1. 程式人生 > >因為我的一個低階錯誤,生產資料庫崩潰了將近半個小時

因為我的一個低階錯誤,生產資料庫崩潰了將近半個小時

#### 前言 halo,相信大家一定過了一個很開心的端午節吧,我看朋友圈裡各種晒旅遊,晒美食的,真是羨慕啊,不像我,感冒了只能在家擼文章。 當然,玩的多開心,節後上班就有多鬱悶,假日綜合徵可不是說說而已。對此我想表達的是,沒事,不用鬱悶,來看我如何自爆家醜來讓你們開心下。 #### 反常的sql語句 上週四午休時分,我正在工位上小憩,睡夢中彷彿看到了自己拿著李白在榮耀峽谷裡大殺四方的情景,就在我剛拿完五殺準備帶領隊友推對面水晶的時候,一句慌亂急促的“糟了”把我從睡夢中驚醒。我眯開朦朧的雙眼,才發現剛才的發聲來源於我的組長莊哥,看到他在緊張的點開日誌系統檢視日誌,我預感到有什麼不妙的事情發生,仔細一問才知道,原來就在我眯眼的期間,線上資料庫伺服器的CPU被打滿,同時觸發了生產資料庫只讀延遲的限定時間並且發出告警,而且告警的過程持續了半個小時。 這讓我倒吸了一口涼氣,因為我們組做的系統很多都用的是同一個資料庫伺服器,日使用者活躍量有好幾十萬,如果伺服器崩潰了將會使所有的系統服務都不可用,於是我們趕緊通過sql日誌進行問題查詢,最後排查出來是因為一張sql的高量查詢沒有走索引導致,日誌列表顯示,這條sql語句的掃描行數達到了上百萬,基本就是全表掃描的情況,而且半個小時的時間查詢了達上萬次,每條sql查詢的耗時都在3000ms以上。我的天啊,難怪伺服器會CPU打滿,這麼一條耗時的sql語句查詢量這麼大,資料庫的資源當然是直接就崩潰了,這是當時那條sql的查詢情況: ![](https://img2020.cnblogs.com/blog/1478697/202006/1478697-20200628113709156-538871725.png) #### 臨時處理 看了這條語句,我又倒吸一口涼氣,這不就是我寫的系統呼叫的sql語句嗎?完了,這回逃不掉了,真是人在睡夢裡,鍋從天上來。 ![](https://img2020.cnblogs.com/blog/1478697/202006/1478697-20200628001127893-816904537.jpg) 當然,因為是我自己寫的sql,所以我一看就知道這條語句是有問題的。 根據我的程式碼處理,這條sql的呼叫還少了個重要的引數`user_fruit_id`,這個引數沒有傳的話是不應該走這條sql查詢的,在我的設計裡,該引數是資料表裡一個聯合索引的最左側欄位,如果該欄位沒有傳值的話,那麼索引就不會生效了。 ``` KEY `idx_userfruitid_type` (`user_fruit_id`,`task_type`,`receive_start_time`,`receive_end_time`) USING BTREE ``` 雖然定位到了sql語句,但是線上的問題刻不容緩,總不可能找出bug改完再上線吧,所以,我們只能做了一個臨時處理,就是在原來的表上多加了一個聯合索引,其實就是去掉了`user_fruit_id` 欄位,讓這些高量的查詢都能走新的索引,就像下面這樣 ``` KEY `idx_task_type_receive_start_time` (`task_type`,`receive_start_time`,`receive_end_time`,`created_time`) USING BTREE ``` 加上索引後,sql的掃描行數就大幅度的降低了,重啟例項後就又能正常運行了。 #### 最左匹配原則 那麼為什麼最左側的欄位沒傳索引就不生效了,這是因為MySQL的聯合索引是基於“最左匹配原則”匹配的。 我們都知道,索引的底層是B+樹結構,聯合索引的結構也是B+樹,只不過鍵值數量不是一個,而是多個,構建一顆B+樹只能根據一個值來構建,因此資料庫依據聯合索引最左的欄位來構建B+樹。 例如我們用兩個欄位(name,age)這個聯合索引來分析, 圖片來源於林曉斌老師的《MySQL實戰45講》課程, ![](https://img2020.cnblogs.com/blog/1478697/202006/1478697-20200628001203805-1064017455.jpg) 當我們在where條件中查詢name為“張三”的所有記錄的時候,可以快速定位到ID4,並且查出所有包含“張三”的記錄,而如果要查詢“張三,10”這一條特定的資料,就可以用 **name = "張三" and age = 10** 獲取,因為聯合索引的鍵值對是兩個,所以只要前面的name確定的情況下就可以進一步定位到具體的age記錄,但是如果你的查詢條件只有age的話,那麼索引就不會生效,因為沒有匹配最左邊的欄位,後面所有的索引欄位都不會生效,所以我之前寫的sql語句才會因為少了最左邊的`user_fruit_id`欄位而走了全表掃描的查詢方式。 正常來說,假設一個聯合索引設計成(a,b)這樣的結構的話,那麼用a and b作為條件,或者a單獨作為查詢條件都會走索引,這種情況下我們就不要再為a欄位單獨設計索引了。 但如果查詢條件裡面只有b的語句,是無法使用(a,b)這個聯合索引的,這時候你不得不維護另外一個索引,也就是說你需要同時維護(a,b)、(b) 這兩個索引。 #### 找出Bug 雖然臨時做了處理,但問題並不算解決,很明顯是系統出現了bug才會有走這樣的查詢條件。因為是我自己寫的程式碼,所以知道是哪條sql後我就馬上定位到了程式碼裡的具體方法,後來才發現是因為我對`user_fruit_id`欄位的判空處理不生效所致。 因為該欄位是從呼叫方傳過來的,所以我在方法引數裡對該欄位做了非空限制的註解,也就是javax包下的@NotNull, ``` public class GardenUserTaskListReq implements Serializable { private static final long serialVersionUID = -9161295541482297498L; @ApiModelProperty(notes = "水果id") @NotNull(message = "水果id不能為空") private Long userFruitId; /**以下省略*/ ..................... } ``` 雖然加上該註解來做非空校驗,但我卻沒有在引數加上另一個註解**@Validated**,該註解如果沒加上的話,那麼呼叫javax包下的校驗規則就都不生效,正確的寫法是在controller層方法的引數前面加上註解, ![](https://img2020.cnblogs.com/blog/1478697/202006/1478697-20200628001216868-484268419.png) 除此之外,因為user_fruit_id這個欄位是另一張表的主鍵,我在程式碼裡也沒有對這張表是否存在這個id做查詢判斷,這樣一來,無論呼叫方傳什麼值過來都會直接觸發sql查詢,並且在不跑索引的情況下直接走全表掃描。 不得不說,這真是個低階錯誤,說真的,我對這個原因真是感到嘀笑皆非,再怎麼說也工作幾年了,怎麼還犯一些新手級別的錯誤呢,這臉打得真是讓我相當慚愧。 ![](https://img2020.cnblogs.com/blog/1478697/202006/1478697-20200628001225605-1833212891.gif) #### 總結 雖然是低階錯誤,但造成的後果也算挺嚴重了,這次事件也讓我更加的警醒,在以後的開發工作中必須要遵守該有的原則,大概有這麼幾點: 1、**不能相信呼叫端**。重要的引數都要先做驗證,即使是非空值也需要做驗證,不符合條件的就要直接返回或拋異常,不能參與業務sql的查詢,否則頻繁的訪問也會對服務造成負擔。 2、**sql語句要先做效能查詢**。對於資料量大的表,建好索引後,所有的sql查詢語句要用explain檢測效能,並且根據結果來進一步優化索引。 3、**程式碼必須要review**。之前我沒有放太大的精力在程式碼的review上,雖說跟迭代排期的緊湊也有關係,但不管怎麼說,bug確實是我的疏忽造成的,尤其是像空值這種細小的錯誤在Java裡可以說家常便飯。千里之堤毀於蟻穴,有時一個小bug很容易就引發整個系統的崩盤,這一次的問題也讓我更加深刻的認識到了review程式碼的重要性,不管業務開發的工作量有多麻煩,這一步操作絕對不能忽視。 #### 後續 知道了bug的原因,改完程式碼當天就重新發布了,後來,莊哥告訴我說,為了以後讓組裡的其他人對此次問題有所警戒,讓我寫一篇問題記錄總結一下,我想了一下,這不是我的強項啊,但怎麼說也確實是自己的問題,還是老老實實的寫一下記錄好了。我本以為這樣就可以鬆一口氣了,可平哥 (組裡的一位大佬) 卻突然用詭異的眼神看著我,語重心長的說,上次xxx也因為線上出現問題寫了報告,你這一次估計也不能例外了,可能要一萬字以上。我瞬間就感覺一個雷劈到了我頭上,蒼天啊。。。。。。