MySQL 单机版 vs 高可用版:宕机排查 + 故障处理

一、单机版 MySQL

1. 架构说明

只有一台 MySQL 实例,一套 mysqld 进程,只有一份数据,没有备库副本。读写全部都在这一台服务器。

  • 优点:部署简单、维护方便、成本低
  • 缺点:无故障转移能力。机器、磁盘、MySQL 进程出问题,业务直接中断;磁盘损坏存在丢失数据风险。
  • 适用:测试环境、非核心业务;不建议核心生产使用。

2. 单机版宕机现象

mysqld 进程消失,服务无法连接;

进程存在也可能出现卡死,查询无响应;

3. 宕机统一排查步骤

确认现象 → 保留现场,不要反复重启 → 查看关键日志 → 定位根因

3.1 确认是否真实宕机

复制代码
ps -ef | grep mysqld
netstat -lnp | grep 3306
mysql -S /tmp/mysql.sock
  • 进程消失:实例真实 crash;
  • 进程存在但连不上:大概率锁、慢 SQL 打满,实例卡死,不是进程崩溃。

3.2 收集两大核心日志(不要频繁重启 MySQL,重启会冲刷日志现场)

1)MySQL 错误日志 error.log,查看崩溃时间点报错:

关键词:

1) No space left on device磁盘满、InnoDB文件损坏、参数错误。

2)系统日志 dmesg -T

查看是否被 Linux OOM‑killer 杀死进程:搜索Out‑of‑memory。

3.3 检查磁盘空间

复制代码
df -h

看磁盘是否 100% 占满。

3.4 判断根因

  • dmesg 有 OOM kill:内存配置过大,操作系统杀掉 MySQL;
  • error.log 报No space left on device:磁盘耗尽;
  • error.log 大量 InnoDB page 损坏:断电、硬件导致数据文件损坏;
  • 进程存活但访问卡死:大 SQL、长事务压力导致。

4. 单机宕机处理方案

4.1 磁盘满导致宕机 :清理 binlog、日志文件释放磁盘,再启动 MySQL;禁止直接 rm 物理删除 binlog,优先用purge binary logs。

4.2 OOM 被内核 kill :调小innodb_buffer_pool_size,给操作系统预留内存,重新启动。

4.3 InnoDB 文件损坏

1)优先使用最近备份恢复数据;

2)innodb_force_recovery仅用于导出数据,不能用来对外提供业务读写。

4.4 参数配置错误:修正 my.cnf 配置,启动实例。

4.5 如果实例无法修复:只能依靠全量备份 + binlog 恢复业务,业务中断时间较长。

单机没有备库可以切换,所有修复都是在故障本机操作,修不好只能靠备份。

二、高可用版 MySQL(主从 / MGR)

1. 架构说明

至少 2 台机器,一主多从架构 。主库负责写入,通过 binlog 复制把数据同步到多个从库;搭配切换组件(Keepalived 虚 IP、MGR 自动选主)实现故障转移。

  • 优点:单台机器故障,可以手动 / 自动切换到从库,业务尽量不中断;多机器保存数据副本;支持读写分离;
  • 缺点:架构复杂,需要监控主从延迟、复制状态;异步复制场景切换存在少量数据丢失风险,存在脑裂风险;
  • 适用:线上核心生产业务;

注意:仅仅搭建主从复制,没有切换组件不算完整高可用,主库宕机业务依旧不可用。

MGR说明:MGR 是MySQL 官方组复制,基于 Paxos 协议。生产多用 3 节点单主模式,主节点故障自动选举新主,依靠多数派投票保障数据一致性;多主模式所有节点都可写,但存在事务冲突风险,线上很少使用

2. 高可用主库宕机排查步骤

原则:优先恢复业务,不要先重启故障主库,保留故障机器现场用于排查问题

2.1 确认主库是否真实宕机

复制代码
ps -ef | grep mysqld
netstat -lnp | grep 3306

区分:

1)进程 crash(mysqld 进程已经消失);

2)网络、虚 IP 漂移导致访问不到(MySQL 实例本身正常活着);

3)实例卡死(mysqld 进程还在,但是内部卡死不响应请求);

解释说明:

MGR /keepalived 环境常见:虚 IP 飘到别的机器;防火墙策略变更;客户端网络不通。数据库实例 mysqld 还在本机正常运行。

ps 看不到 mysqld、netstat 无 3306 → 进程 crash

ps 有 mysqld,netstat 有 3306,此时有两种可能性:网络虚 IP 漂移 OR MySQL 实例卡死

本地 socket 登录 MySQL,绕过 TCP 网络、绕过虚 IP(关键判断)

复制代码
mysql -S /tmp/mysql.sock

socket 走本地文件通信,不经过 3306 TCP 端口、不经过虚 IP、不走网卡网络。

  • ✅如果 socket 可以正常登录,执行 SQL 可以正常返回 → MySQL 实例内部是健康正常。业务连不上是外部问题:虚 IP 漂移、防火墙、业务机器网络、代理故障
  • ❌如果 socket 登录也卡住、超时、无法执行 SQL → 证明 MySQL 实例本身内部卡死,不是外部网络问题,而是实例卡死

2.2 在故障旧主库机器收集日志,保留现场

1)读取 MySQL error.log;

2)执行 dmesg -T,确认是否 OOM‑killer 杀死进程;

3)df -h检查磁盘使用率。

排查根因和单机排查日志手段完全一样:磁盘满、OOM kill、InnoDB 损坏、压力、硬件故障。

3. 高可用主库宕机处理方案

3.1 执行故障切换(最优先)

  • Keepalived 主从:手动将健康从库提升为新主库,业务 IP 指向新主;
  • MGR 架构:等待组件自动选主完成; 修改业务连接配置,业务恢复对外服务。

3.2 旧故障主库不要直接上线

保留日志用于故障分析;不能直接加入集群,需要重建主从同步,防止脑裂双写。

3.3 根据日志定位根因,对应修复故障节点:

  • 磁盘满:清理日志;
  • OOM:调整内存参数;
  • InnoDB 文件损坏:该实例废弃,重新做实例重建,不要把损坏实例直接加入集群。

3.4 业务恢复后:校验主从同步状态、校验数据完整性;事后补充监控告警。

三、精简版

**单机 MySQL:**只有一个实例,无备库。

宕机排查:先确认 mysqld 进程状态,查看 error.log 错误日志、dmesg 系统日志、磁盘使用率。常见故障磁盘满、OOM kill、InnoDB 文件损坏。

处理:在本机尝试修复;无法修复只能依靠备份恢复,业务中断时间长。

**高可用 MySQL:**采用一主多从架构,具备故障切换能力。

主库宕机排查手段日志层面和单机一致。

处理:优先做故障切换,把业务切到健康从库,优先恢复业务;旧故障主库保留现场排查问题,不直接重启上线,后续重建同步。高可用也有少量丢数据、脑裂的风险,事后需要校验数据和完善监控。

四、对比

项目 单机 MySQL 宕机 高可用 MySQL 主库宕机
首要目标 修复本机实例,不行就备份恢复 优先故障切换,快速恢复业务
故障机器 必须尝试本机修复 故障机器保留现场,业务不再依赖它
日志排查手段 error.log、dmesg、df ‑h,完全相同 error.log、dmesg、df ‑h,手段一样
业务影响 业务长时间中断 切换成功业务影响很小
数据保障 仅靠备份 多副本,切换有极小概率丢数据
相关推荐
小Ti客栈7 小时前
MySQL 常用函数速查(完整篇)
数据库·mysql·adb
nice_lcj52010 小时前
MySQL 主从复制与读写分离:从库怎么跟着主库走
数据库·mysql·面试·binlog·读写分离·主从复制
Cosolar10 小时前
2026 年 Java AI Agent 生态全景盘点:50+ Java 开源项目的分类、实测与选型判断
人工智能·架构·agent
吴建旭 智宅焕11 小时前
智能家居全国交付中模块化计价架构的设计与实现:从一口价到可复核的计价模型
架构·智能家居·devops
数据工匠老o11 小时前
数据库没死,业务卡住了:行锁等待、元数据锁、长事务的排查路径
数据库·算法·架构
Decay__11 小时前
SQLServer 优化案例集 —— 慢 SQL 优化、索引重构与参数调整收益对比
运维·数据库·sql·mysql·架构
Mr_万能胶12 小时前
官方发布,不烧心的 AOSP 编译提速技巧
android·ci/cd·架构
Allen366812 小时前
从答疑机器人到有办公桌的助理:一次 RAG Agent 的「加法」改造
架构
Jahzo12 小时前
DSH 客户端二开实战(四):业务登录如何接入原生桌面与本地 Host
架构·deepseek
苍梧问道13 小时前
SQL Server I/O性能优化:从等待类型到存储配置
架构