• 网赌被黑找腾龙D哥出黑【微信:gm4927 QQ:861122225】

    目录

    声明:本文同步发表于 MongoDB 中文社区,传送门:
    http://www.mongoing.com/archives/26201

    背景

    在生产环境的部署中,由于各种不确定因素的存在(比如机器掉电、网络延迟等),各节点上的系统时间很可能会出现不一致的情况。
    对于MongoDB来说,时间不一致会对数据库的运行带来一些不可预估的风险,比如主从复制、定时调度都或多或少依赖于时间的取值及判断。

    因此,在MongoDB集群中保持节点间的时间同步是一项重要的任务,这通常会使用一些NTP协调服务来实现。
    通过人工执行的时间设定操作,或是NTP同步触发的校准,都会使当前的系统时间发生变化,这称之为时间跳变。
    时间跳变对于正在运作的流程是存在影响的,尤其是副本集的复制、心跳机制。

    接下来,将针对这些影响做一些分析。

    一、 对 oplog 的影响

    oplog 原理

    oplog 是主从数据复制的纽带,主节点负责将写入数据变更记录写入到 oplog 集合,备节点则负责从oplog 中拉取增量的记录进行回放。

    一个 典型的 oplog如下所示:

    {
            "ts" : Timestamp(1560861342, 2),
            "t" : NumberLong(12),
            "h" : NumberLong("7983167552279045735"),
            "v" : 2,
            "op" : "d",
            "ns" : "app.T_AppInfo",
            "o" : {
                    "_id" : ObjectId("5d08da9ebe3cb8c01ea48a25")
            }
    }
    

    字段说明

    字段名 字段描述
    ts 记录时间
    h 记录的全局唯一标识
    v 版本信息
    op 操作类型(增删改查等)
    ns 操作的集合
    o 操作内容
    o2 待更新的文档,仅 update 操作包含

    关于 oplog 的结构可以参考这篇文章

    其中,ts字段 实现日志拉取的关键,这个字段保证了 oplog是节点有序的,它的构成如下:

    • 当前的系统时间,即UNIX时间至现在的秒数,32位
    • 整数计时器,不同时间值会将计数器进行重置,32位

    ts字段属于Bson的Timestamp类型,这种类型一般在 MongoDB内部使用。
    既然 oplog 保证了节点有序,备节点便可以通过轮询的方式进行拉取,我们通过 db.currentOp()命令可以看到具体的实现:

    db.currentOp({"ns" : "local.oplog.rs"})
    >
    {
        "desc" : "conn611866",
        "client" : "192.168.138.77:51842",
        "clientMetadata" : {
                "driver" : {
                        "name" : "NetworkInterfaceASIO-RS",
                        "version" : "3.4.10"
                }
        },
        "active" : true,
        "opid" : 20648187,
        "secs_running" : 0,
        "microsecs_running" : NumberLong(519601),
        "op" : "getmore",
        "ns" : "local.oplog.rs",
        "query" : {
                "getMore" : NumberLong("16712800432"),
                "collection" : "oplog.rs",
                "maxTimeMS" : NumberLong(5000),
                "term" : NumberLong(2),
                "lastKnownCommittedOpTime" : {
                        "ts" : Timestamp(1560842637, 2),
                        "t" : NumberLong(2)
                }
        },
        "originatingCommand" : {
                "find" : "oplog.rs",
                "filter" : {
                        "ts" : {
                                "$gte" : Timestamp(1560406790, 2)
                        }
                },
                "tailable" : true,
                "oplogReplay" : true,
                "awaitData" : true,
                "maxTimeMS" : NumberLong(60000),
                "term" : NumberLong(2),
                "readConcern" : {
                        "afterOpTime" : {
                                "ts" : Timestamp(1560406790, 2),
                                "t" : NumberLong(1)
                        }
                }
        },
        "planSummary" : "COLLSCAN",
    }
    

    可见,副本集的备节点是通过 ts字段不断进行增量拉取,来达到同步的目的。


    图-oplog 拉取

    接下来,看一下oplog与系统时间的对应关系,先通过mongo shell 写入一条数据,查看生成的oplog

    shard0:PRIMARY> db.test.insert({"justForTest": true})
    shard0:PRIMARY> db.getSiblingDB("local").oplog.rs.find({ns: "test.test"}).sort({$natural: -1}).limit(1).pretty()
    {
            "ts" : Timestamp(1560842490, 2),
            "t" : NumberLong(2),
            "h" : NumberLong("-1966048951433407860"),
            "v" : 2,
            "op" : "i",
            "ns" : "test.test",
            "o" : {
                    "_id" : ObjectId("5d088723b0a0777f7326df57"),
                    "justForTest" : true
            }
    }

    此时的 ts=Timestamp(1560842490, 2),将它转换为可读的时间格式:

    shard0:PRIMARY> new Date(1560842490*1000)
    ISODate("2019-06-18T07:21:30Z")

    同时,我们查看系统当前的时间,可以确定 oplog的时间戳与系统时间一致。

    # date '+%Y-%m-%d %H:%M:%S'
    2019-06-18 07:21:26

    接下来,测试时间跳变对于oplog的影响

    由于 oplog 是主节点产生的,下面的测试都基于主节点进行

    A. 时间向后跳变

    主节点上将时间往后调整到 9:00,如下:

    # date -s 09:00:00
    Tue Jun 18 09:00:00 UTC 2019

    写入一条测试数据,检查oplog的时间戳:

    shard0:PRIMARY> db.test.insert({"justForTest": true})
    shard0:PRIMARY> db.getSiblingDB("local").oplog.rs.find({ns: "test.test"}).sort({$natural: -1}).limit(1).pretty()
    {
            "ts" : Timestamp(1560848723, 1),
            "t" : NumberLong(4),
            "h" : NumberLong("-6994951573635880200"),
            "v" : 2,
            "op" : "i",
            "ns" : "test.test",
            "o" : {
                    "_id" : ObjectId("5d08a953b9963dbc8476d6b7"),
                    "justForTest" : true
            }
    }
    
    shard0:PRIMARY> new Date(1560848723*1000)
    ISODate("2019-06-18T09:05:23Z")

    可以发现,随着系统时间往后调整之后,oplog的时间戳也发生了同样的变化。

    B. 时间向前跳变

    继续这个测试,这次在主节点上将时间往前调整到 7:00,如下:

    host-192-168-138-148:~ # date -s 07:00:00
    Tue Jun 18 07:00:00 UTC 2019

    写入一条测试数据,检查oplog的时间戳:

    shard0:PRIMARY> db.test.insert({"justForTest": true})
    shard0:PRIMARY> db.getSiblingDB("local").oplog.rs.find({ns: "test.test"}).sort({$natural: -1}).limit(1).pretty()
    {
            "ts" : Timestamp(1560848864, 92),
            "t" : NumberLong(4),
            "h" : NumberLong("3290816976088149103"),
            "v" : 2,
            "op" : "i",
            "ns" : "test.test",
            "o" : {
                    "_id" : ObjectId("5d088c1eb9963dbc8476d6b8"),
                    "justForTest" : true
            }
    }
    shard0:PRIMARY> new Date(1560848864*1000)
    ISODate("2019-06-18T09:07:44Z")

    问题出现了,当时间向前跳变的时候,新产生的oplog时间戳并没有如预期一样和系统时间保持一致,而是停留在了时间跳变前的时刻!
    这是为什么呢?

    我们在前面提到过,oplog需要保证节点有序性,这分别是通过Unix时间戳(秒)和计数器来保证的。
    因此,当系统时间值突然变小,就必须将当前时刻冻结住,通过计数器(Term)自增来保证顺序。

    这样就解释了oplog时间戳停顿的问题,然而,新问题又来了:

    计数器是有上限的,如果时间向前跳变太多,或者是一直向前跳变,导致计数器溢出怎么办呢?

    从保证有序的角度上看,这是不被允许的,也就是当计数器(Term)溢出后将再也无法保证有序了。
    从MongoDB 3.4的源码中,可以看到对应的实现如下:

    global_timestamp.cpp

    
    //获取下一个时间戳
    Timestamp getNextGlobalTimestamp(unsigned count) {
    
        //系统时间值
        const unsigned now = durationCount<Seconds>(
            getGlobalServiceContext()->getFastClockSource()->now().toDurationSinceEpoch());
        ...
        // 对当前上下文的Timestamp 自增计数
        auto first = globalTimestamp.fetchAndAdd(count);
        auto currentTimestamp = first + count;  // What we just set it to.
        unsigned globalSecs = Timestamp(currentTimestamp).getSecs();
    
        // 若上下文时间大于系统时间,且同一时刻的计数器 超过2^31-1(2147483647)时,进行报错
        if (MONGO_unlikely(globalSecs > now) && Timestamp(currentTimestamp).getInc() >= 1U << 31) {
            mongo::severe() << "clock skew detected, prev: " << globalSecs << " now: " << now;
            fassertFailed(17449);
        }

    从代码上看,计数器在超过21亿后会发生溢出,该时间窗口的计算参考如下:

    ,网赌被黑网站不给出款怎么办,网赌被黑审核不通过怎么办,网投被黑审核不通过怎么办,专业出黑网赌追款团队帮您解决,多年经验为您提供优质方案,

    假设数据库吞吐量是1W/s,不考虑数据均衡等其他因素的影响,每秒钟将需要产生1W次oplog,那么窗口值为:

    (math.pow(2,31)-1)/10000/3600 = 59h

    也就是说,我们得保证系统时间能在59个小时内追赶上最后一条oplog的时间。

    二、主备倒换

    在副本集的高可用架构中,提供了一种自动Failover机制,如下:


    图-Failover

    简单说就是节点之间通过心跳感知彼此的存在,一旦是备节点感知不到主节点,就会重新选举。
    在实现上,备节点会以一定间隔(大约2s)向其他节点发送心跳,同时会启动一个选举定时器,这个定时器是实现故障转移的关键:

    • 选举定时器的预设时间被设为10s(实际值为10-12s之间),
    • 在定时器时间到达时会触发一个回调函数,这个函数中备节点会主动发起选举,并接管主节点的角色。
    • 每次向主节点心跳成功后都会取消选举定时器的执行,并重新发起新的选举定时器

    因此,在正常情况下主节点一直是可用的,选举定时器回调会被一次次的取消,而只有在异常的情况下,备节点才会主动进行"夺权",进而发生主备切换。

    那么,接着上面的问题,系统时间的跳变是否会影响这个机制呢?我们来做一下测试:

    自动Failover的逻辑由备节点主导,因此下面的测试都基于备节点进行

    A. 时间向前跳变

    我们在备节点上将时间调前一个小时,如下:

    # date
    Tue Jun 18 09:00:12 UTC 2019
    # date -s 08:00:00
    Tue Jun 18 08:00:00 UTC 2019

    然后通过db.isMaster()检查主备的关系:

    shard0:SECONDARY> db.isMaster()
    {
            "hosts" : [
                    "192.168.138.77:30071",
                    "192.168.138.148:30071",
                    "192.168.138.55:30071"
            ],
            "setName" : "shard0",
            "setVersion" : 1,
            "ismaster" : false,
            "secondary" : true,
            "primary" : "192.168.138.148:30071",
            "me" : "192.168.138.55:30071",
            ...
            "readOnly" : false,
            "ok" : 1
    }
    
    === 没有发生变化,仍然是备节点
    
    shard0:SECONDARY>

    结果是在时间往前调整后,主备关系并没有发生变化,从日志上也没有发现任何异常。

    B. 时间向后跳变

    接下来,在这个备节点上将时间往后调一个小时,如下:

    # date
    Tue Jun 18 08:02:45 UTC 2019
    # date -s 09:00:00
    Tue Jun 18 09:00:00 UTC 2019
    

    这时候进行检查则发现了变化,当前的备节点成为了主节点!

    
    shard0:SECONDARY> db.isMaster()
    {
            "hosts" : [
                    "192.168.138.77:30071",
                    "192.168.138.148:30071",
                    "192.168.138.55:30071"
            ],
            "setName" : "shard0",
            "setVersion" : 1,
            "ismaster" : true,
            "secondary" : false,
            "primary" : "192.168.138.55:30071",
            "me" : "192.168.138.55:30071",
            "electionId" : ObjectId("7fffffff0000000000000008"),
            ...
            "readOnly" : false,
            "ok" : 1
    }
    
    === 发生变化,切换为主节点
    
    shard0:PRIMARY>

    在数据库日志中,同样发现了发起选举的行为,如下:

    I REPL     [ReplicationExecutor] Starting an election, since we've seen no PRIMARY in the past 10000ms
    I REPL     [ReplicationExecutor] conducting a dry run election to see if we could be elected
    I REPL     [ReplicationExecutor] VoteRequester(term 7 dry run) received a yes vote from 192.168.138.77:30071; response message: { term: 7, voteGranted: true, reason: "", ok: 1.0 }
    I REPL     [ReplicationExecutor] dry election run succeeded, running for election
    I REPL     [ReplicationExecutor] VoteRequester(term 8) received a yes vote from 192.168.138.77:30071; response message: { term: 8, voteGranted: true, reason: "", ok: 1.0 }
    I REPL     [ReplicationExecutor] election succeeded, assuming primary role in term 8
    I REPL     [ReplicationExecutor] transition to PRIMARY
    I REPL     [ReplicationExecutor] Entering primary catch-up mode.
    I REPL     [ReplicationExecutor] Caught up to the latest optime known via heartbeats after becoming primary.
    I REPL     [ReplicationExecutor] Exited primary catch-up mode.
    I REPL     [rsBackgroundSync] Replication producer stopped after oplog fetcher finished returning a batch from our sync source.  Abandoning this batch of oplog entries and re-evaluating our sync source.
    I REPL     [SyncSourceFeedback] SyncSourceFeedback error sending update to 192.168.138.148:30071: InvalidSyncSource: Sync source was cleared. Was 192.168.138.148:30071
    I REPL     [rsSync] transition to primary complete; database writes are now permitted
    I REPL     [ReplicationExecutor] Member 192.168.138.148:30071 is now in state SECONDARY

    确实,在备节点的系统时间往后跳变时,发生了主备切换!
    那么问题出在哪里? 是不是只要是时间往后调整就一定会切换呢?

    下面,我们尝试从3.4的源代码中寻求答案:

    选举定时器是由 ReplicationCoordinatorImpl这个类实现的,看下面这个方法:

    代码位置:db/repl/replication_coordinator_impl_heartbeat.cpp***

    void ReplicationCoordinatorImpl::_cancelAndRescheduleElectionTimeout_inlock() {
    
        //如果上一个定时器回调存在,则直接取消
        if (_handleElectionTimeoutCbh.isValid()) {
            _replExecutor.cancel(_handleElectionTimeoutCbh);
            ..
        }
        ...
    
        //触发调度,when时间点为 now + electionTimeout + randomOffset
        //到了时间就执行_startElectSelfIfEligibleV1函数,发起选举
        _handleElectionTimeoutCbh =
            _scheduleWorkAt(when,
                 stdx::bind(&ReplicationCoordinatorImpl::_startElectSelfIfEligibleV1,this,
                      StartElectionV1Reason::kElectionTimeout));
    }

    ReplicationExecutor::_scheduleWorkAt 是定时器调度的入口,负责将定时器回调任务写入队列,如下:

    代码位置:db/repl/replication_executor.cpp

    StatusWith<ReplicationExecutor::CallbackHandle> ReplicationExecutor::scheduleWorkAt(
        Date_t when, const CallbackFn& work) {
        stdx::lock_guard<stdx::mutex> lk(_mutex);
        WorkQueue temp;
        StatusWith<CallbackHandle> cbHandle = enqueueWork_inlock(&temp, work);
        ...
    
        WorkQueue::iterator insertBefore = _sleepersQueue.begin();
        //根据调度时间找到插入位置
        while (insertBefore != _sleepersQueue.end() && insertBefore->readyDate <= when)
            ++insertBefore;
        //将任务置入_sleepersQueue队列
        _sleepersQueue.splice(insertBefore, temp, temp.begin());
        ...
        return cbHandle;
    }
    

    对于队列任务的处理是在主线程实现的,通过getWork方法循环获取任务后执行:

    //运行线程 -- 持续获取队列任务
    void ReplicationExecutor::run() {
        ...
        //循环获取任务执行
        while ((work = getWork()).first.callback.isValid()) {
                //发起任务..
        }
    }
    
    //获取可用的任务
    ReplicationExecutor::getWork() {
        stdx::unique_lock<stdx::mutex> lk(_mutex);
        while (true) {
            //取当前时间
            const Date_t now = _networkInterface->now();
            //将_sleepersQueue队列中到时间的任务置入_readyQueue队列(唤醒)
            Date_t nextWakeupDate = scheduleReadySleepers_inlock(now);
            //存在任务执行,跳出循环
            if (!_readyQueue.empty()) {
                break;
            } else if (_inShutdown) {
                return std::make_pair(WorkItem(), CallbackHandle());
            }
            lk.unlock();
            //没有合适的任务,继续等待
            if (nextWakeupDate == Date_t::max()) {
                _networkInterface->waitForWork();
            } else {
                _networkInterface->waitForWorkUntil(nextWakeupDate);
            }
            lk.lock();
        }
        //返回待执行任务
        const WorkItem work = *_readyQueue.begin();
        return std::make_pair(work, cbHandle);
    }
    
    //将到时间的任务唤醒,写入_readyQueue队列
    Date_t ReplicationExecutor::scheduleReadySleepers_inlock(const Date_t now) {
        WorkQueue::iterator iter = _sleepersQueue.begin();
        //从头部开始,找到最后一个调度时间小于等于当前时间(需要执行)的任务
        while ((iter != _sleepersQueue.end()) && (iter->readyDate <= now)) {
            auto callback = ReplicationExecutor::_getCallbackFromHandle(iter->callback);
            callback->_isSleeper = false;
            ++iter;
        }
        //转移队列
        _readyQueue.splice(_readyQueue.end(), _sleepersQueue, _sleepersQueue.begin(), iter);
        if (iter == _sleepersQueue.end()) {
            // indicate no sleeper to wait for
            return Date_t::max();
        }
        return iter->readyDate;
    }
    

    从上面的代码中,可以看到 scheduleReadySleepers_inlock 方法是关于任务执行时机判断的关键,在它的实现逻辑中,会根据任务调度时间与当前时间(now)的比对来决定是否执行
    关于当前时间(now)的获取则来自于AsyncTimerFactoryASIO的一个方法,当中则是利用 asio库的system_timer获取了系统时钟。

    至此,我们基本可以确定了这个情况:
    由于系统时间向后跳变,会导致定时器的调度出现误判,其中选举定时器被提前执行了!

    更合理的一个实现应该是采用硬件时钟的周期而不是系统时间。

    那么,剩下的一个问题是,系统时间是不是一旦向后跳就会出现切换呢?
    根据前面的分析,每次心跳成功后都会启用这个选举定时器,触发的时间被设定在10-12s之后,而心跳的间隔是2s,
    于是我们可以估算如下:

    如果系统时间往后跳的步长能控制在 8s以内则是安全的,而一旦超过12s则一定会触发切换

    下面是针对步长测试的一组结果:

    //往后切2s
    date -s `date -d "2 second" +"%H:%M:%S"`
    >> 结果:主备不切换
    
    //往后切5s
    date -s `date -d "5 second" +"%H:%M:%S"`
    >> 结果:主备不切换
    
    //往后切7s
    date -s `date -d "7 second" +"%H:%M:%S"`
    >> 结果:主备不切换
    
    //往后切10s
    date -s `date -d "10 second" +"%H:%M:%S"`
    >> 结果:主备偶尔切换
    
    //往后切13s
    date -s `date -d "13 second" +"%H:%M:%S"`
    >> 结果:主备切换
    
    //往后切20s
    date -s `date -d "20 second" +"%H:%M:%S"`
    >> 结果:主备切换
    

    小结

    经过上面的一些测试和分析,我们知道了时间跳变对于副本集确实会造成一些问题:

    • 对于oplog复制的影响,时间向前跳变会导致出现"计时器堆积",如果未及时处理,将导致溢出从而引发错误;
    • 对于自动Failover的影响,时间向后跳变则会造成干扰,很可能导致主备切换及业务的抖动。
      尤其是第二点,MongoDB 3.4及以下版本都会存在该问题,而3.6/4.0 版本经验证已经解决。

    那么,为了最大限度降低影响,提供几点建议:

    1. 分布式集群中务必采用可靠的NTP服务保证各节点上的时间同步,对于时间同步做好告警检测并保证能及时解决异常;
    2. 重大的时间校准,采用小步长(比如1分钟内3-5s)的方式逐步渐渐达到最终同步,这样可以避免主备切换产生的业务影响。
    3. 升级到3.6/4.0 或更新的版本来规避时间跳变导致选举的问题。
    网赌被黑找腾龙D哥出黑【微信:gm4927 QQ:861122225】

    发布评论

    分享到:

    专业出黑网赌被黑追款

    我的微信号:18488351249 (左侧二维码扫一扫)欢迎添加!

    忙追款先追后付 _5分钟彻底理解Redis持久化
    你是第一个吃螃蟹的人
    发表评论

    ◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。