一个MySQL-JDBC驱动bug引起的血案……

Posted 2020-12-27

问题背景
公司是做电商系统的，整个系统搭建在华为云上。系统设计的时候，考虑到后续的用户和订单数量比较大，需要使用一些大数据库的组件。关系型数据库这块，考虑到后续数据量的快速增长，不是直接写入mysql，而是使用了华为云的分布式数据库中间件DDM。使用了DDM之后，可以在业务不感知的情况下，直接增加MySQL读实例的个数，线性提升读性能。也支持中间件层面的分库分表，提供海量关系型数据库的操作。简直是为电商系统贴身定制的。

DDM自身是以集群形式提供服务的，对业务开放的是多个连接IP地址。需要有一层负载均衡。如果使用传统的加LB的形式做负载均衡，会多一层中转，有性能损耗。所以，直接使用了MySQL-JDBC提供的客户端负载均衡能力。

逻辑结构如下图所示：

▲业务通过MySQL-JDBC的Loadbalance能提访问多个DDM节点。MySQL-JDBC提供负载均衡能力。

问题说明
MySQL JDBC驱动的客户端负载均衡能力，一直运行得好好，性能嗷嗷叫。可是前一阵子竟无故出现业务请求失败。我是负责电商订单模块的，涉及到真实的Money，这个问题可吓了宝宝一身冷汗……

于是赶紧查看了后台日志，发现是访问DDM出现了异常，二话不说直接提了工单给华为云DDM服务。

不得不说，华为云的服务还是很好的，不到半个小时就有专门的工作人员联系了我，还跟我一起排查问题。将我们业务的日志取下来，和DDM的支撑人员一起分析，发现报错如下：根本原因竟然是MySQL驱动的bug，导致StackOverflow本地栈溢出导致……原来是一个Bug引发的血案，误会了DDM服务，真是抱歉了……

从堆栈可以看出来，某个异常，触发了MySQL-JDBC的bug，导致循环调用，直至栈溢出。在华为DDM支撑人员的建议下，对驱动代码进行了反编译，从反编译的情况下，可以看到的确是存在循环嵌套的可能。

Loadbalance轮询连接 –>同步新老连接的状态 ->发送sql给服务端 -> Loadbalance轮询连接。

相关代码如下：
com/mysql/jdbc/LoadBalancedConnectionProxy.java的pickNewConnection()函数
for (int hostsTried = 0, hostsToTry = this.hostList.size(); hostsTried < hostsToTry; hostsTried++) {
ConnectionImpl newConn = null;
try {
newConn = this.balancer.pickConnection(this, Collections.unmodifiableList(this.hostList), Collections.unmodifiableMap(this.liveConnections),
this.responseTimes.clone(), this.retriesAllDown);

    if (this.currentConnection != null) {
        if (pingBeforeReturn) {
            if (pingTimeout == 0) {
                newConn.ping();
            } else {
                newConn.pingInternal(true, pingTimeout);
            }
        }

        syncSessionState(this.currentConnection, newConn);
    }

    this.currentConnection = newConn;
    return;

} catch (SQLException e) {
    if (shouldExceptionTriggerConnectionSwitch(e) && newConn != null) {
        // connection error, close up shop on current connection
        invalidateConnection(newConn);
    }
}

}
syncSessionState()函数，在执行完SQL之后，又会调用postProcess()函数，如此嵌套循环就来了。
if (!this.conn.getAutoCommit()) {
this.matchingAfterStatementCount = 0;
// auto-commit is enabled:
} else {

if (this.proxy == null && this.conn.isProxySet()) {
    MySQLConnection lcl_proxy = this.conn.getMultiHostSafeProxy();
    while (lcl_proxy != null && !(lcl_proxy instanceof LoadBalancedMySQLConnection)) {
        lcl_proxy = lcl_proxy.getMultiHostSafeProxy();
    }
    if (lcl_proxy != null) {
        this.proxy = ((LoadBalancedMySQLConnection) lcl_proxy).getThisAsProxy();
    }

}

if (this.proxy != null) {
    // increment the match count if no regex specified, or if matches:
    if (this.matchingAfterStatementRegex == null || sql.matches(this.matchingAfterStatementRegex)) {
        this.matchingAfterStatementCount++;
    }
}
// trigger rebalance if count exceeds threshold:
if (this.matchingAfterStatementCount >= this.matchingAfterStatementThreshold) {
    this.matchingAfterStatementCount = 0;
    try {
        if (this.proxy != null) {
            this.proxy.pickNewConnection();
        }

    } catch (SQLException e) {
        // eat this exception, the auto-commit statement completed, but we could not rebalance for some reason.  User may get exception when using
        // connection next.
    }
}

}

这么明显的bug，不太相信MySQL会没有发现。当前我们使用的是5.1.44版本的驱动，查看了下最新的5.1.66的代码，发现的确是修复了这个问题的，代码如下：

public ResultSetInternalMethods postProcess(String sql, Statement interceptedStatement, ResultSetInternalMethods originalResultSet, Connection connection,
int warningCount, boolean noIndexUsed, boolean noGoodIndexUsed, SQLException statementException) throws SQLException {

// Don‘t count SETs neither SHOWs. Those are mostly used internally and must not trigger a connection switch.
if (!this.countStatements || StringUtils.startsWithIgnoreCase(sql, "SET") || StringUtils.startsWithIgnoreCase(sql, "SHOW")) {
    return originalResultSet;
}

通过过滤掉SET和SHOW语句，避免了循环嵌套的发生。但是5.1.66又引入了新的bug，由于并不是每个调用postProcess的地方都有SQL，这里的代码会抛空指针异常。MySQL JDBC的开发者都不做测试的吗……

没办法，分析了下5.1.44的代码，发现通过适当的调整loadBalanceAutoCommitStatementThreshold这个参数的数值，也可以避免循环嵌套的发生。我们的环境改成了5，修改之后，平稳运行1周，没再出现过问题。


修改方案
loadBalanceAutoCommitStatementThreshold修改成了5，但是引入的问题是，如果业务包含一些比较耗时的SQL，可能会导致DDM的负载不均衡。不过，就目前情况来看，DDM的性能还是比较强劲的~点击这里，免费体验一番吧！