记swoole数据库连接池消失问题的解决方式

问题背景：

    物联网项目saas，为分布式＋集群模式．swoole(worker+task+协程)　+　web　+　mysql(pool) ＋　客户server(记为cserver，设备的数据最终会往cserver发送一份)．

    有个法兰克福客户有三千台设备，想着该地区暂时没有新客户，所以只是单机部署，想着4核8g配置肯定够用了．

    周五收到通知，客户的3k设备集体掉线，紧忙分析＋处理，此处记下笔记！

 

分析结果：

    根据日志很快速定位到问题所在，为客户所在cserver宕机，导致cserver不能正确处理swoole发送过来的数据．我们的swoole采用同步重发机制，保证数据是及时＋稳定送达的．此机制导致短时间内，会有大量的重复信息在数据库中分析＋分发，此过程耗尽了连接池中所有连接．而我们的每个数据库连接都为一个协程．

    swoole在没有设置max_coroutine参数的情况下，默认每个进程创建协程数量为3k．这就会导致协程数过多而致使task进程异常退出！从而该task对应的数据库连接池也全部断开连接！

        当task退出时，manager进程会重新拉起同样pid的task，此task会瞬间接受woker分配给刚才挂掉task所未能完成的包，这种瞬间式的堵塞导致task再次挂掉．manager重新拉起，task再挂掉，如此循环导致manager挂掉，当manager挂掉后，所有的task没有管理进程，当挂掉后无进程能够拉起，所有最后所有task挂掉，所有数据库连接断开．进而使得swoole的master守护进程依然在值守，却不再具备数据接收与处理的能力！即swoole变相挂掉，mysql也不能再重新拉起连接！

 

解决方案：

• 根据模拟场景的慢日志，添加一些平时未注意的索引

• 调整mysql max_connection参数，默认未224，我此前设置的为1000．当并发太大的时候，1k明显不够用了．

• 调整mysql　innodb_buffer_pool_size参数(数据和索引缓存的地方)，当你的server只做mysql时，此值设置为内存的70%~75%．因为我是单机设备，设置为40%.

• 适当加大了mysql　 innodb_log_file_size参数值

• 增大swoole中max_coroutine参数值，按常理，单worker能理想分配1g内存的时候，max_coroutine能设置成1w  乃至10w，因为一个coroutine默认为8k内存．

• 增大swoole中task_worker_num，理想情况下，tasknum可设置为1000．根据你的task处理速度看着调整，我此处设置为50来应对突如其来的高并发．

• 调整swoole中的worker_num，默认该参数为cpu核数，我平时也是这么设置的，明显，当我task_worker_num增大的时候，worker的压力也变大，所以我设置为cpu核数的2倍．

• swoole_table的初始内存调整，这个设置不能在程序中动态调整，而每个连接id我这边都是在sw_tb中记录，所以初始化的大小需要大于未来几年设备最大量．

• 新增managerStart和managerStop的回调，使得我们能更直观地观测manager的生命周期．

• 对数据库连接池程序进行修改，尽量在抛出异常后妥善退出，而非导致worker/task的exit．

• 保证连接池程序内部参数以接口的形式暴露给swoole，从而我们在可视化界面了解每个task的连接池情况

• 对channel的errcode进行追踪，当errcode为-1的时候，打印error日志，-2的时候发送短信通知/微信魔板通知

• swoole程序中对数据库连接池进行死链接排查

• 增大mysql的连接最长空闲时间，保证它大于swoole程序中连接池的最长空闲时间．

• 增加应急处理方案，即cserver宕机＋swoole挂掉．此处我们的解决方案是，引导设备切换server到另一集群．（此处虽然是单机部署，但是也有个中央服务器是留作调控的．　不过周五此服务器未起作用是因为，中央服务器我这有个调控程序，使得符合条件在若干时间后自动切换到相应服务器x，而此时x不是挂了吗？　所以就有个循环，设备一直处于离线状态！后面我们进一步完善了这个机制）