pipeline信息给远端节点。这个线程次要实现的工作蕴含：

30秒设置一次

设置send_transaction_identifiers = true，这个值次要用于在构建Pipeline_stats_member_message类型音讯的时候是否蕴含gtid信息。这些GTID信息次要是蕴含committed_transactions和last_conflict_free_transaction。这些信息同样会在replication_group_member_status中进行体现，也就是咱们看到的TRANSACTIONS_COMMITTED_ALL_MEMBERS和LAST_CONFLICT_FREE_TRANSACTION。

每秒进行构建Pipeline_stats_member_message类型的音讯（type CT_PIPELINE_STATS_MEMBER_MESSAGE），并且发送给远端节点。其中蕴含了咱们上述的2个重要指标也就是m_transactions_waiting_certification/m_transactions_waiting_apply.

COUNT_TRANSACTIONS_IN_QUEUE （m_transactions_waiting_certification）实际上这是appler线程进行pipeline解决的队列数量，来自于applier_module->get_message_queue_size()，一旦解决实现就会写入到relay log，相应的队列也会出队。理论它的入队是xcom engine线程进行的push操作。一旦写入relay log后就会进行pop解决，队列数量也会缩小。参考Applier_module::applier_thread_handle处 applier线程解决的流程。因而并不是单主就不会有抵触验证队列，一样是有的，只是解决要快于多主，因为任何事务的event都须要进行pipeline解决，其中蕴含了抵触验证、GTID生成、写入relay log等操作。
COUNT_TRANSACTIONS_REMOTE_IN_APPLIER_QUEUE（m_transactions_waiting_apply）来自于m_transactions_waiting_apply.load()，这个值在Applier_handler::handle_event函数减少，当pipeline的Applier_handler解决实现，也就是写入了relay log后减少。这个值在hook group_replication_trans_before_commit处进行缩小，函数首先就会判断提交的事务是不是来自applier通道，如果是则进行缩小。当然如果是主库咱们事务提交是前台线程本人，而不是applier通道，所以不会影响这个值。

简略的写入relay log的逻辑和指标减少逻辑：error = channel_interface.queue_packet((const char *)p->payload, p->len); //写入 relay log 调用仍旧为queue event    if (event->get_event_type() == binary_log::GTID_LOG_EVENT &&        local_member_info->get_recovery_status() ==            Group_member_info::MEMBER_ONLINE) {      applier_module->get_pipeline_stats_member_collector()          ->increment_transactions_waiting_apply(); //减少期待利用

当然本音讯中蕴含了所有replication_group_member_status的指标，这里简略列举如下：

m_transactions_certified.load()       这个值在认证最初进行更新，用于统计以后认证了多少工作，当然这里只是通过了       Certifier::certify的事务的个数，因而单主也会有这个值。        m_transactions_applied.load()       曾经利用的事务，这个值在hook group_replication_trans_before_commit处进行减少       首先就会判断提交的事务是不是来自applier通道，如果是则进行减少m_transactions_local.load()       本地事务的数量，这个值在hook group_replication_trans_before_commit处进行减少       在group_replication_trans_before_commit中会判断提交的事务到底是applier通道过的       sql线程还是前台session，如果是前台session则减少(cert_interface != nullptr) ? cert_interface->get_negative_certified(): 0       抵触认证操作失败的事务数量(cert_interface != nullptr) ? cert_interface->get_certification_info_size(): 0       抵触认证数据库的大小send_transaction_identifiers       30秒一次设置为true，是否发送了本地相干的GTID信息committed_transactions       全局提交的事务的gtid信息，这里这个信息30秒发送一次，次要来自于       为 CT_CERTIFICATION_MESSAGE 音讯后处理的所有节点执行 GTID事务的交加last_conflict_free_transaction        最初一次没有抵触的事务数量m_transactions_local_rollback.load()        因为抵触认证，本地须要回滚的事务数量mode        是否开启了流量管制

而后会依据是否开启流控进行综合各个节点的pipeline信息，进行流控指标的计算，如果一旦计算出须要进行流控解决，则事务须要在group_replication_trans_before_commit处进行流控期待。

每60秒进行

发送本节点的GTID_EXECUTED给远端节点，这个次要用于抵触验证数据库的清理和计算全局提交的GTID信息，发送类型为Gtid_Executed_Message，type为CT_CERTIFICATION_MESSAGE调用gcs_module->send_message(gtid_executed_message, true);发送音讯因而replication_group_member_status中的GTID信息并不是很及时，有至多60秒，最多120秒的提早，然而其余信息还是比拟及时的，然而也不是实时同步的。

三、applier通道的pipeline

实际上这个次要是当xcom engine线程发送音讯给applier线程后，apllier线程会进行一些解决如下是远端节点收到事务信息后进行的pipeline解决：

这里的event_cataloger-->certification_handler-->applier_handler 进行的解决就是所谓的applier通道的pipeline。当然如果是本地事务，则不须要写入到relay log，然而其余流程还是须要的。

四、对于replication_group_member_status信息的装载

这部分信息次要装载逻辑如下：

ha_perfschema::rnd_next ->table_replication_group_member_stats::rnd_next    读取数据   ->table_replication_group_member_stats::make_row ->PFS_engine_table::read_row   获取值，这里就是相应的对应关系   ->table_replication_group_member_stats::read_row_values

其中 table_replication_group_member_stats::make_row就是读取咱们下面说的这些信息，而table_replication_group_member_stats::read_row_values则是转换为咱们DBA可见的模式。这两个指标如下：

  case 3: /** transaction_in_queue */          set_field_ulonglong(f, m_row.trx_in_queue);          break;...        case 9:          set_field_ulonglong(f, m_row.trx_remote_applier_queue);

其实也就是咱们下面说的m_transactions_waiting_certification和m_transactions_waiting_apply。然而咱们须要留神的是这里获取的时候分为了本地节点和远端节点。在get_group_member_stats有如下逻辑：

如果是本地UUID则            -> applier_module->get_local_pipeline_stats() 如果是远端UUID则            -> applier_module->get_flow_control_module()->get_pipeline_stats              (member_info->get_gcs_member_id().get_member_id()))

而远端节点的信息正是来自于各个节点broadcast线程的发送。对于单主模式的主节点来讲：

m_transactions_waiting_apply：失常状况下应该维持为0，因为本地事务不会写到relay log。非凡状况除外。
m_transactions_waiting_certification：每个节点都能够不为0，因为过抵触验证和GTID生成是不能防止的。

具体逻辑在 Certification_handler::handle_transaction_id 中对本地事务和远端事务处理的分支上。

Enjoy GreatSQL :)

文章举荐：

GreatSQL MGR FAQ
https://mp.weixin.qq.com/s/J6...

万答#12，MGR整个集群挂掉后，如何能力主动选主，不必手动干涉
https://mp.weixin.qq.com/s/07...

『2021数据技术嘉年华·ON LINE』：《MySQL高可用架构演进及实际》
https://mp.weixin.qq.com/s/u7...

一条sql语句慢在哪之抓包剖析
https://mp.weixin.qq.com/s/AY...

万答#15，都有哪些状况可能导致MGR服务无奈启动
https://mp.weixin.qq.com/s/in...

技术分享 | 为什么MGR一致性模式不举荐AFTER
https://mp.weixin.qq.com/s/rN...

对于 GreatSQL

GreatSQL是由万里数据库保护的MySQL分支，专一于晋升MGR可靠性及性能，反对InnoDB并行查问个性，是实用于金融级利用的MySQL分支版本。

Gitee:
https://gitee.com/GreatSQL/Gr...

GitHub:
https://github.com/GreatSQL/G...

Bilibili：
https://space.bilibili.com/13...

微信&QQ群：
可搜寻增加GreatSQL社区助手微信好友，发送验证信息“加群”退出GreatSQL/MGR交换微信群

QQ群：533341697
微信小助手：wanlidbc

本文由博客一文多发平台 OpenWrite 公布！