Chinaunix首页 | 论坛 | 博客
  • 博客访问: 808967
  • 博文数量: 50
  • 博客积分: 757
  • 博客等级: 上士
  • 技术积分: 1913
  • 用 户 组: 普通用户
  • 注册时间: 2011-03-29 14:29
个人简介

DBA

文章分类

全部博文(50)

文章存档

2015年(3)

2014年(2)

2013年(14)

2012年(19)

2011年(12)

分类: Mysql/postgreSQL

2012-09-11 14:27:34

友情提示:您看到此篇文章时可能已经过时了,当前最新版本是2.2.0。
昨天配置的mongoshard集群,出现了如下异常,今天直接down掉:

  1. [Balancer] caught exception while doing balance: error checking clock skew of cluster mongotest12:30011,mongotest22:30011,mongotest32:30011 :: caused by :: 13650 clock skew of the cluster mongotest12:30011,mongotest22:30011,mongotest32:30011 is too far out of bounds to allow distributed locking.

看来mongodb的server之间时间必须一致,或者不能差距太大,察看了下源码,记录如下:
报错的信息在client/distlock.cpp的DistributedLock这个类中。DistributedLock(分布锁)这个类为configdb提供了同步整个集群环境任务状态的方法。每个任务在集群中都必须有一个唯一的名字,比如数据平衡任务'balancer'。这个锁的信息记录在configdb的locks集合中。每个锁生效都必须在一个预先规定的时间范围内,在初始化类的时候这个类都会自动去维护这个时间,判断是否超时。

DistributedLock的got函数

点击(此处)折叠或打开

  1. string got( DistributedLock& lock, unsigned long long sleepTime ) {
  2.     ....
  3.      // Check our clock skew
  4.             try {
  5.                 if( lock.isRemoteTimeSkewed() ) {
  6.                     throw LockException( str::stream() << "clock skew of the cluster " << conn.toString() << " is too far out of bounds to allow distributed locking." , 13650 );
  7.                 }
  8.             }
  9.             catch( LockException& e) {
  10.                 throw LockException( str::stream() << "error checking clock skew of cluster " << conn.toString() << causedBy( e ) , 13651);
  11.             }
  12.     ....
  13. }
  14. bool DistributedLock::isRemoteTimeSkewed() {
  15.      return !DistributedLock::checkSkew( _conn, NUM_LOCK_SKEW_CHECKS, _maxClockSkew, _maxNetSkew );
  16. }

  17. /**
  18.    * Check the skew between a cluster of servers
  19. */
  20.         static bool checkSkew( const ConnectionString& cluster, unsigned skewChecks = NUM_LOCK_SKEW_CHECKS, unsigned long long maxClockSkew = MAX_LOCK_CLOCK_SKEW, unsigned long long maxNetSkew = MAX_LOCK_NET_SKEW );

checkSkew就是判断server之间时间差的函数,此函数有几个参数
1、skewChecks 检查次数
2、maxClockSkew 最大的时间差
3、maxNetSkew 检查时网络的最大时间差
每个参数初始化的时候都有默认值,此默认值在distlock.h头文件中

  1. #define LOCK_TIMEOUT (15 * 60 * 1000)
  2. #define LOCK_SKEW_FACTOR (30)
  3. #define LOCK_PING (LOCK_TIMEOUT / LOCK_SKEW_FACTOR)
  4. #define MAX_LOCK_NET_SKEW (LOCK_TIMEOUT / LOCK_SKEW_FACTOR)
  5. #define MAX_LOCK_CLOCK_SKEW (LOCK_TIMEOUT / LOCK_SKEW_FACTOR)
  6. #define NUM_LOCK_SKEW_CHECKS (3)

可以看到skewChecks 默认检查3次,maxClockSkew 的默认值是30s,maxNetSkew 也是30s,时间还是比较短的。
maxNetSkew 是从检查机器到被检查机器,执行serverStatus命令返回的最大时间

点击(此处)折叠或打开

  1. Date_t then = jsTime();
  2. bool success = conn->get()->runCommand( string("admin"),BSON( "serverStatus" << 1 ), result );
  3. delay = jsTime() - then;

如果delay>2*MAX_LOCK_NET_SKEW 则认为超时

checkSkew通过相互比较集群中server的时间3次,得到集群中差值最大的时间间隔,如果大于maxClockSkew ,那么报出异常

点击(此处)折叠或打开

  1. // Make sure our max skew is not more than our pre-set limit
  2.         if(totalSkew > (long long) maxClockSkew) {
  3.             log( logLvl + 1 ) << "total clock skew of " << totalSkew << "ms for servers " << cluster << " is out of " << maxClockSkew << "ms bounds." << endl;
  4.             return false;
  5.         }

起初我们认为是由于时间问题引起的down机问题,后来才发现是因为crontab里配置了太多的切割日志的脚本,且都在同一时间,导致一个分片都down掉,整个集群才down的。
切割日志命令:

点击(此处)折叠或打开

  1. killall -SIGUSR1 mongod
  2. killall -SIGUSR1 mongos
但是由于时间不同步引发的问题还需进一步讨论

阅读(5827) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~