一大早就被电话吵醒了,云某项目数据库全挂了,启动不了(睡得太死,没听到报警短信),吓得不轻啊!
![19ec783e3bc8b6ec9746855107750772.png](https://i-blog.csdnimg.cn/blog_migrate/f4659952082dd2d81a053659bf47321d.jpeg)
电话中说所有mysql数据库主库都启动不了,但从库正常,怀疑是主库去连其它阿里云的主库了。这些数据库,以前是从阿里云迁移到idc机房的,因此他有这个判断。
赶紧打开电脑,连***,登录其中一个数据库服务器,试着执行如下命令启动mysql服务
[root@bbsmysql121 backup]#mysqld_safe –user=mysql &
启动失败,又换一台数据库服务器尝试,还是失败。考虑到所有的数据库都不能启动,因此可以初步判定,可能是数据库宿主机的问题导致的。
![0d6d9e9e41196d164e3bc245cf1b1d65.png](https://i-blog.csdnimg.cn/blog_migrate/ccb5e457d9985b9422ebf849869a4560.jpeg)
数据库的底层设计是两台物理节点虚拟化,外加一台物理机做备份。其中一台物理机的虚拟机全部做mysql主库,另一台物理机的虚拟机做mysql从库。
![fa33c92e7b4573b677ab6c5b5a5a481f.png](https://i-blog.csdnimg.cn/blog_migrate/99ad789a467360b131f987b4df6d660e.jpeg)
先放弃在虚拟机进行故障排查,赶紧登录宿主机系统。接下来,从两个方面排查问题所在。
ü 虚拟化后台管理系统
![8041a6151bb19e82b1bc35195a2da3d1.png](https://i-blog.csdnimg.cn/blog_migrate/87e0b84fc720712405e5c6515bc59560.jpeg)
发现存储被塞满了,问题很严重。
ü ssh登录宿主系统debian
[6885005.756183] Buffer I/O error on dev dm-16, logical block 34667776, lost async page write[6885005.757292] Buffer I/O error on dev dm-16, logical block 34667792, lost async page write[6885005.758210] Buffer I/O error on dev dm-16, logical block 34667808, lost async page write[6885005.759079] Buffer I/O error on dev dm-16, logical block 34667824, lost async page write[6885005.759922] Buffer I/O error on dev dm-16, logical block 34667840, lost async page write[6885005.760723] Buffer I/O error on dev dm-16, logical block 34667856, lost async page write
系统日志/var/log/messages发现大量的磁盘io错误。
综合上述发现,基本可以断定是磁盘出了问题:一个问题是proxmox划定的存储空间被塞满,另一个是磁盘io错误。知道问题所在以后,接下来的处理方案有两个:修复错误或者把从库提升为主库。考虑到待机问题,还是尽量争取修复主库吧,实在不能修复,再用第二套方案(提升从库)。
释放磁盘空间
为什么磁盘空间会塞满呢?应该有人在虚拟机上干了啥,而且可能是每个虚拟机都进行相同的操作,才会导致宿主机磁盘空间迅速填满。随便登录某个运行mysql数据库的虚拟机,执行命令
df-h
![c5fcb569640d3e5e725844c4b6136311.png](https://i-blog.csdnimg.cn/blog_migrate/644e0beea6e97aeac5202605337aa4a6.jpeg)
再登其它服务器,分区/dev/sdb1也是使用了90%以上。进入目录/data,运行如下指令查看目录空间占用情况:
[root@cumysql121 data]# du -hs *4.0K backup59G db_pkg59G mysql_db[root@cumysql121 data]# cd backup[root@cumysql121 backup]# du -hs *
好家伙,好几个50多G的目录(写这个文章时,我已经删掉了,没有留存记录),这些文件,从目录名称上看,应该是备份数据库自动生成的。不管它,先删除。
![5001e66482aab00e01ba87c523f5510c.png](https://i-blog.csdnimg.cn/blog_migrate/46b034f3c0bba2e16fd73f20caf20843.jpeg)
肯定有人在系统做了自动任务,用指令crontab –l 查看,果然有发现:
#!/bin/bash
/usr/local/xtrabackup/bin/innobackupex --defaults-file=/etc/my.cnf --user=root --passwor='+N4dohask+MsLhG' /data/backup/
find /data/backup/* -mtime +1 -exec rm -fr {} ;
~
初一看这个脚本没什么问题,再仔细看,最后一行是符号“~”,有问题啊!写脚本的人的意图是每天进行一次备份数据库备份,然后删除前一天的历史备份数据,这样就不会把磁盘塞满了。
但是这有两个致命的问题,这里分别描述之。
备份策略错误
有专门的备份系统,应该把数据备份到该系统上,而不是本地备份。
手段错误
备份脚本写好以后,应该手动执行,以验证其正确性。而不是写完,直接扔在上边不管。
修复磁盘错误
紧急联系机房,请技术人员把KVM over 连接到宿主机,万一系统引导不了,可远程查看或者进入单用户模式进行 fsck一类的修复操作。
Ssh连宿主机系统debian,确认被塞满的磁盘空间被释放,然后执行reboot重启系统。几分钟以后,系统正常引导。
后续操作
查看系统日志,没有磁盘io报错,创建目录及文件,正常;启动各虚拟机、启动其上的数据库,都正常了。
![47e2c33a1a1b6d56555e039307d1dedb.png](https://i-blog.csdnimg.cn/blog_migrate/fc7aa50be652c0987641aaccebb8d047.jpeg)
通知各路人马,从业务层面检查是否正常。片刻,短信来一堆恢复信息,心里踏实多了。不用说,是项目方的sa干的这个好事,并且没有通知任何人。
![a29f374bf2c6576f5f171597e01748c1.png](https://i-blog.csdnimg.cn/blog_migrate/13b7e504b73c693fa73f0fa29260c0d6.jpeg)
私下给他说,这事自己跟其它人解释,以后干有风险的事情,最好相互通知一下。
后面小编会分享更多运维干货,感兴趣的朋友走一波关注哩~
![c92f6e4c4a2c107d43927a84ceb056e4.gif](https://i-blog.csdnimg.cn/blog_migrate/2b252439047381c7eb3051119d9ed954.gif)