Greenplum工具GPCC和GP日志中时间不匹配的问题分析

今天同事反馈了一个问题，之前看到没有太在意，虽然无伤大雅，但是想如果不重视，那么后期要遇到的问题就层出不穷，所以就作为我今天的任务之一来看看吧。能不能定位和解决，当然从事后来看，也算是找到了问题处理的一个通用思路。

问题的现象很明显：GPCC工具可以显示出GP的日志内容，但是和GP日志里的时间明显不符。

GPCC的一个截图如下，简单来说就好比Oracle的OEM一样的工具。能够查看集群的状态，做一些基本信息的收集和可视化展现。红色框图的部分就是显示日志中的错误信息。

我把日志内容放大，方便查看。

以下是从GPCC中截取到的一段内容。

截取一段GPCC中的内容供参考。

03 Apr 14:18:07

ERROR

MPP detected 1 segment failures, system is reconnected (cdbfts.c:228)

u:datax_userdb:TESTDB host:10.xxxx

而GP的日志显示如下：

2018-04-03 00:18:07.055801 CST,

"datax_user","TESTDB",p173295,th972601120,"10.xxxx","64523",2018-04-03 00:17:40 CST,1811909,con659620,cmd1,seg-1,,dx572994,x1811909,sx1,"ERROR","XX000","MPP detected 1 segment failures, system is reconnected (cdbfts.c:228)",,,,,"COPY test_map, line 11705805: ""20150826|38377|5364390|1|1|1|1|1|1|1|1|1|1|1|1|1|1|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|2018-04-03 00:1.

..""","COPY test.test_map ( xxxx) FROM STDIN delimiter as '|' NULL 'null' ",0,,"cdbfts.c",228,"Stack trace:

1 0xb0aefe postgres errstart (elog.c:502)

2 0xc29d9f postgres FtsHandleNetFailure (cdbfts.c:227)

3 0xbd4ca5 postgres cdbCopyEndAndFetchRejectNum (cdbcopy.c:804)

4 0x6b757a postgres CopyFromDispatch (copy.c:3823)

5 0x6c6c9c postgres DoCopyInternal (copy.c:1767)

6 0x6c8388 postgres DoCopy (copy.c:1883)

7 0x9a5f9d postgres ProcessUtility (utility.c:1100)

8 0x9a364b postgres PortalRun (pquery.c:1505)

9 0x99a5bc postgres <symbol not found> (postgres.c:1811)

10 0x99e9b9 postgres PostgresMain (postgres.c:4760)

11 0x8f8dfe postgres <symbol not found> (postmaster.c:6672)

12 0x8fba90 postgres PostmasterMain (postmaster.c:7603)

13 0x7fbeff postgres main (main.c:206)

14 0x37f901ed1d libc.so.6 __libc_start_main + 0xfd

15 0x4be869 postgres <symbol not found> + 0x4be869

"

根据时间情况来看，gpcc中显示的时间明显比GP日志的要快，认真对比了下，按照精度来算，快了14个小时。

还有一个问题是错误日志中提到的segment failure是什么意思，是否能给出一个解释。

所以我们还是得回到GP日志，需要结合上下文内容来做一个理解，回放出在那个时间点的操作。往前看很快就定位到了相关的日志，原来是在做一批次的copy操作，很可能因为网络抖动导致其中一个copy操作阻塞。

所以错误信息的基本结论如下：

通过日志可以明确在GP做copy的过程中很可能出了网络问题导致操作受阻，GP尝试重新连接segment

基本解释清了问题，我们再来看下本质的问题，为什么系统中和日志中的时间戳不同，妥妥的差了14个小时。

所以很自然的，我们会抛出一个问题：数据是怎么从日志传输到前端的？

换个问题就是数据是如何从后端传输到前端，初步的方向就是时区上面，但是我查看了部署的软件配置，并没有关于时区的配置。

在咨询了一些朋友之后，我决定再看看官方是否有相关的解释。

花了点力气，所幸找到一篇，还是在3月底更新的一篇，这个时候碰到这个问题算是很应景了。

链接如下：

https://discuss.pivotal.io/hc/en-us/articles/115005976807-Timestamp-mismatch-alerts-in-Greenplum-Command-Center-in-China-Standard-Timezone

话外音就是搜索还是要讲究点技巧，要不搜索不出来确实很尴尬。官方的建议，其实就是因为时区的特定设置，也可以理解是一个bug,在实现的时候，对于中文支持的原因导致了这个问题，如果要做一个WA，可以重置GPCC的档案库和用户的timezone，当然还需要重启GP集群生效，修改后的日期时间戳就显示不是CST,而是HKT，可能还需要评估下是否有其他的影响范围。

所以对于时间问题不一致的基本结论如下：

这个是GPCC的一个问题，在3.x版本出现，在低版本也是同样的。

要修复这个问题，需要重新设置时区的配置，重新GP集群，可以考虑后续是否有机会来做下这个问题的修复。前提还是在测试环境充分测试验证。目前先保持现状。