Mysql 5.7.29 el7 版本,组复制有三个节点,搭建了innodb cluster。做故障切换测试,拔掉其中一个节点的网线,使节点因为网络原因被Expelled。切换成功后使用stop group_replication;start group_replication; 重新加入集群。当然也可以通过mysqlshell操作rejoinInstance。期间节点长时间处于recovering状态,查询performance_schema.replication_group_member_stats,COUNT_TRANSACTIONS_IN_QUEUE列,等待check的事务不到10个;COUNT_TRANSACTIONS_CHECKED=0,没有需要应用的事务;COUNT_TRANSACTIONS_ROWS_VALIDATING=0,用于check的队列也是空的;并且观察到TRANSACTIONS_COMMITTED_ALL_MEMBERS一直没有变化;slave_parallel_workers=32;节点均处于局域网内;因为是切换测试,所以节点并没有离开集群很久,因此也没有大量事务等待应用。节点长时间处于recovering状态,约莫有个2、3分钟的样子才重新online。
综合上述条件,排除了节点restore、事务应用慢、以及网络问题,最终翻到了oracle 文档,确认了应该是max_relay_log_size参数的问题。当max_relay_log_size设置为大于0的值,则当relay log日志文件达到这个设定大小的时候,就会自动的rotate。如果没设置的话,这个值取决于max_binlog_size的大小,本例中的max_binlog_size设置为1G大小,也就是最坏情况下,relay log会增长到1G,当节点重新