MySQL 主从复制延迟排查实战:从大事务、无主键表到并行复制的五步清单

举报
yd_229207802 发表于 2026/10/29 09:33:06 2026/10/29
【摘要】 MySQL 主从架构里,只读库的数据“慢半拍”是最常见的线上问题之一:用户刚下单,列表页却查不到;报表读到的数据比主库少几分钟。本文整理一套我常用的主从复制延迟排查思路,适用于自建 MySQL 和云上 RDS for MySQL 的只读实例,每一步都能直接用命令验证。一、先确认延迟是真的,并看清是哪一段慢在从库执行:SHOW SLAVE STATUS\G-- 8.0.22 之后也可用 SHO...

MySQL 主从架构里,只读库的数据“慢半拍”是最常见的线上问题之一:用户刚下单,列表页却查不到;报表读到的数据比主库少几分钟。本文整理一套我常用的主从复制延迟排查思路,适用于自建 MySQL 和云上 RDS for MySQL 的只读实例,每一步都能直接用命令验证。

一、先确认延迟是真的,并看清是哪一段慢

在从库执行:

SHOW SLAVE STATUS\G
-- 8.0.22 之后也可用 SHOW REPLICA STATUS\G

重点看四个字段:Slave_IO_Running 和 Slave_SQL_Running 是否都为 Yes;Seconds_Behind_Master 是延迟秒数;Master_Log_File/Read_Master_Log_Pos 与 Relay_Master_Log_File/Exec_Master_Log_Pos 的差距。如果读取位点已经追上主库、而执行位点落后很多,说明网络和 IO 线程没问题,慢在 SQL 线程回放;反过来则要查网络带宽和主库 binlog 产生速度。注意 Seconds_Behind_Master 在 SQL 线程空闲或遇到大事务时并不精确,建议再用心跳表交叉验证:主库每秒写入一条带时间戳的记录,从库用当前时间减去该记录时间,得到更可信的延迟。

二、SQL 线程回放慢的四个常见原因

1. 大事务。主库上一条 DELETE 或 UPDATE 影响几百万行,在主库用了几十秒,从库要完整串行回放同样的时间,延迟就是这么堆出来的。用 mysqlbinlog 解析最近的 binlog,统计单个事务的大小:

mysqlbinlog --base64-output=decode-rows -vv mysql-bin.000123 | grep -E "^# at|COMMIT" | head

治理办法是把大批量变更拆成每批 1000~5000 行的小事务,批次之间短暂停顿,让从库有机会追赶。

2. 从库表没有主键或缺少索引。在 ROW 格式下,从库回放 UPDATE/DELETE 需要按行定位,没有主键时可能每条语句都全表扫描,一个百万行的表上,回放一条语句就是秒级。排查方式是查找没有主键的表:

SELECT t.table_schema, t.table_name
FROM information_schema.tables t
LEFT JOIN information_schema.table_constraints c
  ON t.table_schema=c.table_schema AND t.table_name=c.table_name AND c.constraint_type='PRIMARY KEY'
WHERE c.constraint_name IS NULL AND t.table_type='BASE TABLE'
  AND t.table_schema NOT IN ('mysql','sys','information_schema','performance_schema');

给这些表补上自增主键,是性价比最高的优化之一。

3. 从库单线程回放跟不上。老版本默认只有一个 SQL 线程,主库并发写入很高时,从库自然追不上。MySQL 5.7 起可以开启基于逻辑时钟的并行复制:

STOP SLAVE SQL_THREAD;
SET GLOBAL slave_parallel_type='LOGICAL_CLOCK';
SET GLOBAL slave_parallel_workers=8;
START SLAVE SQL_THREAD;

云上 RDS 通常可以直接在参数模板里修改这两个参数,修改后需要观察是否要求重启。并行度不是越大越好,一般取从库 CPU 核数的一半左右,再结合 performance_schema 里 replication_applier_status_by_worker 表观察各 worker 是否均衡。主库同时把 binlog_transaction_dependency_tracking 设为 WRITESET,也能让更多事务被判定为可并行。

4. 从库资源被其他查询占满。只读库常被拿来跑报表,一条大查询占满 CPU 或 IO,回放线程就被挤得很慢。用 SHOW PROCESSLIST 或 sys.statement_analysis 找出耗时最长的语句,把重型分析迁到单独的只读实例,或者加上超时限制。同时检查从库磁盘 IOPS 是否被打满,必要时升级规格或换更高性能的云盘。

三、网络与 IO 线程侧的检查

如果是读取位点落后,先看主库 binlog 的产生速度,用 SHOW MASTER STATUS 间隔一分钟取两次,位点差就是每分钟的日志量;再和主从之间的带宽对比。跨可用区、跨地域的从库,带宽和延迟本身就是瓶颈,可以考虑开启 binlog 压缩(8.0.20 起支持 binlog_transaction_compression),或把从库放到离主库更近的位置。

四、应用层的兜底设计

无论怎么优化,异步复制都不可能做到零延迟,业务设计上要留出余地:

  • 写后立即读的场景(下单后看订单、修改资料后刷新)强制走主库,或者在会话里记录写入时间,短时间内路由到主库。
  • 对延迟敏感的只读流量,在连接层设置延迟阈值,例如从库延迟超过 5 秒就自动摘除,恢复后再加回,避免用户读到过旧的数据。
  • 给延迟加监控告警:用上面的心跳表或云监控的复制延迟指标,设置 10 秒预警、60 秒严重告警,并在告警里附上当前最大事务和慢查询数量,方便定位。

五、一份可直接照做的清单

  1. SHOW SLAVE STATUS 判断是 IO 线程慢还是 SQL 线程慢。
  2. 用心跳表确认真实延迟,排除 Seconds_Behind_Master 的误导。
  3. 解析 binlog,找出大事务并拆分批次。
  4. 查找无主键表,补主键或必要索引。
  5. 开启 LOGICAL_CLOCK 并行复制,worker 数从 4 或 8 起步,观察后再调。
  6. 把报表类重查询迁出或限流,确认从库磁盘 IOPS 有余量。
  7. 业务侧做好写后读走主库和延迟摘除,并配置延迟告警。

总结一下:复制延迟的根因绝大多数落在“大事务、缺主键、串行回放、资源争抢”这四类上,按上面的顺序逐项排除,通常十几分钟就能定位。治理的关键不在一次性救火,而是把拆分批次、补主键和延迟监控变成发布规范,这样下一次高峰来临时,从库才能稳稳跟上。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。