有贊 MySQL 自動化運維之路 — ZanDB

轉自：https://tech.youzan.com/youzan-mysql-auto-ops-road/

 

一、前言

在互聯網時代，業務規模常常出現爆發式的增長。快速的實例交付，數據庫優化以及備份管理等任務都對DBA產生了更高的要求，單純的憑借記憶力去管理那幾十套DB已經不再適用。那么如何去批量管理這些實例的備份、元數據、定時腳本和快速實例交付就成了急需解決的的問題。

二、數據庫的標准化

在實現MySQL的自動化運維的過程中，最痛苦的無非是目錄的不統一，配置文件的混亂以及DB主機的不標准，而這些不標准的環境會讓自動化運維的路途荊棘重重。所以首先我們將相應的DB主機以及目錄做了標准化，將以前不符合的標准的主機和實例進行改造。

1. 一台機子上所有實例，都是在統一的目錄下，通過端口進行區分，例如my3306,my3307。然后在my3306下面創建對應的數據目錄、日志目錄、運行文件目錄等
2. 每個實例獨享一個配置文件，除serverid , bufferpool_size等參數外其他參數保持一致
3. 線上環境的MySQL軟件目錄和版本保持一致

三、自動化運維之路一期

在一開始的時候，我們需要着手解決目前的最要緊的事情：備份。對於DBA來說，備份重於一切。如果DBA對自己維護的數據庫的備份情況都一無所知，那么總有一天，你會遭遇數據丟失的災難。因此，我們開始第一期的工作，ZanDB 備份監控系統。 它實現的主要功能是：

1. 實時查看備份的情況，當前應備份實例個數，已完成實例數
2. 顯示每個備份的耗費時長
3. 查看過去5天的備份統計信息，如總個數，大小等

四、自動化運維之路二期

在實現了ZanDB備份監控系統之后，我們着手開始設計ZanDB 的二期設計研發工作。

在設計ZanDB的過程中，我們將主要功能分成了七部分：備份管理，實例管理，主機管理，任務管理，元數據管理，日志管理，日常維護。

1、任務系統

為了實現實例的備份、元數據、定時腳本等工作，必須要有一個健壯的任務調度系統。該任務系統支持多種類型的任務：每天的定時任務，每個星期的定時任務，每個月的定時任務，還支持一定間隔的重復性任務。

該任務系統由一個執行任務的agent和下發任務的調度系統完成，任務調度系統中記錄了所有的任務和任務下主機的時間策略。

通過任務系統，我們徹底的去掉了db主機上的crontab 腳本，修改任務執行時間、策略以及是否需要執行變得輕而易舉。

2、備份管理

在一期的基礎上，我們完善了備份系統。通過和任務系統相結合，可以輕松的設置備份的時間以及備份的實例，是否需要備份等，保證了在業務低峰期執行備份操作。

備份操作由agent執行，備份成功失敗通過相應的回調地址設置狀態。如果一台主機上存在備份失敗的實例，可以直接在備份系統中查看其備份報錯日志，執行重試，省去了頻繁登錄DB主機的痛苦。

同時，備份系統每天針對核心數據庫的備份執行校驗操作。如果發現備份校驗失敗，通過告警平台觸發微信或者短信的告警，方便維護人員第一時間知道是否存在備份失效的情況。

3、主機管理

主機的元數據是數據庫實例的基礎。在進行主機新增的時候，ZanDB 能夠自動的連接Zabbix 獲取主機信息，例如磁盤大小，磁盤可用空間，內存可用空間等。

4、實例管理

為了盡可能的發揮主機的性能，我們在一台主機上部署了多個實例，因此主機和實例是一對多的關系。

通過實例管理系統，我們可以實現如下功能：

1. 查看當前的實例列表，獲取實例當前的數據大小，日志大小，主從狀態，是否存在慢查，被kill的SQL，實例歷史信息性能信息等等。
2. 新增單個實例，一對實例，針對一個實例/一對主從添加從庫。新增實例的過程是通過rsync 標准的數據庫模板，然后用my.cnf模板渲染生成標准my.cnf配置文件，執行的具體步驟可以通過流程系統查看 ，支持失敗重試。
3. 實例的主從校驗。在MySQL主從復制中，有可能因為主從復制錯誤、主從切換或者軟件的BUG等導致主從數據不一致。為了提早發現數據的不一致，就需要每天都針對核心數據庫，進行主從的一致性校驗，避免產生線上影響。
4. 實例拆分，用來將之前在同一個實例里面的多個schema 拆分到不同的實例里面
5. 每天將實例的元數據進行快照，如慢查數據，數據目錄大小等，方便實例的歷史數據分析。

5、日志管理

數據庫運行最多的就是SQL，優化SQL是DBA的職責。面對那么多的實例，如果沒有一個日志系統，只能通過登錄每台DB主機去發現慢查將是一件非常痛苦的事情。為了解放DBA的雙手，同時更好的發現和優化慢日志，保證DB的穩定性，ZanDB 日志系統由此誕生。

首先實例元數據收集的過程中，會統計慢查和被kill的SQL的數據，然后更新到實例的元數據中。通過實例元數據的慢查信息，獲取昨日的TOP 慢查。

那么如何去獲取慢查呢？當然要通過偉大的agent去獲取慢查日志。慢查在每天都會進行rotate，產生一個新的慢日志文件。系統要獲取慢查詳情的時候，通過調用pt-query-digest，分析慢日志文件，將結果緩存起來，進行返回。系統下次再獲取慢查的時候，如果發現該日期的慢查已經存在分析后的結果，直接返回。

同時，日志管理里面還包含了被kill的SQL的top情況，和慢查是類似的。

6、元數據管理

元數據管理包含了binlog 元數據、主鍵的溢出校驗，分片信息等。

通過binlog 元數據管理，實現了所有實例的binlog信息管理。binlog元數據記錄了實例的每個binlog起始時間和結束時間，binlog 保留時長，在進行數據恢復的時候可以快速的定位到某個日志。

通過主鍵溢出校驗，我們可以及時的發現哪些表的主鍵自增已經達到了臨界值，避免因主鍵自增溢出無法插入導致故障。

由於交易等核心庫數據量非常大，分析慢查等相關信息的時候，需要根據分片鍵找到對應的實例。我們開發了一個分片元數據查詢功能，只要提供數據庫名、分片id和分片數量，就可以快速的定位到一個實例，大大的方便了DBA，實現了問題的快速定位。

7、日常維護

日常維護主要是通過agent執行，包括了批量執行SQL，批量修改配置等。

批量執行SQL是選擇一批實例，執行維護的SQL。例如，需要修改內存中某個參數的值，或者獲取參數的值。這個SQL只允許維護相關的，DML 是不允許執行的。

批量修改配置和執行SQL類型的修改配置類似，不同的是，修改配置是會同步變更配置文件，永久生效，同時也修改內存，例如調整慢查時間等。

五、展望

整套ZanDB 系統是采用了Python Django + Percona-Toolkit + Agent + 前端相關技術，同時利用了緩存Redis 和 MySQL 后端DB，整套系統采用的技術棧較簡單，實現的功能對於目前來說比較實用。后續會加入數據庫性能診斷，自動分析數據庫慢查，獲取關鍵信息，自動化拆庫等功能。相信隨着自動化的深入，DBA的手動重復操作將越來越少，將有限的時間投入到更有價值的事情上去。

 
如無特殊說明，本文版權歸 本文作者及有贊技術團隊 所有，采用 署名-非商業性使用 4.0 國際許可協議 進行許可。
轉載請注明：來自有贊技術團隊博客 http://tech.youzan.com/youzan-mysql-auto-ops-road/