TiDB 2.1.7

• 语言: 英语
• 格式: .pdf
• 来源: jepsen.io

摘要

文档分析了TiDB 2.1.7及其后续版本在分布式事务一致性、自动重试机制、表创建问题以及复制区域管理方面的缺陷。测试发现，TiDB在默认配置下无法提供快照隔离，存在读偏移、丢失更新等问题。通过禁用自动重试机制，TiDB在3.0.0-rc.2版本中实现了快照隔离。文档还建议用户在初始化集群时确保区域完全复制，并使用适当的配置以避免数据丢失和事务异常。

AI总结

### 总结

#### 1. **TiDB 的架构与特性**
TiDB 是一个分布式、自动分片的 SQL 数据库，基于 Google 的 Percolator 模型设计。其架构包含三个主要组件：
- **Placement Driver (PD)**：负责时间戳分配和分区协调。
- **TiKV**：分布式键值存储，支持自动分区和副本管理。
- **TiDB**：提供 MySQL 兼容的 SQL 层，支持分布式事务。

TiDB 的时间戳分配依赖于 `CLOCK_MONOTONIC_RAW`，通过 Raft 协议保证单调性。尽管 PD 会预留时间戳批次以提高吞吐量，但时钟偏移可能导致非单调时间戳。

#### 2. **一致性问题**
- **事务隔离**：TiDB 宣称支持可重复读（Repeatable Read），但实际上其一致性模型更接近快照隔离（Snapshot Isolation）。然而，TiDB 的实现存在以下问题：
- 可重复读（Repeatable Read）弱于快照隔离，允许幻读（Phantoms）和其他异常（如读偏斜、写偏斜）。
- 默认情况下，TiDB 的自动重试机制会导致读偏斜（G-single）和写偏斜（G2）。
- **测试结果**：在 Jepsen 测试中，TiDB 2.1.7 至 3.0.0-beta.1 版本默认配置下无法满足快照隔离的定义，允许幻读和写偏斜，且存在数据丢失（Lost Updates）。

#### 3. **主要问题与修复**
- **启动问题**：TiKV 和 TiDB 在启动时对 Placement Driver（PD）的依赖较脆弱，可能导致进程崩溃。部分问题在 3.0.0-rc.2 中修复。
- **表创建延迟**：新表可能在创建后未立即生效，导致插入操作失败。此问题在后续版本中修复。
- **副本不足**：新集群默认初始副本数为 1，可能导致数据未完全复制，单点故障时数据丢失。可通过等待副本完全同步或设置初始化标志解决。
- **读偏斜与写偏斜**：自动重试机制导致事务异常，例如读偏斜（G-single）和写偏斜（G2）。默认情况下，`tidb_retry_limit` 和 `tidb_disable_txn_auto_retry` 会启用重试机制。

#### 4. **测试与验证**
- **测试工具**：使用 Jepsen 测试套件，涵盖银行测试、长分支测试、单调性测试、线性化测试和顺序性测试。
- **测试结果**：TiDB 在默认配置下无法通过快照隔离测试，但在禁用自动重试机制后（如 `tidb_retry_limit = 0` 或 `tidb_disable_txn_auto_retry = ON`），部分版本可通过测试。
- **时钟问题**：尽管 TiDB 理论上依赖单调时钟，但测试未观察到时钟偏移导致的异常。

#### 5. **推荐与改进建议**
- **升级版本**：建议升级到 3.0.0 或更高版本，因为后续版本已禁用默认重试机制，并修复部分启动和副本问题。
- **禁用自动重试**：通过配置 `tidb_disable_txn_auto_retry` 和 `tidb_retry_limit` 禁用自动重试，避免事务异常。
- **使用 `SELECT ... FOR UPDATE`**：虽然不能完全防止写偏斜，但可减少重试机制下的事务冲突。
- **初始化检查**：在新集群中启动 TiDB 前，确保副本已完全同步。
- **监控时钟偏移**：尽管未观察到时钟偏移导致的异常，仍建议监控节点时钟状态。

#### 6. **未来工作**
- **改进重试机制**：探索更安全的自动重试方法。
- **深入测试**：进一步验证时钟偏移和动态成员变化对一致性的影响。
- **完善文档**：明确事务隔离级别和重试机制的实现细节，避免用户误解。

### 关键问题总结
- **默认配置不一致**：TiDB 2.1.7 至 3.0.0-beta.1 默认配置下无法保证快照隔离。
- **自动重试导致异常**：重试机制导致读偏斜、写偏斜和数据丢失。
- **启动与副本问题**：新集群和进程启动时存在脆弱性，可能导致数据丢失或服务不可用。

通过禁用自动重试机制、升级版本和配置优化，TiDB 可以在生产环境中实现更高的数据一致性和可靠性。