一笔支付回调进来,应用把订单状态从「待支付」改成「已支付」,写主库成功,接口返回 200。前端拿到成功响应,立刻刷新订单详情。详情接口走的是从库,读到的还是「待支付」。用户以为没付成功,又点了一次支付。第二次回调进来,订单已经是已支付,系统拒绝重复处理,但钱已经扣了两次。

开发查日志,写入确实成功了;DBA 查主库,数据也确实改了。两边都没错,错的是「写完立刻从从库读」这个组合。复制是异步的,从库天然可能落后,读到旧值不是 bug,是这套架构的默认行为。

这篇把复制的延迟来源、读到旧值的责任归属、以及几种兜底写法讲清楚。先记住一句话:写主读从不是「强一致」,它只是「最终一致」的一个便宜实现。

先看几种典型的「旧数据」现象

下面这些现象在不同系统里反复出现,根因往往不是同一条 SQL,而是读走错了地方。

现象真实原因第一步查什么
刚保存的资料,刷新后还是旧内容保存走主库,刷新走从库,复制还没追上对比主从的写入位点与延迟,确认这次读走了哪台
列表里少了一条刚创建的记录从库的二级索引或查询缓存还没更新在主库和从库各执行同一条查询,对比结果
只有一个用户反复看到旧值会话被粘在同一个落后的从库上查该会话的连接路由,是否一直命中同一从库
延迟指标很低,业务却读到旧值seconds_behind_master 只反映 SQL 线程,不反映事务可见性用带时间戳的心跳表或 GTID 位点做真实延迟测量
大促期间旧值明显变多批量更新、DDL、大事务让从库回放变慢查从库回放线程状态、是否有大事务或锁等待
切换主从后旧值持续存在应用连接池仍指向旧从库,或读路由配置没刷新在客户端侧看实际连接地址
同一用户两次请求结果不一致两次读被负载均衡分到不同从库,各自延迟不同查读请求的路由策略与会话粘滞设置

这些现象里,最容易被误判的是第四条。监控面板显示「延迟 0.1 秒」,业务却读到几秒前的数据。延迟指标本身没错,错在它测量的东西和业务的感受不是一回事。

还要注意,读到旧值不一定都是复制延迟。应用层缓存、数据库查询缓存、只读事务的快照、搜索引擎的异步索引,都会让用户看到旧数据。排查时先确认「这次读打到哪台机器、这台机器的数据是什么版本」,再谈复制。把所有旧值都归给从库,容易修错地方。

复制到底在复制什么

主从复制通常分三步:主库把变更写进日志,从库拉取日志,从库回放日志。异步复制在第一步完成后就返回成功,不等从库回放;半同步复制至少等一个从库确认收到日志,但不保证已经回放;组复制或强同步则要求多数派确认,代价是写入延迟更高。

异步复制主库提交即返回。性能最好,延迟最低,但主库一挂,还没传过去的日志就丢了,从库也可能落后任意长时间。
半同步复制至少一个从库确认收到日志后才返回。能降低丢日志的概率,但确认不等于回放,读从库仍可能读到旧值。
强同步或组复制多数派确认后才算提交。一致性最好,但每次写都要等网络往返,跨机房时延迟明显,且少数派不可用时写入会被拒绝。

三种模式解决的不是同一个问题。异步解决性能,半同步解决丢日志,强同步解决一致性。很多团队以为「上了半同步就不会读到旧值」,这是把「日志到达」和「数据可见」混为一谈。日志到了从库,还要经过回放,回放完成之前,查询看到的仍是旧版本。

复制也不等于备份。从库上的数据是「另一份活数据」,误删、误更新、逻辑错误会同步过去;备份要的是可以回到某个时间点的独立副本。把从库当备份用,一旦主库执行了错误删除,从库很快也会删掉,两边一起完蛋。备份要单独存放,并且定期验证能不能恢复,这一点在讲容量和演练时还会再提。

延迟从哪来

延迟不是一个数字,而是好几段等待叠在一起。网络传输占一段,从库回放占一段,回放时等锁又占一段。排查时要分段看,不能只看一个总值。

网络。跨机房复制的往返延迟通常是几毫秒到几十毫秒,带宽打满时日志传输会排队。跨地域复制更明显,一条日志从写入到到达对端,可能已经过去几十毫秒。

回放。从库是单线程还是多线程回放,差别很大。单线程回放遇到大事务,会长时间卡在一条日志上;多线程回放按库或按表并行,能缓解,但遇到热点表仍然会排队。

大事务与 DDL。一次更新百万行,主库执行很久,日志也很大,从库回放同样很久。DDL 更糟,很多变更会阻塞回放线程,期间所有后续日志都积压。大促前跑批量任务,经常把从库延迟推到几分钟。

从库自身负载。从库也在接读流量,CPU、IO、连接数被读请求占满,回放线程抢不到资源。读越多,延迟越大;延迟越大,业务越容易读到旧值,形成恶性循环。

锁等待。从库回放时要拿行锁,如果有一条长查询或长事务占着锁,回放就停在那里。主库上很快就过去的操作,在从库上可能被一个报表查询卡住几十秒。

这些延迟还会叠加和放大。一次大促的批量更新让从库回放落后三分钟,读流量又因为用户刷新而上涨,从库 CPU 被读请求占满,回放更慢。原本只是几秒的延迟,在负载下变成几分钟。所以容量规划要把「回放」算进从库的资源预算,不能只按读 QPS 算。

读到旧值,责任在谁

先说结论:责任在「写完立刻读从库」这个调用路径,不在复制本身。复制提供的是最终一致,业务却按强一致来用,错配的是语义,不是组件。

很多团队的处理方式是「把延迟监控调出来,延迟高了就告警」。这只能发现问题,不能解决问题。用户不会因为你看了一眼监控就原谅重复支付。真正要做的,是在关键路径上给读请求一个明确的语义。

可以接受旧值的读

商品列表、推荐位、历史订单、报表。晚几百毫秒看到不影响决策,走从库最划算。这类读应该明确标注「允许旧值」,并且设置一个最大可接受延迟。

不能接受旧值的读

支付结果、库存余量、账户余额、刚提交表单的回显。必须走主库,或者走一个能保证追上本次写入的从库。这类读的数量通常不多,走主库的成本可以接受。

四种可落地的兜底写法

关键读走主库。最简单,也最可靠。把「刚写完就要读」的接口单独标记,强制路由到主库。注意是「刚写完」这个时间窗,不是永久。可以按用户会话、按订单维度,在写入后的一段时间内读主。

read-your-writes(读己之写)。写入成功后,把主库返回的位点或时间戳带回客户端,下一次读带上这个标记,路由层只选择已经追到这个位点的从库。这样既不全走主库,又能保证自己刚写的能被自己读到。

会话粘滞。同一个会话固定走同一台从库,避免两次读分到延迟不同的副本。它不能保证读到最新值,但能避免「刷新一次新、再刷一次旧」的诡异体验。粘滞要设置合理的过期时间,否则一台从库故障后,会话会被长期困住。

写入后延迟双删或主动失效缓存。如果读路径前面有缓存,问题会从「从库延迟」变成「缓存旧值」。写入后删缓存、再延迟删一次,能覆盖大部分并发读回填旧值的窗口。缓存和复制叠在一起时,两个延迟要一起算。

这四种写法不是互斥的,实际系统往往组合使用。关键读走主库兜住金额和库存;普通读走从库,配合会话粘滞;带位点的读走 read-your-writes;缓存层再加失效。组合的关键是给每类数据标注一致性要求,而不是在代码里临时判断「这个接口要不要走主」。

位点怎么传到读请求上,也有讲究。放在响应头里最简单,前端下一次请求带回来;放在会话服务里,路由层按用户读取;放在请求参数里,适合服务间调用。无论哪种,都要处理「位点丢失」的情况:丢失时退回主库,或者退回一个延迟足够小的从库,不能默认走任意从库。

# 本机 Node 24 模拟:异步复制延迟 300ms,写完 20ms 后回读
直接读从库: 20 次读, 读到旧值 19 次, 最大落后 3 条
写后 500ms 内读主库: 20 次读, 读到旧值 1 次

输出很直白:只要读发生在复制追上之前,就必然读到旧值。把「写后一段时间内读主」加上去,旧值从 19 次降到 1 次;剩下那 1 次是第一次读发生在首笔写入之前,属于初始化边界,不是策略失效。代价是这段时间的主库读压力变大,所以窗口要尽量短,按实际复制延迟的 P99 来定,而不是拍一个很大的值。

延迟监控:别只看一个数字

最常见的指标是主从位点差,很多数据库会直接给出「落后多少秒」。这个数字有几个坑:它可能只反映回放线程处理到哪条日志,不反映最新事务是否可见;主库没有写入时,它可能显示 0,但最后一次写入其实还没回放;时钟不同步时,按时间戳算出来的秒数也不准。

更可靠的做法是写一条带时间戳的心跳记录,主库定期更新,从库读到后计算「现在减去记录里的时间」。这个值直接反映「从库能看到多新的数据」,比位点差更贴近业务感受。另一个办法是用全局事务号,比较主库最新事务号和从库已回放事务号,差多少条就是真实积压。

监控还要分维度:整体延迟、单从库延迟、关键表的延迟。整体延迟低,不代表某张热点表的从库已经追上;单从库延迟高,可能只是那台机器磁盘慢。告警阈值要按业务能接受的旧值窗口来定,而不是按「看起来正常」来定。

还有一个常见误区:只看延迟的绝对值,不看延迟的持续时间。瞬间跳到 5 秒然后马上回落,和持续 500ms 十分钟,对业务的影响完全不同。前者可能只影响个别请求,后者会让一段时间内的所有读都变旧。告警应该同时看峰值和持续时间。

除了数据库指标,还要看业务侧的「旧值信号」。比如下单后立刻查询失败的比例、支付回调后状态不一致的对账差异、用户重复提交的次数。这些指标比数据库延迟更直接,因为它们衡量的是用户实际感受到的结果。数据库延迟高但业务没有旧值,说明读路由兜住了;数据库延迟低但业务旧值多,说明兜底逻辑有漏洞。

边界与代价

强一致不是免费的。让所有读都走主库,主库连接数和 CPU 会先撑不住;上强同步复制,写入延迟会明显上升,跨机房时更明显;要求多数派确认,少数派故障时写入会被拒绝。每一种一致性提升,都对应一个可用性或性能的让步。

半同步不等于不丢数据。它只保证日志到达至少一个从库,不保证那个从库能回放,也不保证主库崩溃时它一定被提升。真要降低丢数据风险,还要配合切换流程和数据校验。

延迟双删也有窗口。删除缓存和更新数据库之间的并发读,仍可能把旧值写回缓存。延迟双删能覆盖大部分情况,但不是严格一致。对金额、库存这类数据,最终还是要靠数据库约束或串行化处理。

不是所有业务都需要强一致。内容、推荐、统计类系统,读到几秒前的数据完全可接受。强行把所有读都做成强一致,成本高,收益低。按数据重要性分级,比一刀切更现实。

跨机房时,这些代价会被网络放大。同城机房往返延迟通常在一两毫秒,异地可能到十几甚至几十毫秒;强同步写要等这个往返,读从库也要等跨机房回放。跨机房做读写分离之前,先算清楚「一次写要等多久、一次读最多能旧多久」,再决定哪些业务放在同一个机房。

读从库也不是免费扩容。从库要同时承担回放和读流量,读越多,回放越慢。给从库加机器能缓解读压力,但复制链路和回放线程本身仍有上限。把读从库当成「无限扩展」的容量池,迟早会在高峰时被回放延迟反噬。

不要用「重试几次」来掩盖读到旧值的问题。重试可能仍然打到同一台落后的从库,用户看到的是「刷新也没用」。先修路由和语义,再谈重试。

当天可以自验的五件事

  1. 列出所有「写完立刻读」的接口,逐个确认它们走主库还是从库;走从库的,标成高风险。
  2. 在主库执行一条更新,立刻在从库执行同一条查询,重复十次,记录多少次读到旧值。
  3. 检查延迟监控用的是位点差还是心跳时间;如果是位点差,补一条带时间戳的心跳记录。
  4. 给一个从库人为加 1 秒回放延迟,观察业务哪些页面出现旧值,验证你的读路由是否符合预期。
  5. 确认会话粘滞的过期时间;如果设置为永久,改成有界时间,并想清楚从库故障时会话怎么迁移。

下一篇讲脑裂。复制延迟还能靠读路由绕过去,脑裂则是两个节点都认为自己是主,各自接受写入,最后合并时必然有一部分数据要丢。那已经不是「读旧值」,而是「写坏了」。