真实容灾演练必须触发监控系统多维故障检测逻辑,仅执行STOP SLAVE或CHANGE REPLICATION SOURCE TO无法模拟主库不可达场景,不能验证故障超时、VIP漂移、连接池重连及中间件拓扑刷新等关键环节。

必须在业务低峰期、有完整回滚预案的前提下,用真实故障方式触发切换,否则演练无效。
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
为什么不能只用 STOP SLAVE 或 CHANGE REPLICATION SOURCE TO 模拟?
这类命令只停同步链路,不触发高可用系统的真实决策逻辑。监控组件(如 Orchestrator、MHA 或 zCloud)通常依赖进程存活、端口可连、SQL线程状态、心跳响应等多维信号判断故障。仅执行 SQL 命令,无法验证:
- 故障检测是否超时(例如 slave_net_timeout=60 是否被正确读取)
- VIP 是否漂移(若用了 Keepalived)
- 应用连接池是否自动重连新主库地址
- 中间件(如 ShardingSphere)是否刷新了数据源拓扑
计划内演练该用什么命令阻断主库服务?
目标是让主库“不可达但未崩溃”,贴近网络分区或防火墙策略误配场景:
- 在主库所在宿主机执行:iptables -I INPUT -p tcp --dport 3306 -j DROP
- 等待监控系统告警并完成切换后,立即恢复:iptables -D INPUT -p tcp --dport 3306 -j DROP
- 不要用 systemctl stop mysqld:它会释放端口,部分健康检查脚本可能误判为“端口空闲可接管”,跳过故障确认步骤
- 更逼真的做法是限速而非丢包:tc qdisc add dev eth0 root tbf rate 1kbit latency 50ms burst 32kbit,模拟跨境链路抖动
突发性故障必须 kill 进程,但要注意三点
- 用
kill -9 $(pgrep -f "mysqld.*--basedir")而非kill -9 $(pidof mysqld),避免误杀mysqld_safe父进程导致自动拉起 - 确认主库已完全退出后再观察从库行为:执行
ps aux | grep mysqld和netstat -tlnp | grep :3306双验证 - 若使用 GTID 复制,切换后务必在新主库上执行:
SELECT @@gtid_executed;与原主库宕机前的值比对,确认 RPO 是否为 0
切换后最易被忽略的数据校验动作
不要只查表行数或 CHECKSUM TABLE——跨地域主从常见问题是部分事务写入 binlog 但未刷盘,或 relay log 写入失败却未报错:
- 在新主库执行:SHOW SLAVE STATUS\G(此时它已是主库,但若曾是旧从库,该命令仍可查最后执行位置)
- 对比关键业务表的 UPDATE_TIME(SELECT UPDATE_TIME FROM information_schema.tables WHERE TABLE_SCHEMA='xxx' AND TABLE_NAME='yyy'),确认是否滞后
- 抽样校验带时间戳字段的最新 10 条记录,用 NOW() - created_at 判断是否丢失最近写入
- 若启用半同步(rpl_semi_sync_master_enabled=ON),检查 SHOW STATUS LIKE 'Rpl_semi_sync%' 中的 Rpl_semi_sync_master_yes_tx 是否持续增长










