MySQL MHA 运行状态监控

 一 项目描述

1.1 背景

MHA（Master HA）是一款开源的 MySQL 的高可用程序，它为 MySQL 主从复制架构提供了 automating master failover 功能。MHA 在监控到 master 节点故障时，会提升其中拥有最新数据的 slave 节点成为新的master 节点。自动FailOver的前置条件一定是MHA是启动运行的状态。在生产环境中，有时会因为没有及时开启或者运行异常停止而不知，导致MySQL主节点异常时，没有自动FailOver，影响了生产，或延长了处理时间，使故障升级。

此外，MHA发生FailOver后，MHA的运行状态会由 is running(0:PING_OK) 变更为stopped(2:NOT_RUNNING)，从运行反馈结果变化上，可以判断是否可能发生了主从切换。可以作为一个Warning处理。

综上，对MHA的运行状态的监控很有必要。

1.2 实现设计

MHA是运行在Manager 节点上的，一个Manager 节点可以管理数十个集群。目前，我们的监控体系是Telegraf + InfluxDB + Grafana，所以，需要在Manager 节点部署Telegraf，去收集MHA的运行状态，保存到 InfluxDB。在既有的Grafana MySQL Dashboard中，添加一个关于 masterha_check_status 的panel 即可。

1.2.1 之前的方法

在 《以实现MongoDB副本集状态的监控为例，看Telegraf系统中Exec输入插件如何编写部署》 一文中的第七部分，我们有介绍一种方法实现MySQL MHA的监控，但这种方法是每一个集群都需要手动维护，自动发现的功能不够好，增加维护成本，特别是集团的MHA集群比较多时。

1.2.2 优化后的方法

 Manager 节点为每个监控的MHA集群提供一个专用的配置文件，优化后的监控方法，根据配置文件自动发现、自动调整监控，不再需要逐一配置和维护。

部署的步骤如下：

 二.实现详情

2.1 编辑Python可执行文件 

可执行文件为telegraf_checkmhastatus.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-



import os
import io
import re
import ConfigParser

Path='/cnf/mhacnf'
#fout=open('输出文件名','w')
for Name in os.listdir(Path) :
  Pathname= os.path.join(Path,Name)
 ## print(Pathname)
 ## print(Name)
  config =ConfigParser.ConfigParser()
  try:
    config.read(Pathname)
    server_item = config.sections()
    server1_host = ''  ##MHA cnf 配置文件中的节点1
    server2_host = ''  ##MHA cnf 配置文件中的节点2
    server3_host = ''  ##MHA cnf 配置文件中的节点3
    mha_cnf_remark = ''
    if 'server1' in server_item:
      server1_host = config.get('server1','hostname')
    else:
       server1_host = ''
       mha_cnf_remark = mha_cnf_remark + 'Server1未配置;'
    if 'server2' in server_item:
      server2_host = config.get('server2','hostname')
    else:
      server2_host = ''
      mha_cnf_remark = mha_cnf_remark + 'Server2未配置;'
    if 'server3' in server_item:
      server3_host = config.get('server3','hostname')

      ##print(mha_cnf_remark)
  except Exception as e:
    print(e)

  mha_status_result =''
  if server1_host <> '' and server2_host <> '':
    cmd_mha_status ='/usr/local/bin/masterha_check_status --conf='+Pathname
    with os.popen(cmd_mha_status) as mha_status:
      mha_status_result = mha_status.read()
      if 'running(0:PING_OK)' in mha_status_result:
        print('masterha_check_status,server='+server1_host+' Status=1i')
        print('masterha_check_status,server='+server2_host+' Status=1i')
      if 'stopped(2:NOT_RUNNING)' in mha_status_result:
      ##else:
        print('masterha_check_status,server='+server1_host+' Status=0i')
        print('masterha_check_status,server='+server2_host+' Status=0i')

说明:

（1）遍历 /cnf/mhacnf目录下的文件（假设MHA配置文件的配置文件在此目录下）；

（2）对每个文件执行masterha_check_status --cong = XXXX，XXXX为具体的配置文件；判断运行结果；

（3）获取MHA集群节点；

（4）因为我们MHA集群都是一主一从，所以，只 if server1_host <> '' and server2_host <> '':一种情况，大家可根据需要，根据具体的场景，变更。

（5）数据保存到名叫masterha_check_status的measurement中，Tag Key 有 host 和  server；当运行OK时，Status=1，否则，Status=0。

（6）Server对应的数据为Server IP（注意，会在grafana配置时以此关联）。

调整说明

运行一段时间，我们发现一个场景没有覆盖，即当MHA FailOver 后，配置文件中 Server 信息就会不全，例如 Server1 切换到 Server中，配置文件中就会把server1 信息移除掉。

此时，如果继续运行上面的代码，此时就识别不出的server1的配置，就会被赋值为 server ='', 就不能向监控数据库insert数据了。

所以，我么建议，当识别不出时，将server赋值为mha manger 的server IP，这样就会把上面的问题解决了。

同时，还可以通过告警信息，快速定位到 mha manger 所在的节点，这在 公司解决众多，manger 节点多个的时候，特别有用。

#!/usr/bin/python
# -*- coding: UTF-8 -*-



import os
import io
import re
import ConfigParser

Path='/cnf/mhacnf'
#fout=open('输出文件名','w')
for Name in os.listdir(Path) :
  Pathname= os.path.join(Path,Name)
 ## print(Pathname)
 ## print(Name)
  config =ConfigParser.ConfigParser()
  try:
    config.read(Pathname)
    server_item = config.sections()
    server1_host = ''  ##MHA cnf 配置文件中的节点1
    server2_host = ''  ##MHA cnf 配置文件中的节点2
    server3_host = ''  ##MHA cnf 配置文件中的节点3
    mha_cnf_remark = ''
    if 'server1' in server_item:
      server1_host = config.get('server1','hostname')
    else:
       server1_host = 'XXX.XXX.XXX.XXX' ### mha manger  节点所在server ip
       mha_cnf_remark = mha_cnf_remark + 'Server1未配置;'
    if 'server2' in server_item:
      server2_host = config.get('server2','hostname')
    else:
      server2_host = 'XXX.XXX.XXX.XXX'  ### mha manger 节点所在server ip
      mha_cnf_remark = mha_cnf_remark + 'Server2未配置;'
    if 'server3' in server_item:
      server3_host = config.get('server3','hostname')

      ##print(mha_cnf_remark)
  except Exception as e:
    print(e)

  mha_status_result =''
  if server1_host <> '' and server2_host <> '':
    cmd_mha_status ='/usr/local/bin/masterha_check_status --conf='+Pathname
    with os.popen(cmd_mha_status) as mha_status:
      mha_status_result = mha_status.read()
      if 'running(0:PING_OK)' in mha_status_result:
        print('masterha_check_status,server='+server1_host+' Status=1i')
        print('masterha_check_status,server='+server2_host+' Status=1i')
      if 'stopped(2:NOT_RUNNING)' in mha_status_result:
      ##else:
        print('masterha_check_status,server='+server1_host+' Status=0i')
        print('masterha_check_status,server='+server2_host+' Status=0i')

 

2.2 修改 telegraf 文件

文件默认目录为/etc/telegraf/，默认文件为telegraf.conf。

将执行文件嵌入到telegraf.conf中，由python驱动。

代码如下:

[[inputs.exec]]
  ##Commands array
  commands = ["python /data/check_mha_status/check_mha_status.py",]
  timeout='60s'
  data_format="influx"

2.3 修改telegraf service的运行账号

telegraf服务的启动账号默认为telegraf，但是，其中调用了Python和python的可执行文件，需要修改权限。为了简便，升级telegraf service的运行账号，修改成root。🙂

修改telegraf.service，默认路径为/usr/lib/systemd/system/telegraf.service。

 修改后的代码如下：

[Unit]
Description=The plugin-driven server agent for reporting metrics into InfluxDB
Documentation=https://github.com/influxdata/telegraf
After=network.target

[Service]
EnvironmentFile=-/etc/default/telegraf
##User=telegraf
User=root
ExecStart=/usr/bin/telegraf -config /etc/telegraf/telegraf.conf -config-directory /etc/telegraf/telegraf.d $TELEGRAF_OPTS
ExecReload=/bin/kill -HUP $MAINPID
Restart=on-failure
RestartForceExitStatus=SIGPIPE
KillMode=control-group

[Install]
WantedBy=multi-user.target

2.4 启动Telegraf 服务 

service telegraf start     ####启动服务
service telegraf status   ####服务状态查看
service telegraf stop     ####关闭服务

2.5 配置Grafana，增加Panel

因为MySQL实例节点的telegraf也会汇报各自的数据，例如MySQL连接数、TPS、QPS、主从状态、延迟、资源（CPU、内存、磁盘、IOWait）等等，这些指标在一个Dashboard上，而新收集的MHA运行状态是新增的的一个MySQL指标，所以，应该将MHA运行状态作为既有MySQL Dashboard的一个Panel。

在MySQL实例节点上汇报的数据是各个节点的host 和 instance(Server IP:端口)；而MHA 运行状态汇报的数据是manager节点的host 和 各个实例Server IP。所以，依据Host 关联，整合到一个Dashboard是实现不了的（因为没有关联性）。只能通过 instance(Server IP:端口) 和 Server IP 进行关联了。

首先，将instance(Server IP:端口) 正则下，去除端口数据，实现方式，增加一个grafana变量--server_ip，如下：

注意上面的数据源来自measurement为mysql。

然后，再增加一个grafana变量--mha_server,注意，会依赖上面的变量server_ip。

这样 mysql 和 masterha_check_status 两个measurement就关联起来了，可以联动了。 

最后，增加 panel设置下，就可以了，如下。

 SQL 语句如下:

SELECT mean("Status") FROM "masterha_check_status" WHERE ("server" =~ /^$mha_server$/) AND $timeFilter GROUP BY time(1m) fill(null)

 三 .实现

运行状态为1，异常或关闭为0.

还可以增加Alarm告警，例如邮箱、微信、钉钉等，在此就不展开了。

补充点

(1) 因为优化后的监控方法，根据配置文件自动发现、自动调整监控。所以，如果新增一个MHA，而这个过程又比较长，比如10分钟，这个时候，既有的MHA监控可能会报错或报警。

为了避免这种情况发生，建议新增的MHA的配置文件，最后再放至到MHA配置文件的目录上。或者，先将配置文件放到其他的目录上，MHA配置OK后，最后一步再移到/cnf/mhacnf目录下。

 (2) 是否可以将MHA日志 通过ELK收集，甚至收集到MySQL中。

应该说部分是可以的。manger.log 这种failover的log 可以收集，但是 .health 文件不可以。因为.healthy 的内容不是换行符结尾，而filebeat是以换行符来判断的（https://www.elastic.co/guide/en/beats/filebeat/7.4/newline-character-required-eof.html 有详细说明）。

如果需要filebeat + logstash + mysql ,需要 离线安装logstash-output-jdbc，可参考 https://blog.csdn.net/sxw1065430201/article/details/123663108。