Latch导致MySQL Crash

作者：沃趣科技数据库专家 董红禹

问题概述

最近我们遇到一个MySQL的问题，分析后很有代表意义，特地写出来供大家参考。出现问题是，数据库先是被置为只读，然后过了一段时间，MySQL直接Crash掉了,发生Crash时MySQL的error日志中打印了以下内容:

根据日志中我们可以看到，线程140363572082432要对记录上一个X锁，但是等待0x7fa949340740线程的RW-Latch的释放。

我们再向下看查询到如下信息(涉及到用户信息 谓词就用xxx代替):

根据上面信息我们去数据库中查看了这些select语句，发现执行计划都是全表扫描。首先数据库变成了只读，最后数据库Crash了，Crash输出的信息如下:

InnoDB: Error: semaphore wait has lasted > 600 seconds 提示600秒没有响应 数据库选择了Crash 强制重启。从报错信息来看：

1，update语句需要在记录上面加X锁，但是必须等待RW-Latch的释放

2，由于有大量的select语句是全表扫描，一直占用Latch没有释放，update迟迟竞争不到RW-latch

3，Innodb 的Diagnostic线程检查到RW-Latch等待超过了600秒还没有返回，认为系统出现了严重问题，于是触发了MySQL服务的Crash。

进一步分析

这里首先需要补充一下Latch的概念：Latch在MySQL中是用于保护高速缓冲区中共享数据的.

举个例子:

当我们执行select时，数据是缓存在buffer pool中的，多个线程并发访问或者修改这个数据必然需要一个并发控制机制，这个就是Latch

大家知道，数据库要访问的数据都必须先存在缓存中，而缓存一般比磁盘空间要小，数据缓存使用hash表来记录数据页是否在内存中。在Oracle中的并发控制比较精细：首先会对hash桶加latch，并根据hash桶查找对应的数据并加上pin，然后释放Latch。而MySQL相对没有控制得这么精细，对应的RW-Latch在errlog中说的很清楚，该RW-Latch是在buf0buf.cc的1069行创建的 RW-latch at 0x7fa949340740 created in file buf0buf.cc line 1069

对应的代码摘录如下：

跟踪源码，知道这个Latch是MySQL在数据库启动，初始化 innodb_buffer_pool时，将Latch创建好的。对应的函数调用过程:

正是由于这个RW-Latch被长时间占用了，其他的线程一直竞争不到，才导致了这个问题。

修复建议

这类问题的发生多数都是因为SQL写的不好，在表上面进行了大量的全表扫描占用了大量的Latch，解决方案就是避免SQL长时间占用Latch：

1，修改select查询避免全表扫描，避免Latch长期被占用。

2，适当的加索引，让select执行更快，也避免一个select锁的数据更少。

3，适当加大buffer pool instance，每个buffer pool都有自己独立的Latch，避免latch竞争。