binlog drainer checkpoint tso no change for 5m

[mydb]

【 TiDB 使用环境】生产\测试环境\ POC
生产环境

【 TiDB 版本】
TiDB 通过 drainer 同步数据，从 TiDB 4.0.9 —> TiDB 5.1.4

【遇到的问题】
经常收到报警信息如下
binlog drainer checkpoint tso no change for 5m

【复现路径】做过哪些操作出现的问题
【问题现象及影响】
暂时没发现什么影响。
问题期间，pump是正常产生binlog的，感觉是drainer在出问题的时间段内部卡死了(实际上drainer进程在，进程ID也没变)，没有去拉取binlog，因此也没有向下游tidb去写数据。谢谢

【附件】

1. 抓取的 goroutine 请见附件
   goroutine.log.20220603_3 (189.7 KB)

2. 修改 drainer 启动脚本，将日志级别改为 debug 模式，但是在出问题时间段里，drainer 日志没打印相关日志，类似如下，相当于日志在出问题时间段中断了
   [2022/05/23 16:33:27.902 +08:00] [INFO] [syncer.go:257] [“write save point”] [ts=433399052550537635]
   [2022/05/23 17:05:00.649 +08:00] [INFO] [syncer.go:257] [“write save point”] [ts=433399052786467043]

• 相关日志、配置文件、Grafana 监控（https://metricstool.pingcap.com/)
• TiUP Cluster Display 信息
• TiUP CLuster Edit config 信息
• TiDB-Overview 监控
• 对应模块的 Grafana 监控（如有 BR、TiDB-binlog、TiCDC 等）
• 对应模块日志（包含问题前后 1 小时日志）

---

若提问为性能优化、故障排查类问题，请下载脚本运行。终端输出的打印结果，请务必全选并复制粘贴上传。

[Christophe (Doudouwyh)]

看下drainer_stderr.log, 可能是下游不通了

[mydb]

drainer_stderr.log里，出问题时刻没日志，下游是通的

[jansu-dev]

1. 这个是在没有 Drainer Event 时间段抓去的 DEBUG 信息吗？暂时没看出有用的信息
   

   

2. drainer 确实没有从 pump 拉去数据，可以看下这个时间段 PUMP 和 Drainer 之间的网络情况，及 Drainer 所在服务器的磁盘情况；

3. tidb-binlog 使用的版本是什么？

[lichunzhu-PingCAP]

drainer 有开启黑白名单吗？这个版本有个可能相关的问题是如果所有表都被过滤，且上游持续有写入的情况下 checkpoint 可能会更新不及时
https://github.com/pingcap/tidb-binlog/pull/1069

[mydb]

1. 这个是在drainer event时间段抓取的debug信息
2. drainer所在服务器磁盘是充足的，11T磁盘，而且有告警
3. tidb-binlog版本是5.1.4，即
   tidb 5.1.4 ----drainer(5.1.4)-----> tidb 4.0.9
   谢谢

[mydb]

开启黑白名单了，drainer配置如下
【drainer配置如下】
[syncer]
channel-id = 123456789
db-type = “tidb”
ignore-schemas = “INFORMATION_SCHEMA,METRICS_SCHEMA,PERFORMANCE_SCHEMA,mysql,test,dm_meta”
loopback-control = true
sync-ddl = true
txn-batch = 100
worker-count = 256

[[syncer.ignore-table]]
db-name = “tidb_binlog”
tbl-name = “checkpoint”
谢谢

[mydb]

出问题期间，是这样抓取drainer信息吗？
curl http://xx.xx.xx.xx:8250/debug/pprof/goroutine?debug=2 -o goroutine.log
会不会和版本升级有关系，因为以前4.0.9 —> 4.0.9 ，这种报警信息不频繁，我忘记是否有了，应该有，可能非常少。但是自从下游集群升级到5.1.4之后，drainer报警开始变多，几乎一两天内就会报一次。

[jansu-dev]

是这样抓

[jansu-dev]

这个问题的原因应该是 lichunzhu-PingCAP 老师说那个 Fix；

[mydb]

感谢，明白了

[mydb]

多谢老师答复。目前集群同步已经从
TiDB 4.0.9 ---- drainer(4.0.9) ----> TiDB 5.1.4
升级到
TiDB 5.1.4 ---- drainer(5.1.4) ----> TiDB 5.1.4
我们继续观察这个问题，如果有结果，我再反馈，多谢