MySQL主从切换自动化用例设计

设计MySQL主从切换的自动化测试用例，核心是将“切换触发、业务模拟、状态监控、数据校验”全流程自动化，覆盖正常、异常、边界场景，同时确保测试可重复、结果可量化。以下是基于“场景驱动+工具链集成”的自动化测试方案设计。

一、自动化测试框架与工具链选型

自动化测试需解决“环境快速重建、操作自动化、校验标准化”三大问题，推荐工具链如下：

环节	工具/技术	作用
测试框架	Python + pytest	管理测试用例、断言结果、生成报告
数据库操作	pymysql / SQLAlchemy	自动执行SQL（如查询主从状态、写入测试数据）
主从环境部署	Docker + docker-compose	快速拉起主从架构（1主2从），支持环境重置（每次测试前初始化）
切换触发工具	自定义Shell脚本 + MHA	手动切换（执行SQL命令）或自动切换（调用MHA的masterha_manager）
数据一致性校验	自定义校验脚本 + pt-table-checksum	自动计算表checksum、对比行数、校验特殊对象（视图/存储过程）
业务模拟	多线程写入脚本	模拟并发业务写入（INSERT/UPDATE/DELETE），生成可追溯的测试数据
监控与日志	日志模块（logging） + Prometheus	记录切换耗时、同步延迟等指标，收集异常日志

二、核心测试场景与自动化用例设计

按“基础功能→复杂场景→异常容错”的层级覆盖，每个用例包含“前置条件→执行步骤→预期结果”三要素，通过代码实现全流程自动化。

场景1：正常切换（无业务写入时）

测试目标：验证无增量数据时，切换后新主库与原主库数据完全一致，业务可正常读写。

自动化步骤	技术实现细节
1. 环境初始化：用Docker启动1主2从架构，初始化测试数据（含5张表，覆盖int/varchar/blob等类型，含主键/外键）	编写docker-compose.yml定义主从配置（如server-id、binlog开启），启动后执行init_data.sql自动生成测试数据
2. 检查主从同步状态：确认所有从库Seconds_Behind_Master=0，Slave_IO/SQL_Running=Yes	用pymysql连接从库，执行show slave status\G，解析结果并断言同步正常
3. 暂停业务写入：通过API关闭模拟写入脚本（确保切换期间无新数据）	调用写入脚本的停止接口（如HTTP请求），或设置全局变量is_writing=False
4. 自动触发切换：选择从库1作为新主库，执行切换命令（stop slave; reset slave all;）	编写Python函数trigger_switch(new_master_ip)，通过SSH执行切换SQL命令
5. 切换业务连接：修改测试客户端的数据库连接地址为新主库IP	调用配置中心API（如Nacos）更新连接参数，或直接修改测试脚本的db_config
6. 校验数据一致性： ① 对比新主库与原主库所有表的行数 ② 计算表的MD5校验和（忽略自增ID顺序） ③ 校验视图、存储过程定义是否一致	① 执行select count(*) from 表名对比行数 ② 用checksum table 表名计算校验和 ③ 查询information_schema.VIEWS对比视图定义
7. 校验业务可用性：在新主库执行100条随机读写操作（INSERT/SELECT），确认无报错	生成随机SQL（如INSERT INTO test (col) VALUES (随机值)），执行后断言无异常

场景2：有增量写入时的切换

测试目标：验证切换过程中持续写入的增量数据，在新主库中完整可见，无丢失/重复。

自动化步骤	技术实现细节
1. 环境初始化：同场景1，额外启动“并发写入脚本”（10个线程，每秒共写入100条数据，每条数据含create_time=当前时间戳）	用Python的threading模块实现并发写入，每条数据记录唯一标识（如uuid()）以便追溯
2. 记录切换前的基准点： ① 原主库的binlog位置（show master status） ② 写入脚本的“切换前最后一条数据ID”	用变量pre_switch_binlog_pos记录binlog位置，pre_switch_last_id记录最后写入的uuid
3. 触发切换：在写入脚本运行中，执行场景1的切换步骤4-5（不暂停写入）	切换过程中，写入脚本持续生成数据（记录switch_start_time和switch_end_time）
4. 校验增量数据完整性： ① 统计切换期间（switch_start_time至switch_end_time）写入的总条数 ② 在新主库中查询该时间段的记录数，确认相等 ③ 随机抽取10%的记录，对比内容是否一致	① 从写入脚本的日志中统计增量总条数（total_increment） ② 新主库执行select count(*) from test where create_time between ... ③ 用select * from test where uuid in (随机抽取的ID列表)对比内容
5. 校验大事务一致性：切换前启动一个未提交的大事务（插入1万行数据），切换过程中提交，验证新主库是否完整同步	用begin; INSERT ...开启事务，切换开始后执行commit;，新主库查询该表行数是否+1万

场景3：异常场景切换（主库宕机）

测试目标：验证主库突然宕机时，自动切换工具（如MHA）能正确触发切换，且数据丢失量在可接受范围（如≤1秒）。

自动化步骤	技术实现细节
1. 环境初始化：部署主从架构+MHA（Manager+Node），配置自动切换参数（如检测间隔3秒，失败阈值2次）	用Docker部署MHA，修改masterha_default.cnf配置故障检测参数
2. 启动持续写入：同场景2，记录每条数据的写入时间戳	写入数据含write_timestamp=UNIX_TIMESTAMP()
3. 模拟主库宕机：执行docker stop 主库容器或kill -9 主库进程ID	用Python的subprocess模块执行系统命令，强制终止主库
4. 监控MHA自动切换：通过MHA的日志（/var/log/masterha/）确认切换触发，记录切换耗时（switch_duration = 切换完成时间 - 主库宕机时间）	用tail -f监控MHA日志，匹配“Master switched to ...”关键字，计算耗时
5. 校验数据丢失量： ① 找到主库宕机前最后一条成功写入的记录（max(write_timestamp)） ② 新主库中找到最早未同步的记录（min(write_timestamp)） ③ 计算时间差（data_loss = 未同步记录时间 - 最后同步记录时间）	原主库重启后（可选）查询最后写入记录，新主库查询同步的最大时间戳，计算差值
6. 校验新主从架构：确认其他从库（含旧主库修复后）已指向新主库，同步正常	登录其他从库执行show slave status\G，断言Master_Host为新主库IP，同步状态正常

三、自动化校验核心方法（代码示例）

1. 主从同步状态校验

import pymysql
from pymysql.cursors import DictCursor

def check_slave_status(slave_ip, port=3306, user="root", password="123456"):
    """检查从库同步状态，返回是否正常"""
    conn = pymysql.connect(host=slave_ip, port=port, user=user, password=password, cursorclass=DictCursor)
    with conn.cursor() as cursor:
        cursor.execute("show slave status")
        slave_status = cursor.fetchone()
        if not slave_status:
            return False, "未配置从库"
        # 校验IO线程和SQL线程是否运行，延迟是否为0
        io_running = slave_status["Slave_IO_Running"] == "Yes"
        sql_running = slave_status["Slave_SQL_Running"] == "Yes"
        delay = slave_status["Seconds_Behind_Master"] == 0
        conn.close()
        return (io_running and sql_running and delay), f"IO: {io_running}, SQL: {sql_running}, Delay: {delay}"

2. 数据一致性校验（表checksum对比）

def calculate_table_checksum(db_ip, table_name):
    """计算表的checksum"""
    conn = pymysql.connect(host=db_ip, user="root", password="123456")
    with conn.cursor() as cursor:
        cursor.execute(f"checksum table {table_name}")
        checksum = cursor.fetchone()[1]  # checksum结果在第二列
    conn.close()
    return checksum

def verify_data_consistency(old_master_ip, new_master_ip, tables):
    """对比新旧主库的表checksum"""
    for table in tables:
        old_checksum = calculate_table_checksum(old_master_ip, table)
        new_checksum = calculate_table_checksum(new_master_ip, table)
        assert old_checksum == new_checksum, f"表{table}数据不一致：旧主{old_checksum} vs 新主{new_checksum}"

3. 模拟并发写入

import threading
import time
import uuid

def concurrent_writer(db_ip, table_name, duration=60):
    """持续写入数据，duration秒后停止"""
    conn = pymysql.connect(host=db_ip, user="root", password="123456", db="test")
    start_time = time.time()
    while time.time() - start_time < duration:
        try:
            data_id = str(uuid.uuid4())
            create_time = time.strftime('%Y-%m-%d %H:%M:%S')
            with conn.cursor() as cursor:
                cursor.execute(f"INSERT INTO {table_name} (data_id, create_time) VALUES (%s, %s)", (data_id, create_time))
                conn.commit()
            print(f"写入成功：{data_id}")
            time.sleep(0.01)  # 控制写入频率
        except Exception as e:
            print(f"写入失败：{e}")
            conn.rollback()
    conn.close()

# 启动10个写入线程，持续30秒
for _ in range(10):
    t = threading.Thread(target=concurrent_writer, args=("原主库IP", "test_table", 30))
    t.start()

四、测试结果与报告自动化

• 核心指标收集：切换耗时（从触发到业务恢复）、数据丢失量（异常场景）、数据一致性结果（通过/失败）、业务中断时间。
• 报告生成：用pytest-html生成HTML报告，包含每个场景的步骤、截图（如主从状态截图）、日志片段。
• 告警机制：测试失败时（如数据不一致），通过邮件或企业微信通知测试人员，附带详细日志。

五、环境清理与复用

自动化测试后需快速重置环境，确保下次测试无干扰：

1. 停止所有容器，删除数据卷（docker-compose down -v）；
2. 重新启动容器，执行初始化脚本（自动创建主从、导入测试数据）；
3. 记录环境重置耗时（目标≤5分钟），确保测试效率。

总结

MySQL主从切换的自动化测试需围绕“场景全覆盖+执行无人工干预+校验可量化”设计，核心是通过代码将“环境准备-切换触发-数据校验”串联，结合Docker实现环境一致性，用多线程模拟真实业务压力，最终通过自动化工具链输出可靠的切换质量指标（如数据零丢失、切换耗时<30秒）。这种方案既能提升测试效率（支持每日定时执行），又能避免人工操作的疏漏，更贴近生产环境的真实场景。