下单接口写完立刻跳详情页,偶尔查不到订单,用户点两次就好。监控上 Seconds_Behind_Source 一直是 0,DBA 说没有延迟,怀疑是应用缓存没清。
把读写都强行打到从库才复现。主库提交完,从库 relay log 还没应用,SELECT 走从库自然读不到。Seconds_Behind_Source 只反映 IO 线程拉取和 SQL 线程应用的差距,单位是秒,亚秒级延迟它根本显示不出来,GTID 模式下这个值还经常是 0,拿它当依据会一直被误导。
半同步开的是 AFTER_COMMIT,超时参数 rpl_semi_SYNc_source_timeout 设的 1000ms。一旦超过 1 秒没等到 ACK,主库自动退回异步,不再等从库,延迟窗口直接放大。这个降级只在 error log 里留一行,平时没人翻。改成 AFTER_SYNC 至少能保证 binlog 已经落到从库,但应用层依然看不到这件事。
真正管用的是按 GTID 等。事务提交时把 GTID 带出来,读从库之前执行 WAIT_FOR_EXECUTED_GTID_SET,超时 50ms,返回 0 就重试,三次还不齐就回主库读。这套逻辑只包在“写完立刻读”的十几个接口上,不是所有查询都等。
-- 0.05 秒内没追上就返回 0
SELECT WAIT_FOR_EXECUTED_GTID_SET(
'3e11f4c2-8b21-11ee-9a30-0242ac110002:1-88213', 0.05);
SHOW VARIABLES LIKE 'rpl_semi_sync_source_timeout';
SET GLOBAL rpl_semi_sync_source_timeout = 3000;
压测数据:这几个接口 p99 从 18ms 涨到 64ms,但再没出现写完读不到。用 sysbench 造 200 并发写,故意把从库 SQL 线程 stop 两秒,重试把请求挡回主库,业务侧没有报错。
顺带记一笔,读从库的连接必须显式指定,不少框架的多数据源在主从切换后会漂。我在 DSN 里加了 application_name,慢查询日志里能看清到底走的哪台机器,比看监控猜靠谱。
