1、背景
MGR是个好东西，因为他从本质上解决了数据不一致的问题。不光是解决了问题，而且出自名门正派（Oracle的MySQL团队），对品质和后续的维护，我们是可以期待的。
但是在调研的过程中，发现有个严重的bug（https://bugs.mysql.com/bug.php?id=92690），在网络有延迟、丢包和数据损坏时，会导致各个节点间数据严重不一致。而上述网络情况，在跨地域部署时候，出现的概率还是比较高的，因此，必须解决上述问题。我也一直在等待官方团队的修复（该bug在2018年11月5号被提出，截止到写作这篇文章，已经3个月了），但是一直没有bug fix放出。
2、社区对于该bug的分析
a）相同gtid编号，内容不同
从这个bug submmiter的分析来看，即使是相同的gtid编号，其内容也不相同，甚至操作的表都不一样。
gr01 > show binlog events in 'binlog.000223' from 11590 limit 11; +---------------+-------+-------------+-----------+-------------+------------------------------------------------------------------------+ | Log_name | Pos | Event_type | Server_id | End_log_pos | Info | +---------------+-------+-------------+-----------+-------------+------------------------------------------------------------------------+ | binlog.000223 | 11590 | Gtid | 10 | 11651 | SET @@SESSION.GTID_NEXT= 'aaaaaaaa-aaaa-aaaa-aaaa-aaaaaaaaaaaa:295533' | | binlog.000223 | 11651 | Query | 10 | 11723 | BEGIN | | binlog.000223 | 11723 | Table_map | 10 | 11775 | table_id: 125 (db1.sbtest6) | | binlog.000223 | 11775 | Update_rows | 10 | 12185 | table_id: 125 flags: STMT_END_F | | binlog.000223 | 12185 | Table_map | 10 | 12237 | table_id: 116 (db1.sbtest5) | | binlog.000223 | 12237 | Update_rows | 10 | 12647 | table_id: 116 flags: STMT_END_F | | binlog.000223 | 12647 | Table_map | 10 | 12699 | table_id: 118 (db1.sbtest1) | | binlog.000223 | 12699 | Delete_rows | 10 | 12919 | table_id: 118 flags: STMT_END_F | | binlog.000223 | 12919 | Table_map | 10 | 12971 | table_id: 118 (db1.sbtest1) | | binlog.000223 | 12971 | Write_rows | 10 | 13191 | table_id: 118 flags: STMT_END_F | | binlog.000223 | 13191 | Xid | 10 | 13218 | COMMIT /* xid=6231928 */ | +---------------+-------+-------------+-----------+-------------+------------------------------------------------------------------------+ 11 rows in set (0.00 sec) gr02 > show binlog events in 'binlog.000221' from 9912 limit 11; +---------------+-------+-------------+-----------+-------------+------------------------------------------------------------------------+ | Log_name | Pos | Event_type | Server_id | End_log_pos | Info | +---------------+-------+-------------+-----------+-------------+------------------------------------------------------------------------+ | binlog.000221 | 9912 | Gtid | 10 | 9973 | SET @@SESSION.GTID_NEXT= 'aaaaaaaa-aaaa-aaaa-aaaa-aaaaaaaaaaaa:295533' | | binlog.000221 | 9973 | Query | 10 | 10037 | BEGIN | | binlog.000221 | 10037 | Table_map | 10 | 10089 | table_id: 108 (db1.sbtest5) | | binlog.000221 | 10089 | Update_rows | 10 | 10499 | table_id: 108 flags: STMT_END_F | | binlog.000221 | 10499 | Table_map | 10 | 10551 | table_id: 110 (db1.sbtest4) | | binlog.000221 | 10551 | Update_rows | 10 | 10961 | table_id: 110 flags: STMT_END_F | | binlog.000221 | 10961 | Table_map | 10 | 11014 | table_id: 109 (db1.sbtest10) | | binlog.000221 | 11014 | Delete_rows | 10 | 11234 | table_id: 109 flags: STMT_END_F | | binlog.000221 | 11234 | Table_map | 10 | 11287 | table_id: 109 (db1.sbtest10) | | binlog.000221 | 11287 | Write_rows | 10 | 11507 | table_id: 109 flags: STMT_END_F | | binlog.000221 | 11507 | Xid | 10 | 11534 | COMMIT /* xid=1185380 */ | +---------------+-------+-------------+-----------+-------------+------------------------------------------------------------------------+ 11 rows in set (0.00 sec)
b）相同的paxos信息编号，消息类型不同
社区内有人在MGR源码中加入日志，分析出相同编号的paxos信息，在Primary节点上是带有实际的信息（和应用相关的，比如binlog的信息），但是在Secondary节点上是空消息（noop，不会提交给应用）。因此出现了数据不一致。
c）prepare阶段出现问题
注意，这里的prepare和数据库概念无关，而是paxos中的prepare。相关概念参考这篇博客（http://mysqlhighavailability.com/the-king-is-dead-long-live-the-king-our-homegrown-paxos-based-consensus/）。下图中的Election和prepare的含义是一样的。
简要来说，任何一个节点在发送一个消息的时候，
1）先发送prepare消息，以确定其要发起提议的值；
2）根据上一步的结果，发送accept信息到各个参与节点；
3）如果收到多数派的回应，则发送learn信息，如果其他节点（比如节点1）收到learn信息，则消息的值，（在节点1）被确认了。
从上面可以看出，一个消息的发送，需要经过3个阶段，不仅产生了较大的网络流量，更糟糕的是整个消息，从被发起到被确认经历了较大延迟。
因此很多paxos的变种，都会试图去优化这个过程。比如在系统运行稳定时，省略了第一步的prepare阶段。但是在系统不稳定时，比如某个节点发现其缺少某个编号的消息时，会走完整的三阶段。
而该bug正好就是在网络很糟糕的情况下出现，因此有很大可能性就是prepare阶段出现了问题。
3、相关概念补充
a）节点编号
每个节点都有一个编号。比如一个MGR集群，有三个节点，那么其编号就分别是0，1，2。其中编号的大小与是否为Primary无关
b）消息编号
消息编号由两部分组成，第一部分是64位的无符号数，一般是递增的，另一部分是节点编号。
比如（10064，0）就是一个消息编号
c）投票号
投票号也是由两个部分组成，第一部分是32位的有符号数，另一部分也是节点编号。
4、笔者分析
a）分析方法
之前所熟悉和擅长的方法，尤其是调试方式上，在分布式系统中显得力不从心。比如在研发智能SQL优化器时，利用gdb，帮助我了解了很多优化器的细节。但是对于分布式系统来说，一旦使用gdb挂载，可能会对其行为产生影响。因此笔者采用，以日志为主，gdb为辅的调试方法
b）paxos消息分析
1）结果正确、网络正常
节点编号：0，Primary节点
in push_msg_2p msg_no 1683, 0
in dispatch_op msg_no 1683, 0, paxos op accept_op from : 0 to : 0
in dispatch_op msg_no 1683, 0, paxos op ack_accept_op from : 0 to : 0
in dispatch_op msg_no 1683, 0, paxos op ack_accept_op from : 2 to : 0
in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 0
in dispatch_op msg_no 1683, 0, paxos op ack_accept_op from : 1 to : 0
msg_no 1683, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op
节点编号：2，Secondary节点
in dispatch_op msg_no 1683, 0, paxos op accept_op from : 0 to : 2
in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 2
msg_no 1683, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op
节点编号：1，Secondary节点
in dispatch_op msg_no 1683, 0, paxos op accept_op from : 0 to : 1
in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 1
msg_no 1683, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op
分析：
A）0号节点发送编号为（1683，0）的消息
in push_msg_2p msg_no 1683, 0
B）0，1、2号节点均收到accept_op
in dispatch_op msg_no 1683, 0, paxos op accept_op from : 0 to : 0 in dispatch_op msg_no 1683, 0, paxos op accept_op from : 0 to : 2 in dispatch_op msg_no 1683, 0, paxos op accept_op from : 0 to : 1
C）0，1、2号节点均回复ack_accept_ok
in dispatch_op msg_no 1683, 0, paxos op ack_accept_op from : 0 to : 0 in dispatch_op msg_no 1683, 0, paxos op ack_accept_op from : 2 to : 0 in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 0 in dispatch_op msg_no 1683, 0, paxos op ack_accept_op from : 1 to : 0
注意到0号节点在收到2个ack_accept_ok（大多数）时，就开始发送tiny_learn_op，其中0号节点立即收到了这个消息
D）0、1、2号节点收到tiny_learn_op，表示消息在各个节点确认了。
in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 0 in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 1 in dispatch_op msg_no 1683, 0, paxos op tiny_learn_op from : 0 to : 2
E）0、1、2号节点将收到的信息，传送给上层应用
msg_no 1683, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op msg_no 1683, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op msg_no 1683, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op
2）结果正确、网络不正常
节点编号：0，Primary节点 in push_msg_2p msg_no 44043, 0 in dispatch_op msg_no 44043, 0, paxos op accept_op from : 0 to : 0 in dispatch_op msg_no 44043, 0, paxos op ack_accept_op from : 0 to : 0 in dispatch_op msg_no 44043, 0, paxos op ack_accept_op from : 2 to : 0 in dispatch_op msg_no 44043, 0, paxos op tiny_learn_op from : 0 to : 0 msg_no 44043, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op 节点编号：2，Secondary节点 in dispatch_op msg_no 44043, 0, paxos op accept_op from : 0 to : 2 in dispatch_op msg_no 44043, 0, paxos op tiny_learn_op from : 0 to : 2 msg_no 44043, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op in dispatch_op msg_no 44043, 0, paxos op read_op from : 1 to : 2 节点编号：1，Secondary节点 in read_missing_values msg_no 44043, 0 in dispatch_op msg_no 44043, 0, paxos op learn_op from : 2 to : 1 msg_no 44043, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op
分析：
对比情况 1），有如下几个发现
A）0号节点，只收到两个ack_accept_op（来自0、2号），其中缺失了1号节点的回复。但是由于构成了多数派，还是能够成功。
B）1号节点发现缺少编号（44043，0）的信息后，往节点2发送read_op的信息，以获取缺失的信息
in dispatch_op msg_no 44043, 0, paxos op read_op from : 1 to : 2
C）2号节点，将信息发给1号节点
in dispatch_op msg_no 44043, 0, paxos op learn_op from : 2 to : 1
3）节点错误、网络不正常
节点编号：0，Primary节点 in push_msg_2p msg_no 44044, 0 in dispatch_op msg_no 44044, 0, paxos op accept_op from : 0 to : 0 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 0 to : 0 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 2 to : 0 in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 0 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op prepare_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op accept_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 2 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 2 to : 0 msg_no 44044, 0 cargo_type : app_type , msg_type : normal, pax_op : learn_op 节点编号：2，Secondary节点 in dispatch_op msg_no 44044, 0, paxos op accept_op from : 0 to : 2 in read_missing_values msg_no 44044, 0 in read_missing_values msg_no 44044, 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 1 to : 2 in read_missing_values msg_no 44044, 0 in dispatch_op msg_no 44044, 0, paxos op prepare_op from : 1 to : 2 in dispatch_op msg_no 44044, 0, paxos op accept_op from : 1 to : 2 in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 1 to : 2 msg_no 44044, 0 is no_op in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 0 to : 2 in dispatch_op msg_no 44044, 0, paxos op learn_op from : 0 to : 2 in dispatch_op msg_no 44044, 0, paxos op learn_op from : 0 to : 2 节点编号：1，Secondary节点 in read_missing_values msg_no 44044, 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 2 to : 1 in read_missing_values msg_no 44044, 0 in read_missing_values msg_no 44044, 0 in push_msg_3p msg_no 44044, 0 in dispatch_op msg_no 44044, 0, paxos op prepare_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_prepare_empty_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_prepare_op from : 2 to : 1 in dispatch_op msg_no 44044, 0, paxos op accept_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 2 to : 1 in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 1 to : 1 msg_no 44044, 0 is no_op
分析：
A）0号节点发送消息（44044, 0），只有0、2节点回复了。
in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 0 to : 0 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 2 to : 0
B）0号节点，发送tiny_learn_op，但是只有0号节点收到了，此时编号为（44044, 0）的消息，在0号节点确定了，但是2号节点还未及时收到tiny_learn_op
msg_no 44044, 0 is no_op in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 0 to : 2
注意2号节点，在消息（44044, 0）被确定为no_op时，才收到tiny_learn_op。也就是说这个tiny_learn_op对于2号节点来说，就像没收到过一样
C）1、2号节点，试图读取缺失的（44044, 0）消息（通过发送read_op），但是由于网络问题，均没有得到及时的回复
in dispatch_op msg_no 44044, 0, paxos op read_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 1 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 2 to : 0 in dispatch_op msg_no 44044, 0, paxos op read_op from : 2 to : 0
D）1号节点试图针对（44044, 0）发起noop消息提议
in push_msg_3p msg_no 44044, 0
注意关键点，错误在下一步
E）节点1试图获得他应该提议的值，并完成了propose过程
in dispatch_op msg_no 44044, 0, paxos op prepare_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_prepare_empty_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_prepare_op from : 2 to : 1 in dispatch_op msg_no 44044, 0, paxos op accept_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 1 to : 1 in dispatch_op msg_no 44044, 0, paxos op ack_accept_op from : 2 to : 1 in dispatch_op msg_no 44044, 0, paxos op tiny_learn_op from : 1 to : 1 msg_no 44044, 0 is no_op
E.1）节点1发送prepare_op，并收到了节点1、2的回复
E.2) 节点1是没有值（因为其之前没有收到过来自节点0的accept_op），所以其回复ack_prepare_empty_op
E.3) 节点2有值（参考A），所以其回复ack_prepare_op
E.4）原则上节点1会发起节点2返回给的值，但是从结果来看，其并没有。
msg_no 44044, 0 is no_op
针对这个问题，笔者仔细阅读MGR的prepare阶段的源码，核心代码为
int gt_ballot(ballot x, ballot y) { return x.cnt > y.cnt || (x.cnt == y.cnt && x.node > y.node); }
只有满足这个条件，节点1才会使用节点2返回的值。
F）进一步研究发现，凡是编号大的节点发起的noop提议都有可能会有上述问题。
in handle_ack_prepare msg_no 82876, 0, m->proposal.cnt = 0, m->proposal.node = 0, p->proposer.msg->proposal.cnt = 0, p->proposer.msg->proposal.node = 1
由于初始化的时候，cnt均为0，大小完全取决于节点编号。 本例中为 0 < 1 , 所以无法使用0的值
5、解决办法
static void propose_noop(synode_no find, pax_machine *p) { /* Prepare to send a noop */ site_def const *site = find_site_def(find); assert(!too_far(find)); replace_pax_msg(&p->proposer.msg, pax_msg_new(find, site));
/* set cnt to -1 when propose noop*/
int cnt = -1; node_no nodeno = VOID_NODE_NO; if (site) nodeno = get_nodeno(site); init_ballot(&p->proposer.msg->proposal, cnt, nodeno);
/* set cnt to -1 when propose noop*/ assert(p->proposer.msg); create_noop(p->proposer.msg); //printf("in propose_noop msg_no %lld, %d ", p->proposer.msg->synode.msgno, p->proposer.msg->synode.node); //fflush(stdout); /* DBGOUT(FN; SYCEXP(find);); */ push_msg_3p(site, p, clone_pax_msg(p->proposer.msg), find, no_op); }
代码中红色部分为增加部分。修改后，由于 -1 < 0， 所以解决了那个问题。