Latch导致MySQL Crash

推荐原创

进击的CJR 2022-09-07 16:45:05 博主文章分类：MySQL ©著作权

文章标签 mysql 数据数据库 文章分类 MySQL 数据库 yyds干货盘点

©著作权归作者所有：来自51CTO博客作者进击的CJR的原创作品，请联系作者获取转载授权，否则将追究法律责任

导致crash原因

数据库先是被置为只读，然后过了一段时间，MySQL直接Crash掉了发生Crash时MySQL的error日志中打印了以下内容:

SEMAPHORES 
---------- 
OS WAIT ARRAY INFO: reservation count 1246555 
--Thread 140363572082432 has waited at row0upd.cc line 2354 for 253.00 seconds the semaphore: 
X-lock (wait_ex) on RW-latch at 0x7fa949340740 created in file buf0buf.cc line 1069 
a writer (thread id 140363572082432) has reserved it in mode  wait exclusive 
number of readers 1, waiters flag 1, lock_word: ffffffffffffffff 
Last time read locked in file btr0sea.cc line 931 
Last time write locked in file /export/home/pb2/build/sb_0-17068951-1447697721.44/mysql-5.6.28/storage/innobase/row/row0upd.cc line 2354

根据日志中我们可以看到，线程140363572082432要对记录上一个X锁，但是等待0x7fa949340740线程的RW-latch的释放

我们在向下看查询到如下信息(涉及到用户信息谓词就用xxx代替):

173 lock struct(s), heap size 30248, 7925 row lock(s), undo log entries 7924 
MySQL thread id 5709783, OS thread handle 0x7fa8f0da7700, query id 92213034 10.23.163.54 citicqyh updating 
update TB_DEPARTMENT_INFO set TOTAL_USER=1 where ID='ac84f17e-82d3-4519-a1da-0d5a5a835d44' 
---TRANSACTION 53065242, ACTIVE 313 sec fetching rows, thread declared inside InnoDB 2081 
mysql tables in use 2, locked 0 
MySQL thread id 5428690, OS thread handle 0x7fa8f0136700, query id 92213061 10.23.163.55 citicqyh Sending data 
SELECT COUNT(DISTINCT r.user_id) FROM TB_DEPARTMENT_INFO d left join tb_qy_user_department_ref r on r.department_id = d.id WHERE d.org_id = 'xxx' AND (d.dept_full_name LIKE 'xxx%' or d.dept_full_name = 'xxx 
Trx read view will not see trx with id >= xxx, sees < xxx 

......还有很多select语句省略

根据上面信息我们去数据库中查看了这些select语句，发现执行计划都是全表扫描。
首先数据库变成了只读，最后数据库crash了，crash输出的信息如下:

END OF INNODB MONITOR OUTPUT 
============================ 

InnoDB: ###### Diagnostic info printed to the standard error stream 
InnoDB: Error: semaphore wait has lasted > 600 seconds 
InnoDB: We intentionally crash the server, because it appears to be hung. 
 7fa8f9580700 InnoDB: Assertion failure in thread 140363714529024 in file srv0srv.cc line 1754 
InnoDB: We intentionally generate a memory trap. 
InnoDB: Submit a detailed bug report to http://bugs.mysql.com. 
InnoDB: If you get repeated assertion failures or crashes, even 
InnoDB: immediately after the mysqld startup, there may be 
InnoDB: corruption in the InnoDB tablespace. Please refer to 
InnoDB: http://dev.mysql.com/doc/refman/5.6/en/forcing-innodb-recovery.html 
InnoDB: about forcing recovery.

InnoDB: Error: semaphore wait has lasted > 600 seconds 提示600秒没有响应数据库选择了Crash 强制重启

原因分析

从报错信息来看：

update语句需要在记录上面加X锁，但是必须等待RW-Latch的释放
由于有大量的select语句是全表扫描，一直占用latch没有释放，update迟迟竞争不到RW-latch
Innodb 的Diagnostic线程检查到RW-Latch等待超过了600秒还没有返回，认为系统出现了严重问题，于是触发了MySQL服务的Crash。

这里首先需要补充一下Latch的概念：Latch在MySQL中是用于保护高速缓冲区中共享数据的，举个例子:
当我们执行select时，数据是缓存在buffer pool中的，多个线程并发访问或者修改这个数据必然需要一个并发控制机制，这个就是Latch

大家知道，数据库要访问的数据都必须先存在缓存中，而缓存一般比磁盘空间要小，数据缓存使用hash表来记录数据页是否在内存中。在Oracle中的并发控制比较精细：首先会对hash桶加latch，并根据hash桶查找对应的数据并加上pin，然后释放Latch。而MySQL相对没有控制得这么精细，对应的RW-Latch在errlog中说的很清楚，该RW-Latch是在buf0buf.cc的1069行创建的
RW-latch at 0x7fa949340740 created in file buf0buf.cc line 1069

对应的代码摘录如下：

rw_lock_create(PFS_NOT_INSTRUMENTED, &block->lock, SYNC_LEVEL_VARYING);

跟踪源码，知道这个Latch是MySQL在数据库启动，初始化 innodb_buffer_pool时，将Latch创建好的。对应的函数调用过·程:

buf_pool_init_instance()->buf_chunk_init()->buf_block_init()

正是由于这个RW-Latch被长时间占用了，其他的线程一直竞争不到，才导致了这个问题

这类问题的发生多数都是因为SQL写的不好，在表上面进行了大量的全表扫描占用了大量的Latch，解决方案就是避免SQL长时间占用latch：

修改select查询避免全表扫描，避免latch长期被占用
适当的加索引，让select执行更快，也避免一个select锁的数据更少
适当加大buffer pool instance，每个buffer pool都有自己独立的Latch，避免latch竞争。

latch锁

什么是latch锁

从以上案例，我们知道是latch锁导致mysql crash了，那什么是latch锁？

latch 称为闩锁，只作用于内存数据结构，latch 是轻量级的锁，线程通常只在临界区内读写共享内存数据结构时持有 latch，因此 latch 的锁定时间一般很短并且频繁使用，latch 的获取和释放需要尽量小的消耗和更好的性能。在Innodb存储引擎中，latch又可以分为mutex（互斥量）和RW-Lock（读写锁）。
innodb使用show engine innodb mutex进行查看latch

mutex：互斥量；有时候有些资源需要共享和并发，但是又不是分频繁，所以向操作系统申请一个mutex，mutex都是排他的。
rw-latch: 读写锁

latch锁特性

1、不排队
2、spin，一个线程想获得一个锁，但是该锁已被另一线程持有，进行spin(空转随机时间)占用cpu间接性的等待锁的释放，然后获取去进行相关操作。
3、os waits：sleep，spin多次仍然spin
4、cpu繁忙，latch争用

latch争用的现象和过程

latch争用现象

1、latch争用会表现为cpu繁忙

2、latch争用没有排队，等一段随机的时间再回来看一看

latch争用过程

Latch导致MySQL Crash _数据

1、链上有一个链的保护机制latch，小内存结构；

2、这时候有读的线程A上来要读取链，这个时候这个管理就变成r(读锁)，当在链上找到数据页的时候(读)，一找到就释放读锁；

3、B上来也要读取，这个时候一看是r，读锁是可以共享的，它也对链进行访问读取；

4、C上来要修改链中的两个块的内容，一看是r，r和w是互斥的，不能同时进行，要么

（1）主动要求退出cpu；
（2）空占着cpu资源(执行一段空代码，loop，隔一段时间看看A和B有没有使用完(spin)，但是在这个过程中因为C没有排队等待，所以可能在等待的过程中又有其他的线程上来霸占链(不排队的坏处)，如果执行多次仍这样，可能就sleep，退出cpu了，sleep，产生os waits)。

5、为什么空占(害怕os看它闲着把它强行拖出去)

6、等(因为它知道A和B占用资源时间比较短，就是遍历一条链的时间非常短)

latch什么时候会产生严重的争用

1、异常SQL：往往意味着latch争用

大量的物理读：修改链

大量的内存读：遇到修改链的冲突

2、内存访问频繁（不停找），其实也是异常SQL造成的。

3、list太长

链上挂10000个块，被持有的几率太大……

所以，有时候会增加instance的数量，把大pool切成小的pool，让list链变的短一些。

mysql> show variables like 'i%instances';
+------------------------------+-------+
| Variable_name                | Value |
+------------------------------+-------+
| innodb_buffer_pool_instances | 1     |
+------------------------------+-------+
1 row in set (0.00 sec)

如何监控latch争用情况

mysql> show engine innodb status\G
……
SEMAPHORES
----------
OS WAIT ARRAY INFO: reservation count 23
OS WAIT ARRAY INFO: signal count 14
RW-shared spins 0, rounds 73, OS waits 5
RW-excl spins 0, rounds 1114, OS waits 5
RW-sx spins 0, rounds 0, OS waits 0
Spin rounds per wait: 73.00 RW-shared, 1114.00 RW-excl, 0.00 RW-sx

rounds：表示spin一次空转多少圈，也就是返回来询问的次数

OS waits：表示sleep，当突然增长比较快时，说明latch争用比较严重

1、如果OS waits值比较高，说明出现latch争用，异常SQL

2、获取latch的代价：73.00 RW-shared, 1114.00 RW-excl

查看锁类型show engine innodb mutex;
+--------+-----------------------------+----------+
| Type   | Name                        | Status   |
+--------+-----------------------------+----------+
| InnoDB | rwlock: dict0dict.cc:2687   | waits=1  |
| InnoDB | rwlock: dict0dict.cc:1184   | waits=13 |
| InnoDB | rwlock: log0log.cc:844      | waits=35 |
| InnoDB | sum rwlock: buf0buf.cc:1457 | waits=4  |
+--------+-----------------------------+----------+
4 rows in set (0.16 sec)

如何降低latch争用

1、优化SQL，降低对内存读的数量，效果比较明显。
2、增加innodb_buffer_pool_instances的数量。对于具有大内存的64位系统，可以将缓冲池拆分成多个实例（默认8个），把需要缓冲的数据hash到不同的缓冲池中，这样可以并行的内存读写，以最大限度地减少并发操作中内存结构的争用。