MySQL至TiDB复制延迟监控

因生产环境mysql中有较多复杂sql且运行效率低，因此采用tidb作为生产环境的从库进行部分慢sql及报表的读写分离。其中MySQL至TIDB采用Syncer工具同步。
关于TIDB的安装及Syncer可参照官网指引进行,搭建的主从复制架构如下：

因该方式中TiDB的数据是通过Syncer同步的，且TIDB无show slave status命令查看复制情况，故自己开发脚本对MySQL至TIDB的复制延迟进行监控，并且将结果进行图形化展示以便于直观分析，而且此方法也可以监控MySQL主从延迟，类似于percona toolkit的pt-heartbeat 。

一、准备工作
1. 监控所需工具
监控：Python 2.7及以上，安装pymysql(或MySQLdb),其中linux升级python及pip安装可参考之前的博文

Python升级：https://www.cnblogs.com/gjc592/p/9223005.html

pip安装： https://www.cnblogs.com/gjc592/p/9272209.html

图形化展示：Python plotly、matplotlib或pandas包

2. 监控延迟思路
1）创建监控数据库（monitor）及相关表(monitor_time,monitor_result)
2）每隔固定时间（看监控精确度，如0.5s）将当期时间或时间戳的结果更新到mysql的监控表中
3）对比mysql与tidb对应的监控库（monitor库）中的monitor_time表的时间差，并将结果记录在monitor_result里

3. 可视化展示结果
用Python 的plotly、matplotlib或pandas等展示监控结果

二、延时监控实施步骤

1. 创建数据库及相关表，并将其加入Syncer同步中

-- 创建监控数据库monitor;

CREATE DATABASE  `monitor`;

USE `monitor`;

-- 创建监控时间表monitor_time;

CREATE TABLE `monitor_time` (

  `t` bigint(20) DEFAULT NULL

) ENGINE=InnoDB DEFAULT CHARSET=utf8;

-- 初始化数据，因后面监控程序定时更新该条记录

insert into monitor_time  select 1;

-- 创建监控结果表monitor_result;

CREATE TABLE `monitor_result` (

  `id` bigint(20) NOT NULL AUTO_INCREMENT,

  `t` int(11) DEFAULT NULL  COMMENT '延迟时间',

  `add_time` timestamp NULL DEFAULT CURRENT_TIMESTAMP  COMMENT '监控记录生成时间',

  `t_mysql` int(11) DEFAULT NULL COMMENT 'mysql主从延迟时长', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

2. 创建监控账号并授权
单独创建一个用于监控该延迟的账号，并添加相应的权限。

CREATE USER monitor@'192.168.3.42' IDENTIFIED BY 'monitor';

GRANT  SELECT ,INSERT ,UPDATE ON monitor.* TO monitor@'192.168.3.42';

3. 监控脚本

每隔0.5s更新一次monitor_time 表，自定义时间（如例子中10s）获取一次监控结果，并将记录写入数据库中

import os,time

import pymysql

while True:

        t = time.time()

        t1= int(round(t * 1000))

        conn = pymysql.connect(host='*.*.*.*',port=3306,user='monitor',passwd='monitor')

        cur = conn.cursor()

        sql_update = "update monitor.monitor_time set t="+str(t1)

        cur.execute(sql_update)

        conn.commit()

        conn.close()

        time.sleep(0.5)

import os,time

import pymysql

while True:

        conn_sor = pymysql.connect(host='*.*.*.*',port=3306,user='monitor',passwd='monitor')

        cur_sor = conn_sor.cursor()

        conn_138 = pymysql.connect(host='*.*.*.*',port=3306,user='monitor',passwd='monitor')

        cur_138 = conn_138.cursor()

        conn_des = pymysql.connect(host='*.*.*.*',port=4000,user='monitor',passwd='monitor')

        cur_des = conn_des.cursor()

        sql_get_time = "select t from  monitor.monitor_time "

        cur_sor.execute(sql_get_time)

        v_src_tuple=cur_sor.fetchone()

        t_sor=v_src_tuple[0]

        cur_des.execute(sql_get_time)

        v_des_tuple=cur_des.fetchone()

        t_des=v_des_tuple[0]

        cur_138.execute(sql_get_time)

        v_138_tuple=cur_138.fetchone()

        t_138=v_138_tuple[0]

        t1 = t_sor/1000 - t_des/1000

        t2 = t_sor/1000 - t_138/1000

        sql_insert = "insert into  monitor.monitor_result(t,t_mysql) select "+str(t1)+","+str(t2)

        cur_sor.execute(sql_insert)

        conn_sor.commit()

        conn_sor.close()

        conn_des.close()

        time.sleep(10)

将2个脚本放在监控服务器上运行

python monitor_tidb.py  &

python get_tidb_delay.py  &

三可视化展示

以下是其中一种实现方式，其他如折线图方式可执行修改

# __author__ : 'GJC'

# __created__ : '2018/9/17'

# coding=utf-8

import pymysql

import plotly.plotly

from plotly.graph_objs import *

import plotly.graph_objs as abc

import matplotlib.pyplot as plt

host = "*.*.*.*"

user = "monitor"

passwd = "monitor"

db = "monitor"

port = 3306

charset = "utf8"

conn = pymysql.connect(

    host=host,

    port=port,

    user=user,

    passwd=passwd,

    db=db,

    charset=charset,

)

cur = conn.cursor()

re = cur.execute("SELECT  add_time,t,t_mysql FROM  monitor.monitor_result_t ")

dfs = cur.fetchall()

listx = []

listy = []

listy2 = []

for row in dfs:

    listx.append(row[0])

    listy.append(row[1])

    listy2.append(row[2])

cur.close()

conn.commit()

conn.close()

length = listy.__len__()

data_1 = abc.Scatter(

    x=listx,

    y=listy,

    name='syncer_delay_time_tidb',

    mode='markers',

    marker=dict(

        size=10,

        color="rgba(255,47,167,.9)",

        line=dict(

            width=2,

            color='rgb(2,2,2)'

        )

    )

)

data_2 = abc.Scatter(

    x=listx,

    y=listy2,

    name='syncer_delay_time_mysql',

    mode='markers',

    marker=dict(

        size=10,

        color="rgba(255,47,167,.9)",

        line=dict(

            width=2,

            color='rgb(3,3,3)'

        )

    )

)

data1 = Data([data_1])

plotly.offline.plot(data1)

data2 = Data([data_2])

plotly.offline.plot(data2)

部分时间段效果如下：

耿小厨已开通个人微信公众号，想进一步沟通或想了解其他文章的同学可以关注我

巴特西

MySQL至TiDB复制延迟监控

最新文章

热门文章