第19问：MGR 架构，如果一个节点网络不稳，消息缓存会被撑满么？

问题

已知情况如下：

1. MySQL 版本为 8.0.21（随 8.0 的小版本升级，MGR 参数和行为变更频繁，需要特别注意版本号）。

2. MGR 架构，一个节点 C 网络不稳时，与其他节点的通讯断开。

3. 通讯断开后，一定时间内（5 秒 + group_replication_member_expel_timeout 秒）

1. 其他节点开始质疑节点 C 可能掉线。在其他节点上，节点 C 的状态为 UNREACHABLE。
2. 其他节点仍然能协商并提交新事务，其协商的信息会保存在消息缓存中。

4. 通讯恢复后，节点 C 会从其他节点的消息缓存中获取漏掉的信息，并跟上进度。

那么，消息缓存会被撑满么？撑满以后会造成什么影响？

实验

我们先建三节点的 MGR，此处忽略步骤，大家按照官方文档进行就行。

来看一下三节点的状态：

我们知道 MGR 的消息缓存大小由 group_replication_message_cache_size 参数控，我们在三个节点上都将参数设置为最小值（128M），这样比较容易撑满：

我们还需要将 group_replication_member_expel_timeout 调大，使得之后通讯故障的节点 C 不会被集群踢出。

我们需要知道消息缓存已经用了多少，可以使用下面的命令：

现在我们上一些数据库压力，让 MGR 发送消息，将缓存填满：

看一下填满后的缓存状况：

下面，我们将 mgr-3 节点的网络通讯断开：

在其他节点查询状态，可以看到故障节点被质疑，但没有踢出：

同时，我们可以看到数据库压力仍然在继续进行。

现在，在 primary 节点上，我们将内存统计表重置：

然后观察内存统计，查看缓存的释放量：

等待一段时间，可以看到缓存的释放量已经超过缓存大小，意味着整个缓存的内容已经完全换过一轮：

接下来，我们恢复故障节点的通讯。

通讯恢复后，故障节点应当从其他节点的缓存中，获取故障阶段的消息，但这些消息已经从缓存中被清掉了，我们看看故障节点的 error log：

可以看到，故障节点因为无法接上消息，报错退出集群。

而后由于 auto-rejoin 机制，故障节点尝试重新加入集群，并通过 binlog 接续数据。

一些结论

本文涉及到两个 MGR 相关的参数：

1. group_replication_member_expel_timeout

1. 行为： 当某节点意外离线达到（5 秒 + group_replication_member_expel_timeout 秒）后，MGR 将其踢出集群。 如果节点意外离线时间较短，MGR 可以自动接续消息，仿佛节点从未离开。
2. 优点： 网络等发生意外时，该参数越大，越不需要人工参与，集群可自动恢复。
3. 成本： 该参数越大，就需要更多的消息缓存。
4. 成本： 节点未被踢出集群时，可以从该节点读到过期数据。 该参数越大，读到过期数据的概率越大。

2. group_replication_message_cache_size

1. 优点：该参数越大，可缓存的消息越多，故障节点恢复后自动接续的概率越大，不需要人工参与运维。
2. 成本：消耗内存。

小贴士 大家在选择 MGR 参数时，建议从以下几个方向考虑，达成平衡：

1. 对环境不稳定的容忍程度
2. 自动化程度（是否需要人工参与）
3. 读过期数据的概率
4. 物理资源消耗

   ---